模块 7 — AI 安全管控（安全使用 AI）

目标： 看清员工在用哪些 AI 工具，阻止敏感数据被粘贴进去，并保护你自建的 AI 应用。

🧭 AI 的黄金法则：管控，别一刀封。 若你硬性封禁 ChatGPT，大家只会改用手机——你反而失去所有可见性。目标是安全地允许 AI：看清它、管控高风险操作、并阻止敏感数据流入。

Cloudflare 的 AI 安全套件 — 全局视角

本模块（连同模块 5d、6、7b、7c）共同构成 Cloudflare 的 AI 安全套件（AI Security Suite）：在创新发生的每一处保护并治理 AI，覆盖整个 AI 生命周期——让你在不牺牲安全的前提下扩大 AI 的采用。在深入之前，值得先看清各部分如何衔接。

套件交付的四项成果：

覆盖 AI 生命周期的四个用例：

📎 本上手指南未深入设置的一项能力：CASB / AI-SPM。 Cloudflare 的 CASB 增加了 AI 安全态势管理（AI Security Posture Management）——它扫描你已认可的 SaaS 与 AI 工具中的配置错误（过度共享的数据、高风险集成、薄弱设置）并帮你修复。它以静态态势检查补充本套件的流量内控制，作用于你已批准的 AI 工具。若你已授权 CASB，请在这些模块之外一并运行其 AI-SPM 扫描。（参考：cloudflare.com/solutions/ai-security。）

流程：(A) 发现在用什么 →(B) 允许但限制 →(C) 用 DLP 保护提示词 →(D) 保护你自建的 AI →(E) 管控 AI 智能体。

A 部分 — 发现在用哪些 AI 工具

1. 👉 Zero Trust → Gateway → Analytics → Shadow IT Discovery（或 My Team → Shadow IT Discovery）。
2. 👉 把应用类型筛选为 Generative AI。
3. 📺 你会看到： 用户访问过的 AI 应用清单（ChatGPT、Gemini、Claude、Perplexity、Copilot…），含用户数和流量。
4. 👉 为每个应用设定状态：把已认可的工具标为 Approved，其他标为 Unapproved。

✅ 检查点： 你现在有了基于证据的 AI 使用画像——这是你 AI 合规使用政策的依据。

🔎 完整的 发现→审查→执行 工作流（针对所有 SaaS，而不仅是 AI）以及 AI 落地旅程，见 模块 5d — 影子 IT 与 AI 安全落地。

B 部分 — 允许 AI，但限制高风险操作

不要封禁 AI 应用，而是允许它、同时阻止高风险部分（如文件上传）。

1. 👉 Zero Trust → Gateway → Firewall Policies → HTTP → Add a policy。
2. ⌨️ 名称： AI - allow with guardrails。
3. 👉 规则：选择器 Application → in → 选你的 AI 应用（如 ChatGPT、Google Gemini、Claude、Perplexity）。
4. 👉 展开 Application granular controls，阻止特定操作，如：
   • 阻止 Upload file
   • （可选）阻止 Share / create 操作
5. 👉 Action：Allow（应用了细粒度阻止）。
6. 👉 点击 Create policy。

📺 效果： 人们能与 AI 对话，但无法把你的文档上传进去。

✅ 检查点： 在试点设备上，你能正常使用 ChatGPT，但尝试上传文件会被阻止。

C 部分 — 用 DLP 保护提示词 （企业版）

这会扫描用户输入到 AI 工具中的内容，并阻止含敏感数据的提示词。

C1 步 — 开启 AI 提示词检测

1. 👉 Zero Trust → DLP → Detection entries（或打开一个 DLP 配置文件）→ 找到 AI prompt topics。
2. 👉 启用你关心的主题：
   • 内容类主题： PII、源代码、凭据与密钥、金融信息、客户数据
   • 意图类主题： 越狱尝试、索取恶意代码、试图提取个人数据
3. 💡 或直接选一个现成配置文件，如 “AI Prompt: PII” 或 “AI Prompt: AI Security”。

