https://terms-en.ai-term-hub.com/zh/tags/privacy/Recent content in Privacy on 中文AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000https://terms-en.ai-term-hub.com/zh/terms/right_to_be_forgotten/Sat, 18 Jul 2026 11:38:39 +0000https://terms-en.ai-term-hub.com/zh/terms/right_to_be_forgotten/<h2 id="definition">Definition</h2> <p>被遗忘权使用户有权要求从数据库和 AI 训练集中移除其个人信息。在机器学习中实施这一权利具有挑战性，因为模型可能已经将从这些数据中学习到的知识固化在参数中。</p> <h3 id="summary">Summary</h3> <p>一项法律概念，允许个人要求组织删除其持有的个人数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据删除</li> <li>机器遗忘</li> <li>法律合规</li> <li>模型重训练</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>遵守 GDPR 的删除请求</li> <li>从模型中移除有偏见或有害的历史数据</li> <li>管理 AI 服务中的用户同意撤销</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/machine-unlearning-%E6%9C%BA%E5%99%A8%E9%81%97%E5%BF%98/">Machine Unlearning (机器遗忘)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-erasure-%E6%95%B0%E6%8D%AE%E6%93%A6%E9%99%A4/">Data Erasure (数据擦除)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/consent-management-%E5%90%8C%E6%84%8F%E7%AE%A1%E7%90%86/">Consent Management (同意管理)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/data_minimization/Sat, 18 Jul 2026 11:38:39 +0000https://terms-en.ai-term-hub.com/zh/terms/data_minimization/<h2 id="definition">Definition</h2> <p>数据最小化是一项核心的隐私原则，要求组织将数据收集限制在充分、相关且必要的范围内。在人工智能领域，这意味着设计能够减少不必要数据依赖的模型。</p> <h3 id="summary">Summary</h3> <p>仅收集和处理特定目的所严格必要的个人数据的原则。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>目的限制</li> <li>设计隐私</li> <li>数据缩减</li> <li>监管合规</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为公共研究设计匿名化数据集</li> <li>实施联邦学习以保持原始数据本地化</li> <li>审计AI系统是否存在过度数据保留</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/anonymization-%E5%8C%BF%E5%90%8D%E5%8C%96/">Anonymization (匿名化)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/differential-privacy-%E5%B7%AE%E5%88%86%E9%9A%90%E7%A7%81/">Differential Privacy (差分隐私)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/purpose-limitation-%E7%9B%AE%E7%9A%84%E9%99%90%E5%88%B6/">Purpose Limitation (目的限制)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/resisting_ai/Sat, 18 Jul 2026 11:32:14 +0000https://terms-en.ai-term-hub.com/zh/terms/resisting_ai/<h2 id="definition">Definition</h2> <p>抵抗人工智能是指个人或实体为避免被 AI 算法影响、追踪或分类而使用的方法。这包括针对感知系统的对抗性攻击、保护隐私的数据处理技术以及旨在规避算法监控的策略。</p> <h3 id="summary">Summary</h3> <p>旨在逃避人工智能系统检测、操纵或控制的策略和技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对抗样本</li> <li>隐私保护</li> <li>算法规避</li> <li>反监控</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>对抗机器学习研究</li> <li>隐私保护工具开发</li> <li>安全红队测试</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%AF%B9%E6%8A%97%E6%94%BB%E5%87%BB/">对抗攻击</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">数据隐私</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%B7%B7%E6%B7%86%E6%8A%80%E6%9C%AF/">混淆技术</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-%E5%AE%89%E5%85%A8/">AI 安全</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/machine_unlearning/Sat, 18 Jul 2026 11:25:23 +0000https://terms-en.ai-term-hub.com/zh/terms/machine_unlearning/<h2 id="definition">Definition</h2> <p>这项技术通过允许模型在保留通用知识的同时“忘记”特定用户数据，来解决如GDPR“被遗忘权”等隐私法规问题。