模組 7 — AI 安全管控（安全使用 AI）

目標： 看清員工在用哪些 AI 工具，阻止敏感資料被貼上進去，並保護你自建的 AI 應用。

🧭 AI 的黃金法則：管控，別一刀封。 若你硬性封禁 ChatGPT，大家只會改用手機——你反而失去所有可見性。目標是安全地允許 AI：看清它、管控高風險操作、並阻止敏感資料流入。

Cloudflare 的 AI 安全套件 — 全域性視角

本模組（連同模組 5d、6、7b、7c）共同構成 Cloudflare 的 AI 安全套件（AI Security Suite）：在創新發生的每一處保護並治理 AI，覆蓋整個 AI 生命週期——讓你在不犧牲安全的前提下擴大 AI 的採用。在深入之前，值得先看清各部分如何銜接。

套件交付的四項成果：

覆蓋 AI 生命週期的四個用例：

📎 本上手指南未深入設定的一項能力：CASB / AI-SPM。 Cloudflare 的 CASB 增加了 AI 安全態勢管理（AI Security Posture Management）——它掃描你已認可的 SaaS 與 AI 工具中的配置錯誤（過度共享的資料、高風險整合、薄弱設定）並幫你修復。它以靜態態勢檢查補充本套件的流量內控制，作用於你已批准的 AI 工具。若你已授權 CASB，請在這些模組之外一併執行其 AI-SPM 掃描。（參考：cloudflare.com/solutions/ai-security。）

流程：(A) 發現在用什麼 →(B) 允許但限制 →(C) 用 DLP 保護提示詞 →(D) 保護你自建的 AI →(E) 管控 AI 智慧體。

A 部分 — 發現在用哪些 AI 工具

1. 👉 Zero Trust → Gateway → Analytics → Shadow IT Discovery（或 My Team → Shadow IT Discovery）。
2. 👉 把應用型別篩選為 Generative AI。
3. 📺 你會看到： 使用者訪問過的 AI 應用清單（ChatGPT、Gemini、Claude、Perplexity、Copilot…），含使用者數和流量。
4. 👉 為每個應用設定狀態：把已認可的工具標為 Approved，其他標為 Unapproved。

✅ 檢查點： 你現在有了基於證據的 AI 使用畫像——這是你 AI 合規使用政策的依據。

🔎 完整的 發現→審查→執行 工作流（針對所有 SaaS，而不僅是 AI）以及 AI 落地旅程，見 模組 5d — 影子 IT 與 AI 安全落地。

B 部分 — 允許 AI，但限制高風險操作

不要封禁 AI 應用，而是允許它、同時阻止高風險部分（如檔案上傳）。

1. 👉 Zero Trust → Gateway → Firewall Policies → HTTP → Add a policy。
2. ⌨️ 名稱： AI - allow with guardrails。
3. 👉 規則：選擇器 Application → in → 選你的 AI 應用（如 ChatGPT、Google Gemini、Claude、Perplexity）。
4. 👉 展開 Application granular controls，阻止特定操作，如：
   • 阻止 Upload file
   • （可選）阻止 Share / create 操作
5. 👉 Action：Allow（應用了細粒度阻止）。
6. 👉 點選 Create policy。

📺 效果： 人們能與 AI 對話，但無法把你的文件上傳進去。

✅ 檢查點： 在試點裝置上，你能正常使用 ChatGPT，但嘗試上傳檔案會被阻止。

C 部分 — 用 DLP 保護提示詞 （企業版）

這會掃描使用者輸入到 AI 工具中的內容，並阻止含敏感資料的提示詞。

C1 步 — 開啟 AI 提示詞檢測

1. 👉 Zero Trust → DLP → Detection entries（或開啟一個 DLP 配置檔案）→ 找到 AI prompt topics。
2. 👉 啟用你關心的主題：
   • 內容類主題： PII、原始碼、憑據與金鑰、金融資訊、客戶資料
   • 意圖類主題： 越獄嘗試、索取惡意程式碼、試圖提取個人資料
3. 💡 或直接選一個現成配置檔案，如 “AI Prompt: PII” 或 “AI Prompt: AI Security”。

