鐵人檔案
企業導入生成式 AI 時，資安討論往往集中在「模型會不會被越獄」「Prompt 會不會被注入」——但在我實際協助金融、製造業客戶的顧問經驗裡，真正造成事故的破口，多數不在模型層，而在平台層：一組權限過寬的 Service Account、一個沒有邊界控制的 Vertex AI 專案、一把寫死在程式碼裡的 API Key。這 30 天，我想用 Google Cloud 原生的安全服務把企業導入 Google AI 服務所需的安全防線，一層一層建起來。
GCP 原生的「模型層防火牆」 Day19、Day20 談的是開源工具鏈（garak、NemoClaw），這篇要介紹 GCP 原生的對應方案：Model Arm...
Day19 掃的是模型本身，這篇要問：你部署的到底是不是那個被掃過的版本 前面幾篇的防線，都建立在一個隱含假設上：你部署到生產環境的模型/容器映像，就是你測試過...
一個值得注意的品牌重整：Vertex AI 與 Agentspace 的整併 在談這篇的技術內容之前，有個平台層級的變化值得先說明：Google 在 2026...
這週從「掃描」走到「治理」 Week 4 的五篇，其實是一條完整的鏈路：Day19 用 garak 找出模型層的弱點 → Day20 用 guardrail r...
前面 24 篇建了很多道牆，這篇要問：誰在看這些牆有沒有被翻過 Week 2-4 建立了身份、網路、資料、模型、Agent 五層防線，但每一層的防護機制各自為政...
先更正一個名稱：這篇你可能一直叫錯了 如果你的簡報或架構圖裡還寫著「Chronicle」當作 SIEM 服務的名稱，需要更新一下：這項服務已經正式改名為 Goo...
這篇的兩個案例都經過去識別化處理 以下兩個案例來自實際的顧問經驗，為保護客戶機密，人名、機構名稱、系統細節皆已去識別化改寫，僅保留架構審查方法論本身具有參考價值...
從「知道框架」到「實際自評」 這系列從 Day1 開始就把 SAIF 六大要素當成概念主軸，貫穿了 30 篇的骨架。走到這裡，該回到框架本身：Google 官方...
三個框架，三種視角 這系列走到這裡，陸續引用了三個框架：台灣官方的《人工智慧風險分類框架》（Day4）、國際的 OWASP LLM Top 10（Day6）、以...
30 天，一句話回顧 如果只能留一句話，這系列想說的是：企業導入 Google AI 服務時，安全防線不能只停在「這個模型安不安全」這一層——GCP 平台層的身...