其目标是近似于从头重新训&hellip;</p> <h3 id="summary">Summary</h3> <p>机器遗忘是指在不从头重新训练模型的情况下，从已训练模型中移除特定数据点或其影响的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>被遗忘权</li> <li>模型重训练近似</li> <li>数据隐私</li> <li>梯度更新</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>遵守数据删除请求</li> <li>从模型中移除有偏见或错误的数据</li> <li>减轻数据投毒攻击的影响</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-privacy-%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">Data Privacy (数据隐私)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/federated-learning-%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0/">Federated Learning (联邦学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/model-retraining-%E6%A8%A1%E5%9E%8B%E9%87%8D%E8%AE%AD%E7%BB%83/">Model Retraining (模型重训练)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/local_llm/Sat, 18 Jul 2026 11:24:33 +0000https://terms-en.ai-term-hub.com/zh/terms/local_llm/<h2 id="definition">Definition</h2> <p>运行本地 LLM 涉及直接在消费级硬件（如 PC、Mac 或本地服务器）上部署开放权重模型。这种方法消除了对第三方 API 提供商的依赖，确</p> <h3 id="summary">Summary</h3> <p>本地 LLM 指的是在个人硬件上运行大型语言模型而非云服务，优先考虑数据隐私和离线可访问性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>端侧推理</li> <li>数据隐私</li> <li>量化</li> <li>硬件要求</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>私人笔记助手</li> <li>离线研究工具</li> <li>安全的企业数据处理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ollama-%E6%9C%AC%E5%9C%B0%E8%BF%90%E8%A1%8C-llm-%E7%9A%84%E5%B7%A5%E5%85%B7/">Ollama (本地运行 LLM 的工具)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/lm-studio-%E6%9C%AC%E5%9C%B0-llm-%E6%A1%8C%E9%9D%A2%E5%BA%94%E7%94%A8/">LM Studio (本地 LLM 桌面应用)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gguf-%E6%A8%A1%E5%9E%8B%E6%96%87%E4%BB%B6%E6%A0%BC%E5%BC%8F/">GGUF (模型文件格式)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/quantization-%E9%87%8F%E5%8C%96/">Quantization (量化)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/gdpr_compliance/Sat, 18 Jul 2026 11:17:53 +0000https://terms-en.ai-term-hub.com/zh/terms/gdpr_compliance/<h2 id="definition">Definition</h2> <p>GDPR合规性是指AI开发者必须实施的法律和技术措施，以保护欧盟境内个人的个人数据。对于AI系统而言，这涉及数据最小化、目的限制等原则，以及确保算法透明度和用户权利的实现。</p> <h3 id="summary">Summary</h3> <p>遵守《通用数据保护条例》，确保AI系统尊重用户隐私和数据权利。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据隐私</li> <li>法律框架</li> <li>算法透明度</li> <li>用户权利</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计保护隐私的机器学习流水线</li> <li>审计AI系统以符合监管要求</li> <li>在AI应用中实施同意管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-sovereignty-%E6%95%B0%E6%8D%AE%E4%B8%BB%E6%9D%83/">Data Sovereignty (数据主权)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethical-ai-%E4%BC%A6%E7%90%86ai/">Ethical AI (伦理AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/privacy-by-design-%E9%9A%90%E7%A7%81%E8%AE%BE%E8%AE%A1/">Privacy by Design (隐私设计)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/right-to-explanation-%E8%A7%A3%E9%87%8A%E6%9D%83/">Right to Explanation (解释权)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/differentially_private_stochastic_gradient_descent/Sat, 18 Jul 2026 11:14:55 +0000https://terms-en.ai-term-hub.com/zh/terms/differentially_private_stochastic_gradient_descent/<h2 id="definition">Definition</h2> <p>DP-SGD 是随机梯度下降的一种变体，旨在保护训练数据的隐私。它通过裁剪每个样本梯度的贡献来限制敏感度，然后添加高斯噪声来实现隐私保护。</p> <h3 id="summary">Summary</h3> <p>一种优化算法，通过对标准随机梯度下降（SGD）进行梯度裁剪和添加噪声的修改，确保训练后的模型满足差分隐私约束。