ローカルLLMは安全？プライバシー・履歴・外部送信・モデルの注意点を解説

agent時のprivacy確認を追加する

local modelでも、ファイル操作、codebase、screen context、voice、memory、MCP、web search、cloud fallback、run historyが別の情報経路になります。モデル名だけで安全性を判断せず、機能ごとに入力・送信先・保存先・権限を確認します。

• WindowsローカルAIエージェント比較 - local/cloudとファイル・MCP・Scheduled Jobsを比較する
• AnythingLLM Magic Features - 画面・音声・選択textの通信境界を見る

ColabでGGUFを動かす時のデータ境界

ColabでローカルLLM向けのGGUFを動かしても、処理場所は手元PCではなくGoogle管理のクラウドVMです。機密文書、個人情報、業務promptを安易にアップロードせず、notebookの共有範囲、Drive、ログ、runtimeの削除を確認します。

• ColabでQwen3.6-27Bを試す - クラウド実験環境としての注意点を含む手順

LM Studio / Ollama本体の履歴・ログも確認する

ローカルLLMのプライバシー確認では、外部APIやRAGだけでなく、LM StudioやOllama本体の履歴、ログ、モデル保存場所も見ます。モデルを削除しても、チャット履歴やRAGデータまで消えたとは限りません。

ローカル実行でもモデル配布元と改変版を確認する

ローカルAIの安全性は、外部送信の有無だけで決まりません。知らないGGUF、量子化済み配布物、local server公開、RAG/embedding、licenseを分けて確認します。

1. モデルの配布元と元モデルを確認する。
2. Model Card、license、Filesを読む。
3. 知らないモデルには秘密情報を入れない。
4. local serverがlocalhost限定か確認する。
5. RAGや外部API providerが混ざっていないか見る。

• LM Studio/Ollamaで知らないGGUFを動かす前に - 実行前の安全確認へ進む

ローカルRAGでは保存先・埋め込み・ログを見る

ローカルLLMの安全性を見る時、RAGでは文書そのもの、分割後の断片、埋め込み、vector DB、query log、回答ログが加わります。モデル実行だけでなく文書処理全体を確認します。

• ローカルRAGのプライバシー - 外部API・埋め込み・保存先を確認する
• 仕事PDFの確認 - 機密情報を入れる前に見る

完全ローカルと外部APIを分ける

ローカルAIのプライバシーは、推論が手元で完結するか、local serverをどこへ公開しているか、embeddingやRAGが外部APIを使うかで変わります。

• ローカルAIは本当にプライバシーに強いのか - 境界線を詳しく読む

ローカルLLMは安全なのか

ローカルLLMは、入力文をクラウドAIへ毎回送らずに済む構成を作れる場合があります。その意味で、プライバシー面で有利になることがあります。ただし、安全性は「ローカルかどうか」だけでは決まりません。

見るべき対象は、ツール本体、モデルファイル、履歴、ログ、外部API、RAG、埋め込み、ベクトルDB、MCP、ネットワーク公開、ライセンスです。ひとつでも外部サービスや広い権限を使えば、リスクの種類は変わります。

ローカル実行とクラウドAIの違い

クラウドAIは、入力やファイルをサービス側へ送って処理します。ローカル実行は、モデル推論を自分のPCやサーバーで行います。これにより、通信先や保存場所を制御しやすい場合があります。

一方で、ローカル環境では自分で管理する範囲が増えます。モデルの出所、アプリの更新、APIサーバーの公開範囲、PC内の履歴、バックアップ、マルウェア対策、会社ルールを見落とすと、別の形で問題が起きます。

外部送信が減る場合・減らない場合

LM StudioやOllamaでローカルモデルだけを使い、localhost内でチャットする構成なら、クラウドAIへ毎回文章を送る使い方より外部送信を減らせる場合があります。ただし、モデルの取得、アプリ更新、外部API、クラウド埋め込み、Web検索、MCPサーバー、同期機能を使う場合は別です。

「ローカルアプリだから外部送信ゼロ」と決めつけず、設定画面、接続先、APIキー、モデルプロバイダー、埋め込みプロバイダーを確認してください。

2026年8月時点で公式に確認できる境界

各ツールの「local」は同じ意味ではありません。推論本体、アプリの通信、履歴・ログ、cloud featureを分け、公式docsが明記している範囲だけを安全性の根拠にします。

• LM Studio Privacy Policy - local利用、cloud services、model search、update checkの扱い
• Ollama FAQ - local/cloud、OLLAMA_NO_CLOUD、127.0.0.1を確認する
• Jan Local API Server - API key、trusted hosts、CORS、logsを確認する
• AnythingLLM Privacy & Data - telemetryとdocumentの完全削除を確認する
• Open WebUI Security - chat storageと管理者可視性を確認する