C2 步 — 执行它（先监控！）

1. 👉 Gateway → HTTP → Add a policy，名为 AI prompts - MONITOR。
2. 👉 规则：选择器 DLP Profile → in → 你的 AI Prompt 配置文件。Action Allow（仅记录）。
3. 👉 运行几天；复查 Gateway → Logs。
4. 👉 然后加一条更高优先级的 AI prompts - BLOCK 策略，对高置信度情形（如含凭据与密钥的提示词）设 Action：Block。

✅ 检查点： 把伪造的密钥/API 密钥粘贴进 AI 对话会被检测到（并被阻止策略拦截），且日志可见。

D 部分 — 保护你自建的 AI 应用

两种不同工具，取决于 AI 的使用方式：

D1 — 面向程序化 / API AI（无需设备客户端）：DLP for AI Gateway

若你的开发者通过 Cloudflare AI Gateway 调用 AI 模型：

1. 👉 Cloudflare 控制台 → AI → AI Gateway → 选择你的 gateway。
2. 👉 打开 Features → DLP → Set up。
3. 👉 挂载 DLP 配置文件，扫描到 AI 提供商的请求与响应。

💡 这无需 TLS 解密或设备客户端——它在 API 层检查流量。非常适合管控应用到 AI 的调用。

🚪 AI Gateway 的能力远不止 DLP——为你的应用发起的每一次 AI 调用提供认证、护栏、成本/速率上限、缓存与日志。完整讲解：模块 7c — AI Gateway：保护与实施。

D2 — 面向你对外提供的 AI 应用：AI Security for Apps（WAF）

若你托管了一个供他人经 Web 访问的 AI 应用/聊天机器人：

1. 👉 前往托管该 AI 应用的域名（zone） → Security → Settings（或 WAF → Detections）。
2. 👉 启用 AI Security for Apps 检测——提示词注入与不安全主题。
3. 👉 创建一条 WAF 自定义规则，在这些检测触发时执行（Block/Log）。

💡 区别： AI Security for Apps 阻止针对你模型的攻击（提示词注入）；DLP 阻止敏感数据外流。对 AI 流量两者都用。

🕷️ 另一类入站威胁：AI 爬虫。 除攻击外，AI 机器人还会爬取你的公开内容以训练模型——如今已是互联网流量的大多数。要看清、允许/阻止、乃至向它们收费，见 模块 7d — 智能体互联网：AI 爬虫与机器人管控。

E 部分 — 管控 AI 智能体（MCP server portals）— 可选/进阶

若你通过 模型上下文协议（MCP） 向 AI 智能体暴露工具：

1. 👉 Zero Trust → Access controls → AI controls → MCP server portals。
2. 👉 添加一个 portal，发布你想暴露的工具/提示词，并在其前面加一条 Access 策略，确保只有授权的智能体/用户可用。

🔐 这本身是个大主题。 完整讲解——保护单个 MCP 服务器、搭建 MCP 门户、面向 AI 客户端的 Managed OAuth、面向机器人的服务令牌，以及请求级日志 + DLP——见配套页面：模块 7b — 用 Access 保护 AI 与 MCP（MCP 服务器门户）。

✅ 模块 7 完成！

你现在拥有：

• ✅ 对在用哪些 AI 工具的可见性（Shadow IT）
• ✅ 一条针对 AI 应用的“允许但限制”策略
• ✅ （企业版）检测/阻止敏感提示词的提示词级 DLP
• ✅ 对你自建 AI 的保护（API 层和/或 Web 层）
• ✅ （可选）经 MCP portals 对 AI 智能体的管控

快速排障

👉 下一步：模块 8 — Cloudflare WAN

把整个办公室和数据中心接入 Cloudflare。（可选；需要企业版网络附加组件。）