安全可靠的企業級 AI
Google Workspace 與 Gemini 助團隊事半功倍,同時確保資料機密、合規和安全。
生成式 AI 私隱和安全是什麼?
生成式 AI 已成為不可或缺的工具,融入日常生活,有效提升生產力、激發創造力,並帶來便利。無論是計劃旅行、研究主題、撰寫市場推廣簡報,還是與全球團隊保持聯繫,
透過 Gemini 在 Google Workspace 中保持公司資料機密、安全和合規
機密
在未經授權的情況下,您的資料不會送交人手審查,亦不會用於您網域外的
安全
Gemini 內置間接提示注入
合規
Gemini 已取得 ISO 42001、BSI C5 和 FedRAMP High 等安全和私隱
如何盡量降低生成式 AI 工具的風險
保護您的資料
Gemini 與 Workspace 現有的資料安全措施整合,有助防止未經授權的資料存取和外洩。
瞭解 AI 用途
Workspace 提供全面的 Gemini 活動記錄和匯出功能。
靈活部署 AI
Workspace 提供精細的控制項來管理用戶存取權,讓管理員可定義誰可使用這些強大而穩健的 AI 功能。
保護存取點
各機構可實施裝置專用存取政策,進一步保障 Gemini 的使用安全。
Equifax 安全地向全球員工提供 Gemini,每天為團隊節省數小時
Equifax 是全球領先的信貸評級機構,現已推出 Gemini 版 Google Workspace,全面提升機構的生產力。
Gemini 在 Google Workspace 中提供主權 AI
客戶可控制資料的儲存和處理地點 (歐盟或美國)。客戶亦可限制特定地區的 Google 支援人員存取資料,以保留資料主權。
客戶推薦
Gemini 的獨特之處在於,它可安全地存取我們所有的文件,同時維持我們使用 Workspace 十多年來建立的安全架構。其他工具無法輕易做到。
Gemini 這個企業級應用程式,既尊重我們的資料和基礎架構安全,同時讓我們可以安全試用生成式 AI 功能。
Gemini 不會改變我們對 Workspace 處理資料的信任程度。Gemini 不會使用我們的資料訓練模型,而且一推出就具備企業級功能,因此我們的管理員可放心安全地部署 Gemini。
這項功能帶來的安全好處實在不容忽視。您必須有明確目標,向供應商尋找解決方案,以滿足您需求而又不會影響安全。Gemini 內置與 Google Workspace 相同的安全架構。
進一步瞭解如何使用 Gemini 在 Google Workspace 中保護資料及保持合規
瞭解如何安心部署安全的企業級 AI
具備企業級安全控制項的進階 AI
採用多層防禦策略,減輕提示注入攻擊的影響
常見問題
生成式 AI 工具可協助員工提升生產力和創意,但同時,選擇優先考慮 AI 安全和保安的解決方案亦至關重要。此外,機構亦應有意識地制定政策,包括限制廣泛使用「影子」AI 工具,以免增加資料遺失的風險。
透過採用尊重用戶存取控制項並提供精細管理設定的整合生成式 AI 助理,管理員可協助保護資料並降低資料遺失的風險。Gemini 版 Google Workspace 具備一系列強大的內置威脅防護、資料保護和合規
Workspace 將檔案安全地儲存在單一位置「Google 雲端硬碟」中,並自動建立版本。這讓 IT 團隊更輕鬆地保護公司資料,並讓 Gemini 根據已套用的使用者權限,參考文件的單一版本。Gemini 只會擷取使用者有權存取的資料,從而減少管理存取權的額外開支,並降低存取這些資料來源的獨立工具成本。
AI 分類等安全功能可自動運用標籤和資料遺失防護 (DLP) 規則,大規模識別、管理和保護資料。透過內容限制,例如資訊版權管理 (禁止下載、複製或列印) 和用戶端加密,管理員亦可限制 Gemini 存取敏感資料。
Gemini in Workspace 應用程式以 Google Cloud 「資料邊界」功能為基礎,為客戶資料提供權威的主權控制。客戶可將 Gemini in Workspace 資料處理限制在美國或歐盟境內。為實現數碼彈性和生存能力,客戶亦可使用本地資料儲存功能,在任何國家/地區儲存 Gemini in Workspace 應用程式資料的獨立副本。
此外,對於最關鍵的資料,客戶可使用用戶端加密這項獨特的技術控制項,提供點對點加密,並將金鑰完全交由 Workspace 客戶控制,以權威方式防止所有未經授權的存取,即使是 Google、Gemini 和其他生成式 AI 助理也不例外。
在未經授權的情況下,Google 不會使用客戶的 Workspace 資料來訓練或改善為 Gemini、Search 和 Workspace 以外其他系統提供支援的基礎生成式 AI 和大型語言模型 (LLM)。我們亦曾在
Google 採用多重安全防護方法,在提示生命週期的每個階段都引入安全措施。從加強 Gemini 2.5 模型,到專為偵測惡意指示而設的機器學習 (ML) 模型,以至系統級別的保障,我們正大幅提升攻擊者的難度、成本和複雜性。這種方法可迫使攻擊者轉用更易識別或需要更多資源的方法。
我們利用對抗性資料訓練模型,大幅提升 Gemini 2.5 模型對間接提示注入攻擊的防禦能力。Gemini 本身已具備這種模型韌性,再加上我們直接內置於 Gemini 的額外防禦機制,進一步瞭解這些
Google Workspace 與 Gemini