安全可靠的企業專用 AI
Google Workspace with Gemini 可協助團隊提高工作效率,同時確保資料機密安全且遵循法規。
什麼是生成式 AI 隱私權和安全防護?
生成式 AI 已成為不可或缺的工具,融入日常生活,有助於提高工作效率、激發創意,且帶來許多便利。無論是規劃假期、研究主題、撰寫行銷簡報,還是與全球團隊保持聯繫,
運用 Google Workspace with Gemini,確保業務資料機密安全且符合法規
機密
未經許可,我們不會將您的資料交由人工審查,也不會用於貴組織網域外
安全防護
Gemini 內建間接提示詞注入
符合法規
Gemini 已通過 ISO 42001、BSI C5 和 FedRAMP High 等多項安全和隱私權
如何將生成式 AI 工具的風險降到最低
保護資料
Gemini 可與 Workspace 現有的資料安全措施整合,防範資料遭到竊取或未經授權存取。
瞭解 AI 用途
Workspace 提供完善的 Gemini 活動記錄和匯出功能。
靈活部署 AI
Workspace 提供精細的控制項,方便管理員控管使用者存取權,決定哪些人能運用強大且穩健的 AI 功能。
保護存取點
組織可以施行裝置專屬存取政策,進一步確保 Gemini 使用安全。
Equifax 以安全的方式為全球員工提供 Gemini,每天都為團隊節省數小時的精力
全球首屈一指的金融徵信機構 Equifax 導入 Google Workspace with Gemini,公司整體工作效率大幅提升。
Gemini in Google Workspace 提供主權 AI
客戶能控管要在何處儲存與處理資料 (歐盟或美國),也可限制只有特定地區的 Google 支援人員才能存取資料,以確保資料主權。
客戶見證
Gemini 有個獨特的優點,就是能安全存取所有文件,同時維持我們十多年來使用 Workspace 的安全防護架構。其他工具都無法輕易做到這件事。
Gemini 是企業級應用程式,既保障了資安和基礎架構,同時我們也可安全試用新的生成式 AI 功能。
我們對 Workspace 資料處理方式的信任,不因 Gemini 而產生變化。Gemini 不會使用我們的資料訓練模型,而且許多功能一推出就適合企業使用,因此管理員可放心以安全的方式部署 Gemini。
這項功能的安全優勢實在不容小覷。務必慎重選擇供應商,確保解決方案符合您的需求,又能兼顧資安。Gemini 內建與 Google Workspace 相同的安全防護機制。
進一步瞭解如何運用 Google Workspace with Gemini,確保資料安全並遵循法規
瞭解如何安心部署安全可靠的企業專用 AI
先進 AI 搭配企業級安全控管功能
採用多層式防禦策略,防範提示詞注入式攻擊
常見問題
生成式 AI 工具可協助員工提升工作效率和創造力,但在選擇解決方案時,務必優先考量 AI 的安全性與防護措施。組織也需審慎制定政策,包括限制廣泛使用「影子」AI 工具,避免增加資料遺失風險。
管理員可運用整合生成式 AI 助理,既尊重使用者存取權控管機制,又能透過精細的管理設定,有效協助保護資料及降低資料遺失風險。Google Workspace with Gemini 內建一系列強大的
Workspace 會將檔案安全儲存在 Google 雲端硬碟,並自動建立版本。IT 團隊可輕鬆保護業務資料,Gemini 也能根據套用的使用者權限,參照單一版本的文件。Gemini 只能擷取使用者有權存取的資料,因此不需耗費額外心力管理存取權,也順帶降低存取這些資料來源的個別工具費用。
AI 分類等安全功能可自動套用標籤和資料遺失防護 (DLP) 規則,協助大量識別、管理及保護資料。透過內容限制,例如資訊著作權管理 (停用下載、複製或列印功能) 與用戶端加密,管理員也能禁止 Gemini 存取機密資料。
Gemini in Workspace 應用程式以 Google Cloud 資料邊界為基礎,為客戶資料提供可靠的主權控管機制。客戶可將 Gemini in Workspace 的資料處理作業限制在美國或歐盟境內。為確保數位韌性和存續能力,客戶還能使用本地資料儲存功能,在所選國家/地區儲存 Gemini in Workspace 應用程式資料的獨立副本。
此外,客戶可採用戶端加密功能,保護最重要的資料。這項獨特的技術控管機制可提供端對端加密,並且金鑰完全由 Workspace 客戶控管,有效防止所有未經授權的存取行為,即使是 Google、Gemini 或其他生成式 AI 助理也不例外。
未經許可,Google 不會擅用客戶的 Workspace 資料訓練或強化基礎生成式 AI 與大型語言模型 (LLM),以供 Gemini、Google 搜尋和其他非 Workspace 系統使用。我們也曾在
Google 採取多層式安全防護措施,對提示詞生命週期的各階段,都導入相應的保護。從強化 Gemini 2.5 模型、專為偵測惡意指令而打造機器學習 (ML) 模型,到系統層級的防護措施,我們一再提升,大幅增加攻擊的難度、成本和複雜程度。這種做法會迫使攻擊者改用更容易識別或需要更多資源的方法。
我們使用對抗性資料訓練模型,大幅增強 Gemini 2.5 模型對間接提示詞注入式攻擊的防禦能力。Gemini 本身就具備模型韌性,並且直接內建額外防禦機制,進一步瞭解
Google Workspace with Gemini