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>梯度裁剪</li> <li>高斯噪声注入</li> <li>样本子采样</li> <li>隐私会计</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在私有用户数据上训练深度神经网络</li> <li>医疗保健预测建模</li> <li>使用受监管数据进行金融欺诈检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%B7%AE%E5%88%86%E9%9A%90%E7%A7%81-differential-privacy/">差分隐私 (Differential Privacy)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E9%9A%8F%E6%9C%BA%E6%A2%AF%E5%BA%A6%E4%B8%8B%E9%99%8D-sgd/">随机梯度下降 (SGD)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%A8%A1%E5%9E%8B%E5%8F%8D%E8%BD%AC%E6%94%BB%E5%87%BB-model-inversion-attacks/">模型反转攻击 (Model Inversion Attacks)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E9%9A%90%E7%A7%81%E9%A2%84%E7%AE%97-privacy-budget/">隐私预算 (Privacy Budget)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/differential_privacy/Sat, 18 Jul 2026 11:14:55 +0000https://terms-en.ai-term-hub.com/zh/terms/differential_privacy/<h2 id="definition">Definition</h2> <p>差分隐私通过向查询结果或模型参数添加经过校准的统计噪声，提供强有力的隐私保障。它量化了关于任何单个个体信息泄露的最大程度。</p> <h3 id="summary">Summary</h3> <p>一种严格的数学框架，确保包含或排除任何单个个体的数据不会对分析结果产生显著影响。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>隐私预算（Epsilon）</li> <li>噪声校准</li> <li>组合定理</li> <li>零知识证明</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在敏感医疗记录上训练模型</li> <li>发布聚合统计数据而不泄露个人身份</li> <li>在不信任方之间安全共享数据</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0-federated-learning/">联邦学习 (Federated Learning)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%90%8C%E6%80%81%E5%8A%A0%E5%AF%86-homomorphic-encryption/">同态加密 (Homomorphic Encryption)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%95%B0%E6%8D%AE%E5%8C%BF%E5%90%8D%E5%8C%96-data-anonymization/">数据匿名化 (Data Anonymization)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E9%9A%90%E7%A7%81%E4%BF%9D%E6%8A%A4%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-privacy-preserving-ml/">隐私保护机器学习 (Privacy-Preserving ML)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/consent/Sat, 18 Jul 2026 11:11:15 +0000https://terms-en.ai-term-hub.com/zh/terms/consent/<h2 id="definition">Definition</h2> <p>在人工智能伦理中，同意是指用户或主体在个人数据被收集、存储或用于机器学习模型之前，自愿给予的知情许可。这要求用户充分了解数据用途并自主决定。</p> <h3 id="summary">Summary</h3> <p>个人明确且知情地允许其数据被收集和处理以用于人工智能目的的协议。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>知情同意</li> <li>数据隐私</li> <li>用户自主权</li> <li>GDPR合规性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗数据使用协议</li> <li>社交媒体数据收集政策</li> <li>生物识别认证的选择加入</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/privacy-%E9%9A%90%E7%A7%81/">privacy (隐私)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-governance-%E6%95%B0%E6%8D%AE%E6%B2%BB%E7%90%86/">data governance (数据治理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethics-%E4%BC%A6%E7%90%86/">ethics (伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/regulation-%E7%9B%91%E7%AE%A1/">regulation (监管)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/anonymization/Sat, 18 Jul 2026 11:05:01 +0000https://terms-en.ai-term-hub.com/zh/terms/anonymization/<h2 id="definition">Definition</h2> <p>匿名化涉及修改数据，使其在没有额外信息的情况下无法再与特定个人关联。在处理敏感数据时，这项技术在机器学习中至关重要。