Susterra 官网

Susterra 图文介绍：

Susterra 成立于 2022 年，总部位于旧金山，团队来自 OpenAI、Stripe 和 MIT CSAIL。平台专注解决大模型训练中的“数据风险”痛点——版权侵权、隐私泄露与有害内容。2024 年获 a16z 2300 万美元 A 轮投资，并通过 SOC 2 Type II 与 ISO 27001 双认证，已被 OpenAI、Adobe 等 50+ 家企业用于预训练数据治理，累计处理 3.4 PB 多语言数据。

主要功能：

• 版权溯源引擎：融合 5200 万条 CC 许可与 1.8 亿新闻出版物指纹，秒级定位潜在侵权片段，误报率 <0.3%。
• 隐私自动脱敏：基于 NER+差分隐私，识别并匿名化 55 类 PII（含 HIPAA 受保护健康信息），召回率 99.2%。
• 有害内容过滤：集成 OpenAI Moderation API 与自研“红线”模型，支持 42 语言，覆盖暴力、歧视、儿童安全等 18 风险维度。
• 数据血统图谱：用知识图谱记录每次清洗、标注、版本变更，满足欧盟 AI Act 第 53 条“可审计”要求。
• 合规报告一键导出：生成 DPIA、模型卡（Model Card）与训练数据清单，可直接提交给 FDA、SEC 或欧盟监管机构。

应用场景：

• 大模型预训练：帮助基础模型厂商在数据采集阶段降低版权与隐私风险 80%。
• 企业微调：金融、医疗客户用 Susterra 清洗私有对话数据，确保 HIPAA/GLBA 合规后再微调 Llama、Claude。
• 内容平台：社交媒体把历史语料过一遍“版权+有害”双检，避免二次训练被起诉。
• 政府与 NGO：构建公共领域多语言数据集，符合 OECD 可信 AI 原则。

是否收费：

• 开发者版：每月 100 GB 免费额度，含基础版权与 PII 扫描。
• 企业版：$0.10/GB 起，按量计费，解锁血统图谱、批量 API 与 SLA 99.9%。
• 私有部署：年费 $120k 起，支持 air-gapped 环境、本地 GPU 集群，含定制规则引擎。

平台兼容性：

• 提供 REST & GraphQL API、Python SDK（PyPI 官方包）与 Snowflake、Databricks 原生插件；
• 支持 AWS、Azure、GCP 市场一键部署，也可在本地 Kubernetes 集群离线运行。

隐私与安全：

• 数据在传输与静态存储时均使用 AES-256 加密；
• 平台通过 SOC 2 Type II、ISO 27001、27701 认证，并签署零数据留存协议（Zero Data Retention），客户可选择自动销毁所有上传副本。

Susterra 以“让大模型训练像财务报表一样可审计”为使命，将版权、隐私与内容安全三道防线打包成可扩展的云服务。相比人工审核或单一过滤器，其多维度溯源引擎与合规报告功能显著降低法律与品牌风险，是构建企业级、大模型数据管道不可或缺的底层基础设施。