履歴やログは残るのか

多くのツールでは、チャット履歴、設定、モデル情報、ログ、キャッシュ、ダウンロード済みファイルがPC内に残る可能性があります。これは便利な一方で、共有PC、業務PC、バックアップ、画面共有、ログ提出時のリスクになります。

履歴やログの保存場所、削除方法、エクスポート機能、同期の有無はツールごとに違います。重要情報を入れる前に、短いテスト入力で保存挙動を確認してください。

• AnythingLLMのWindows保存場所 - documents、vector-cache、models、DB、logsの場所を見る
• Open WebUI Security - chat storage、管理者可視性、temporary chatを確認する

モデルファイルの出所に注意する

モデルファイルは数GBから数十GBになることがあり、配布元や派生元が分かりにくい場合もあります。出所不明のモデル、説明が薄いモデル、ライセンス不明のモデルを、社内文書や個人情報に使うのは避けた方が安全です。

Hugging Faceで探す場合も、モデルカード、元モデル、ライセンス、更新履歴、ファイル名を確認してください。人気やダウンロード数だけでは安全性や利用可否は保証されません。

Hugging FaceやGGUFモデルを使うときの注意

GGUFはローカルLLMでよく使われるモデルファイル形式ですが、GGUFであること自体が安全性や商用利用可否を保証するわけではありません。量子化版の場合、元モデル、変換者、量子化設定、ライセンスが絡みます。

• Hugging FaceでGGUFモデルを探す方法 - モデルカードとファイル名の見方を確認する
• GGUFとは - モデル形式の基礎を確認する

外部APIを使う場合の注意

ローカルLLMツールからOpenAI、Anthropic、Google、OpenRouterなどの外部APIに接続する場合、入力やファイルの一部が外部サービスへ送られる可能性があります。JanやAnythingLLMのように、ローカルモデルとクラウドモデルを切り替えられるツールでは、どのプロバイダーを使っているかを確認してください。

APIキーを保存する場所、ログに残る内容、プロキシや社内ネットワークの扱い、利用規約、料金も確認が必要です。

• Jan Privacy - local dataとremote AI APIの送信先を分ける
• LM Studio Privacy Policy - local chatとcloud servicesの扱いを確認する
• LM Studio local server - port、CORS、server公開範囲を確認する

RAG・埋め込み・ベクトルDBを使う場合の注意

RAGでは、文書を分割し、埋め込みを作り、ベクトルDBへ保存し、質問時に関連部分を取り出します。この流れのうち、埋め込みモデルやLLMがクラウドAPIなら、文書やテキストの一部が外部へ送られる可能性があります。

ローカルRAGにしたい場合は、チャットモデルだけでなく、埋め込みモデル、ベクトルDB、文書保存場所、OCRやパーサー、バックアップも確認してください。

• AnythingLLM Privacy & Data - workspaceから外す場合とMy Documentsから完全削除する場合を分ける
• AnythingLLMの保存場所 - parsed documentとcached embeddingsの保存先を見る

MCP・ツール連携を使う場合の注意

MCPやツール連携では、AIがファイル、フォルダ、コマンド、ブラウザ、外部サービスにアクセスできる場合があります。便利ですが、権限を広く与えるほど、誤操作、情報漏えい、認証情報の露出のリスクが増えます。

最初は検証用フォルダだけを渡し、書き込み権限やコマンド実行を必要最小限にします。社内文書、秘密鍵、.env、ブラウザCookie、顧客データがある場所を丸ごと渡さないでください。

社内文書・個人情報・顧客情報を扱う場合

社内文書、個人情報、顧客情報、契約情報、医療・法律・金融などの高リスク情報は、会社や案件のルールを最優先にしてください。ローカルLLMなら自動的に許可される、という判断は危険です。

使う前に、データ分類、保存場所、削除方法、外部送信、ログ、バックアップ、端末の持ち出し、モデルライセンス、生成結果の確認責任を整理します。判断に迷う場合は、技術担当や責任者に確認するのが安全です。

商用利用・ライセンスの確認

ツールのライセンス、モデルのライセンス、元モデルのライセンス、出力物の扱いは分けて確認します。特定のモデルが商用利用できるかどうかはモデルごとに違い、派生モデルでは元モデルの条件も関係する場合があります。

この記事では、どのモデルも商用利用OKとは断定しません。商用利用、社内導入、クライアントワークで使う場合は、モデルカードとライセンス本文を必ず確認してください。

初心者がまず守るべき確認リスト

よくある誤解

次に読む記事

• ローカルLLMとは - 全体像と始め方を確認する
• Hugging FaceでGGUFモデルを探す方法 - モデルの出所とライセンスを確認する
• ローカルAIをAPIで使う方法 - localhost、API、公開範囲を理解する
• RAG・埋め込み・ベクトルDBの仕組み - 文書活用でデータがどう流れるかを見る
• MCPとは - ツール権限と安全確認を理解する