</p> <h3 id="summary">Summary</h3> <p>从数据集中移除个人身份信息以保护个人隐私的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>隐私保护</li> <li>重识别风险</li> <li>数据效用</li> <li>GDPR合规性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗研究数据共享</li> <li>客户行为分析</li> <li>公共数据集发布</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%B7%AE%E5%88%86%E9%9A%90%E7%A7%81-differential-privacy/">差分隐私 (Differential Privacy)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%BC%AA%E5%8C%BF%E5%90%8D%E5%8C%96-pseudonymization/">伪匿名化 (Pseudonymization)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%95%B0%E6%8D%AE%E6%8E%A9%E7%A0%81-data-masking/">数据掩码 (Data Masking)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%B8%AA%E4%BA%BA%E8%BA%AB%E4%BB%BD%E4%BF%A1%E6%81%AF-pii/">个人身份信息 (PII)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/federated_learning/Sat, 18 Jul 2026 11:00:03 +0000https://terms-en.ai-term-hub.com/zh/terms/federated_learning/<h2 id="definition">Definition</h2> <p>联邦学习使组织能够在不共享敏感原始数据的情况下协作训练人工智能模型。与集中信息不同，模型被发送到本地设备，在那里进行局部学习，然后将更新后的参数聚合到全局模型中，从而在保护隐私的同时实现协同智能。</p> <h3 id="summary">Summary</h3> <p>联邦学习是一种分布式机器学习方法，它在保持数据本地化的同时在去中心化设备上训练模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据隐私</li> <li>分布式训练</li> <li>模型聚合</li> <li>边缘计算</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>预测文本键盘</li> <li>医疗诊断协作</li> <li>金融欺诈检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/privacy-%E9%9A%90%E7%A7%81/">privacy (隐私)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/edge_ai-%E8%BE%B9%E7%BC%98ai/">edge_ai (边缘AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/distributed_systems-%E5%88%86%E5%B8%83%E5%BC%8F%E7%B3%BB%E7%BB%9F/">distributed_systems (分布式系统)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/differential_privacy-%E5%B7%AE%E5%88%86%E9%9A%90%E7%A7%81/">differential_privacy (差分隐私)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/data_protection/Sat, 18 Jul 2026 10:59:40 +0000https://terms-en.ai-term-hub.com/zh/terms/data_protection/<h2 id="definition">Definition</h2> <p>数据保护包括旨在保护个人数据和专有数据免受泄露和滥用的法律、技术和组织措施。在人工智能领域，这包括实施加密、访问控制和匿名化等技术，以确保合规性并维护用户隐私。</p> <h3 id="summary">Summary</h3> <p>在整个数据生命周期中，防止敏感信息遭受未经授权的访问、损坏或盗窃的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>加密</li> <li>隐私合规</li> <li>访问控制</li> <li>匿名化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>保护医疗人工智能中的患者健康记录</li> <li>在推荐系统中保护用户身份</li> <li>遵守欧盟公民数据的 GDPR 规定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/privacy-preserving-ml-%E9%9A%90%E7%A7%81%E4%BF%9D%E6%8A%A4%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">Privacy-Preserving ML (隐私保护机器学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-security-%E6%95%B0%E6%8D%AE%E5%AE%89%E5%85%A8/">Data Security (数据安全)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethics-%E4%BC%A6%E7%90%86/">Ethics (伦理)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/local/Sat, 18 Jul 2026 10:52:50 +0000https://terms-en.ai-term-hub.com/zh/terms/local/<h2 id="definition">Definition</h2> <p>在人工智能领域，“本地”通常指直接在用户的硬件（如笔记本电脑或智能手机）上执行操作，而无需依赖远程服务器。这种方法增强了数据隐私并减少了延迟。</p> <h3 id="summary">Summary</h3> <p>指在特定设备上处理或存储数据，而不是在集中的云环境中。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>边缘计算</li> <li>数据隐私</li> <li>设备端处理</li> <li>降低延迟</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>注重隐私的语音助手</li> <li>移动设备上的实时目标检测</li> <li>离线人工智能应用</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cloud-%E4%BA%91%E7%AB%AF/">Cloud (云端)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/edge-ai-%E8%BE%B9%E7%BC%98%E6%99%BA%E8%83%BD/">Edge AI (边缘智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/federated-learning-%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0/">Federated Learning (联邦学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/on-premise-%E6%9C%AC%E5%9C%B0%E9%83%A8%E7%BD%B2/">On-premise (本地部署)</a></li> </ul>