模块 5d — 影子 IT 发现与 AI 安全落地

目标： 看清你的员工实际在用的每一个 SaaS 与 AI 应用，判定哪些获批，并自动执行这一决定——把看不见的"影子 IT"（以及影子 AI）转变为受治理、受策略控制的使用。

🧭 什么是影子 IT？ 员工未经 IT 批准就采用的应用——个人 Dropbox、未经许可的 AI 聊天机器人、随手找的文件转换网站。看不见就无法保护。影子 IT 发现（Shadow IT Discovery）把 Gateway 的流量日志转化为一份在用应用的完整清单，让你能把它们纳入管控。这是替代 VPN 的关键一步：不再默认信任网络上的一切，而是对每个应用做出有意识的放行/阻止决定。

落地旅程（本模块的流程）

  1 发现     →  2 审查     →  3 执行     →  4 治理 AI
  看清实际      逐个应用      在 Gateway    把同样的模式
  在用什么      批准/不批     按状态执行    用到 AI 应用 + DLP

你将对 SaaS 整体做 发现 → 审查 → 执行（A–C 部分），然后把同样的能力用于 AI 安全落地（D 部分）。

A 部分 — 发现在用什么

1. 👉 在控制台，前往 Insights → Analytics → Shadow IT Discovery（也可经 Application Library 进入）。
2. 📺 你会看到： 升级后的 SaaS 分析仪表板——你流量中检测到的每个应用，含：
   • 谁在使用每个应用（用户），
   • 向它传输了多少数据（流量），
   • 应用的类型/类别（如 Artificial Intelligence、Social Media、Cloud Storage）。
3. 👉 按应用类型筛选以聚焦审查——例如把类型设为 Artificial Intelligence，查看所有在用的 AI 工具。

✅ 检查点： 你能看到一份按用户与数据量排序的应用清单。（几乎没有数据？确认设备处于 Gateway with WARP 且 TLS 解密已开——模块 5——以便记录 HTTP 流量。）

💡 让它先跑一阵。 在做决定前，给发现功能一到两周的真实流量，使清单反映真实的使用模式。

B 部分 — 审查并设置审批状态

每个应用可带四种审批状态之一。这是你的治理决定，逐应用记录：

1. 👉 在 Shadow IT Discovery（或 Application Library → Review applications）中打开一个应用。
2. 👉 设置其审批状态——例如把你认可的套件标为 Approved，把高风险的文件共享站点标为 Unapproved，把仍在评估的设为 In Review。
3. 👉 按数据量/用户数从高到低逐个处理——先处理使用量最大的。

✅ 检查点： 你最常用的应用各自都有一个有意识的状态（而非全为 "Unreviewed"）。

💡 提示： 尽早让应用负责人参与。一个使用量很大的"影子"工具，往往意味着真实的未满足需求——批准一个安全的等价方案，胜过粗暴地一封了之。

C 部分 — 用 Gateway 执行决定

当 Gateway HTTP 策略对审批状态采取行动时，它才真正强大——于是新应用出现时决定会自动执行。

1. 👉 Gateway → Firewall Policies → HTTP → Add a policy。
2. 👉 使用 Application Approval Status 选择器（API：any(app.statuses[*] == "unapproved")）。

示例策略：

3. 👉 阻止策略先以监控心态启动——查看 Gateway 日志几天以捕捉误报——再开启执行。

✅ 检查点： 访问你标为 Unapproved 的应用会显示 Cloudflare 拦截页；In Review 的应用在隔离的远程浏览器中打开；Approved 的应用正常工作。

⭐ 自我维护的治理： 由于策略针对的是状态而非具名应用，把未来任何应用标为 "Unapproved" 都会立即阻止它——无需修改策略。

D 部分 — AI 安全落地

AI 工具是影子 IT 中增长最快的类别——也是风险最高的，因为员工会把敏感数据粘贴进去。把发现→审查→执行的模式专门用于 AI，分五步。

D1 — 定义你的 AI 风险容忍度（先决定）

在配置任何东西之前，先对齐策略：

• 获批 vs. 影子 AI： 你是在启用已获批的 AI 工具，还是主要担心未获批的？（记住：已获批的 SaaS 供应商可能带有嵌入式 AI 功能，同样有风险。）
• 数据敏感度： 哪些数据类型绝不能进入 AI 提示词？（与你的 DLP 工作相关——模块 6。）
• 鼓励还是限制： 你想推动安全地使用 AI，还是加以限制？这决定了你策略的宽松程度。

D2 — 发现影子 AI

👉 在 Shadow IT Discovery 中，把应用类型筛选为 Artificial Intelligence（A 部分）——你现在能看到究竟哪些 AI 工具（ChatGPT、Gemini、Claude、Perplexity、Copilot…）在被使用、被谁使用、使用强度多大。

D3 — 审查并批准 AI 应用

👉 设置审批状态（B 部分）：Approve 你认可的 AI 平台，把其他标为 Unapproved 或 In Review。

D4 — 管控 AI 使用（治理，而非一刀切）

👉 在 Gateway HTTP 策略中，应用来自 模块 7 的 AI 合规使用方法：

• 允许已批准的 AI + 护栏——允许应用，但通过应用细粒度控制阻止高风险操作（文件上传）。
• 用 Application Approval Status 选择器阻止或隔离未获批的 AI（C 部分）。

D5 — 用 DLP 保护提示词

👉 添加 AI 提示词保护——DLP 检查用户在 AI 工具中输入的内容并阻止敏感内容（PII、源代码、密钥）。见 模块 7 C 部分 与 模块 6（DLP）。

⭐ 最佳实践——不要直接彻底封禁 AI。 一刀切的封禁会把人推向你毫无可见性的个人设备。发现 → 认可一个好选项 → 加护栏 → 保护提示词，既保持 AI 的生产力又安全。

✅ 检查点： AI 使用按应用与用户可见；已批准的 AI 带护栏工作；未获批的 AI 被阻止/隔离；敏感提示词被 DLP 捕获。

✅ 模块 5d 完成！

你现在拥有：

• ✅ 对在用 SaaS 与 AI 应用的完整可见性（用户 + 数据量）
• ✅ 对头部应用设定的有意识审批状态
• ✅ 按状态采取行动的自我维护 Gateway 策略
• ✅ 一条 AI 安全落地路径：风险容忍度 → 发现 → 审查 → 管控 → 保护

它如何衔接

快速排障

👉 下一步：模块 6 — DLP

检测并阻止敏感数据外流——包括流入你刚发现的那些 AI 应用。