Как DeepSeek сливает данные: техническая сторона утечки коммерческой тайны

История с увольнением директора по продажам московской инженерной компании за загрузку служебных документов в DeepSeek — не про «неосторожность», а про фундаментальное непонимание того, как работают современные большие языковые модели (LLM). DeepSeek — это не локальный инструмент, а облачный сервис. Когда вы вставляете текст в веб-интерфейс или отправляете через API, данные уходят на серверы компании DeepSeek (КНР). Там они обрабатываются на GPU-кластерах, и, согласно публичной политике конфиденциальности DeepSeek, компания оставляет за собой право использовать загруженные данные для улучшения модели, если пользователь не отключил эту опцию в настройках аккаунта. По умолчанию опция включена.

Технически это означает, что загруженные коммерческие документы (контракты, стратегии продаж, клиентские базы) попадают в тренировочный датасет модели. Даже если вы используете DeepSeek через API с обещанием не использовать данные для обучения — это лишь контрактное обязательство, которое сложно проверить. С точки зрения безопасности, любой облачный LLM — это чёрный ящик: вы не контролируете, где хранятся логи, кто имеет к ним доступ и как долго они сохраняются. В отличие от корпоративных решений вроде локально развёрнутого Llama или GPT на изолированном сервере, DeepSeek не предоставляет on-premise версии.

Суд отказал сотруднице в иске — и это логично с юридической точки зрения: разглашение коммерческой тайны налицо. Но технически проблема шире: многие компании до сих пор не внедрили политику использования ИИ-инструментов, не запретили загрузку конфиденциальных данных в публичные нейросети и не обучили сотрудников отличать облачные LLM от локальных. Единственный способ защитить данные — использовать модели, развёрнутые внутри периметра компании, или строго контролировать, какие документы попадают во внешние сервисы. Иначе следующий иск — лишь вопрос времени.