這週建立的是一道「資料能不能去、能不能被看懂」的防線

如果說 Week 2 回答的是「這個身份能做多少事」，Week 3 回答的是完全不同的兩個問題：「資料能不能跨出這個邊界」（VPC-SC、Cloud Armor）跟**「就算資料在合法的地方，裡面有沒有不該存在的敏感內容、有沒有在該加密的時候被加密」**（Sensitive Data Protection、Cloud KMS/Secret Manager、Confidential Computing）。

五篇服務對照表

完整資料邊界防線 Checklist

邊界控制

• [ ] AI workload 涉及的專案已盤點並評估是否納入同一個 VPC Service Controls 邊界
• [ ] 對外的 AI API 端點都已掛上 Cloud Armor，並設計了符合 AI 場景特性的速率限制規則

資料內容

• [ ] 訓練/微調資料進入 pipeline 前已跑過 Sensitive Data Protection 掃描
• [ ] 推論輸出寫入 log/資料庫前也做了遮罩處理

金鑰與機密

• [ ] 第三方模型供應商 API Key 已搬進 Secret Manager，不再明碼存放
• [ ] 高敏感訓練資料或模型權重已評估是否需要 CMEK

運算時保護

• [ ] 已釐清威脅模型是否需要 Confidential Computing 這一層額外防護

這週對應的 SAIF 要素

這五篇涵蓋了兩個 SAIF 要素：VPC Service Controls、Cloud Armor 屬於「擴展安全基礎至 AI 生態系」——把過去十幾年在傳統應用安全累積的邊界防護經驗，延伸套用到 AI workload 上；Sensitive Data Protection、Cloud KMS/Secret Manager、Confidential Computing 則更偏向「統一平台層級控制」，確保資料不管在靜止、傳輸、運算的哪個階段，套用的保護標準是一致的。

下週要往哪走

資料邊界圈好之後，下一個問題是：模型本身、以及建立在模型之上的 Agent，有沒有做到對應的安全設計？Week 4 會進入模型與 Agent 層安全——從 garak 掃描 Gemma、guardrail runtime 設計，到 Model Armor、Binary Authorization，以及 Gemini Enterprise Agent Platform 的權限與資料流風險。