C2 步 — 執行它（先監控！）

1. 👉 Gateway → HTTP → Add a policy，名為 AI prompts - MONITOR。
2. 👉 規則：選擇器 DLP Profile → in → 你的 AI Prompt 配置檔案。Action Allow（僅記錄）。
3. 👉 執行幾天；複查 Gateway → Logs。
4. 👉 然後加一條更高優先順序的 AI prompts - BLOCK 策略，對高置信度情形（如含憑據與金鑰的提示詞）設 Action：Block。

✅ 檢查點： 把偽造的金鑰/API 金鑰貼上進 AI 對話會被檢測到（並被阻止策略攔截），且日誌可見。

D 部分 — 保護你自建的 AI 應用

兩種不同工具，取決於 AI 的使用方式：

D1 — 面向程式化 / API AI（無需裝置客戶端）：DLP for AI Gateway

若你的開發者通過 Cloudflare AI Gateway 呼叫 AI 模型：

1. 👉 Cloudflare 控制台 → AI → AI Gateway → 選擇你的 gateway。
2. 👉 開啟 Features → DLP → Set up。
3. 👉 掛載 DLP 配置檔案，掃描到 AI 提供商的請求與響應。

💡 這無需 TLS 解密或裝置客戶端——它在 API 層檢查流量。非常適合管控應用到 AI 的呼叫。

🚪 AI Gateway 的能力遠不止 DLP——為你的應用發起的每一次 AI 呼叫提供認證、護欄、成本/速率上限、快取與日誌。完整講解：模組 7c — AI Gateway：保護與實施。

D2 — 面向你對外提供的 AI 應用：AI Security for Apps（WAF）

若你託管了一個供他人經 Web 訪問的 AI 應用/聊天機器人：

1. 👉 前往託管該 AI 應用的域名（zone） → Security → Settings（或 WAF → Detections）。
2. 👉 啟用 AI Security for Apps 檢測——提示詞注入與不安全主題。
3. 👉 建立一條 WAF 自定義規則，在這些檢測觸發時執行（Block/Log）。

💡 區別： AI Security for Apps 阻止針對你模型的攻擊（提示詞注入）；DLP 阻止敏感資料外流。對 AI 流量兩者都用。

🕷️ 另一類入站威脅：AI 爬蟲。 除攻擊外，AI 機器人還會爬取你的公開內容以訓練模型——如今已是網際網路流量的大多數。要看清、允許/阻止、乃至向它們收費，見 模組 7d — 智慧體網際網路：AI 爬蟲與機器人管控。

E 部分 — 管控 AI 智慧體（MCP server portals）— 可選/進階

若你通過 模型上下文協議（MCP） 向 AI 智慧體暴露工具：

1. 👉 Zero Trust → Access controls → AI controls → MCP server portals。
2. 👉 新增一個 portal，釋出你想暴露的工具/提示詞，並在其前面加一條 Access 策略，確保只有授權的智慧體/使用者可用。

🔐 這本身是個大主題。 完整講解——保護單個 MCP 伺服器、搭建 MCP 門戶、面向 AI 客戶端的 Managed OAuth、面向機器人的服務令牌，以及請求級日誌 + DLP——見配套頁面：模組 7b — 用 Access 保護 AI 與 MCP（MCP 伺服器門戶）。

✅ 模組 7 完成！

你現在擁有：

• ✅ 對在用哪些 AI 工具的可見性（Shadow IT）
• ✅ 一條針對 AI 應用的“允許但限制”策略
• ✅ （企業版）檢測/阻止敏感提示詞的提示詞級 DLP
• ✅ 對你自建 AI 的保護（API 層和/或 Web 層）
• ✅ （可選）經 MCP portals 對 AI 智慧體的管控

快速排障

👉 下一步：模組 8 — Cloudflare WAN

把整個辦公室和資料中心接入 Cloudflare。（可選；需要企業版網路附加元件。）