Standar keamanan untuk Gemini

Dokumen ini menjelaskan standar keamanan dan pembatasan untuk men-deploy Gemini untuk Google Cloud dan Gemini untuk Pemerintah. Standar ini membantu Anda menyelaraskan diri dengan framework sektor publik seperti FedRAMP High dan DoD IL5.

Meskipun Stellar Engine mengotomatiskan deployment zona landing dasar, Anda harus menerapkan batas keamanan tertentu untuk workload AI sensitif guna mempertahankan kedaulatan, mencegah penyimpangan konfigurasi, dan memitigasi kerentanan khusus AI.

Prasyarat

Untuk membantu memastikan siklus proses deployment yang aman, patuhi prasyarat berikut sebelum memulai penyediaan infrastruktur:

• Penerapan infrastructure as code (IaC): Menghilangkan konfigurasi manual di konsol Google Cloud . Terapkan semua perubahan lingkungan, tindakan perbaikan, dan penyesuaian menggunakan pipeline CI/CD otomatis untuk membantu mencegah penyimpangan konfigurasi.
• Penggunaan repositori resmi: Gunakan repositori Stellar Engine resmi. Fork yang tidak diverifikasi atau variasi kustom dapat menyebabkan regresi keamanan.
• Security Command Center Premium: Aktifkan Security Command Center Premium di semua folder untuk mengaktifkan deteksi ancaman dan pemantauan kepatuhan yang berkelanjutan.

Penguncian lingkungan root

Untuk memenuhi framework FedRAMP High dan DoD IL5, terapkan kontrol ketat berikut di tingkat folder dan organisasi:

• Arsitektur folder ganda: pisahkan resource menggunakan minimal dua folder khusus yang diatur oleh Assured Workloads; satu untuk FedRAMP High dan satu untuk FedRAMP Moderate atau IL5.
• Residensi resource: mengunci residensi resource ke wilayah AS yang telah disepakati sebelumnya (misalnya, us-east4).
• Batasan kebijakan organisasi: aktifkan batasan berikut untuk membatasi akses:
  • iam.allowedPolicyMemberDomains: membatasi ke domain lembaga yang diizinkan.
  • compute.vmExternalIpAccess: mencegah penetapan IP publik pada instance VM.
  • compute.restrictVpcPeering: meminimalkan risiko pergerakan lateral; merutekan traffic spoke melalui hub terpusat.
  • vertexai.allowedModels: membatasi akses ke model yang sah (misalnya, untuk mencegah penyerapan model eksternal atau partner yang tidak disetujui).
• Akses kontekstual: mewajibkan Identity-Aware Proxy (IAP) untuk memverifikasi identitas pengguna dan postur keamanan perangkatnya (menggunakan Access Context Manager) sebelum merutekan traffic ke lapisan aplikasi Gemini.

Jaringan aman

Deployment harus menerapkan topologi hub-and-spoke yang diatur oleh Network Connectivity Center, bukan peering datar. Topologi hub dan spoke memiliki manfaat berikut:

• Pemisahan traffic: mengisolasi traffic di seluruh VPC khusus (misalnya, vpc-trust untuk perutean internal, vpc-mgmt untuk pengelolaan appliance, dan vpc-untrust).
• Perlindungan batas: mengarahkan traffic langsung melalui VPC inspeksi khusus yang dilengkapi dengan firewall generasi berikutnya (NGFW) yang dikelompokkan untuk membersihkan traffic masuk dan keluar.
• Isolasi lateral: mengonfigurasi hub NCC untuk memastikan bahwa jaringan spoke yang melayani data aplikasi tidak dapat berkomunikasi langsung satu sama lain, sehingga menghilangkan vektor pergerakan lateral.

Pembatasan aplikasi

Untuk membantu melindungi lapisan aplikasi dan model pendukung dari risiko injeksi atau pemindahan yang tidak sah, terapkan hal berikut:

• Load balancing pribadi: mengekspos aplikasi frontend menggunakan Load Balancer Aplikasi eksternal regional saja, sehingga memastikan aplikasi tersebut tidak pernah dapat diakses langsung dari internet.
• IAP: menerapkan verifikasi identitas dan postur perangkat yang ketat sebelum merutekan traffic ke lapisan aplikasi Gemini.
• Model Armor: mengaktifkan Model Armor untuk semua model pendukung yang berjalan di Gemini Enterprise Agent Platform. Model Armor diperlukan untuk menerapkan keamanan payload runtime, memenuhi kepatuhan konten, dan memitigasi kerentanan injeksi perintah.

Perlindungan dan audit data

Untuk membantu melindungi workload berdaulat, Anda dapat menerapkan fitur audit dan keabadian yang terpusat berikut:

• Skema klasifikasi data: terintegrasi dengan skema klasifikasi data Anda untuk mengoptimalkan penempatan kontrol.
• Perimeter Kontrol Layanan VPC: menerapkan perimeter Kontrol Layanan VPC di sekitar lingkungan pemrosesan dan penyimpanan data sensitif untuk membantu mencegah pemindahan data yang tidak sah. Perimeter wajib ada untuk DoD IL5.
• Pemisahan tugas KMS: menerapkan pemisahan tugas yang ketat untuk kunci kriptografis. Pastikan administrator keamanan yang mengelola ring kunci Cloud Key Management Service di project Keamanan Tahap 3 tidak memiliki izin Pengelolaan Identitas dan Akses untuk mendekripsi data.

• Sink log hierarkis: meneruskan telemetri tingkat organisasi ke sink terstruktur yang dikhususkan untuk:

  • Log Audit Aktivitas Admin dan Akses Data
  • Peristiwa Kontrol Layanan VPC
  • Peristiwa login dan Google Workspace
  • Telemetri Kepatuhan CIS

  Pastikan pengguna tidak dapat melewati penerusan telemetri.

• Penyerapan SIEM: merutekan log menggunakan topik Pub/Sub ke project administratif khusus tempat log mengalir ke repositori penyimpanan yang tidak dapat diubah.

• Deteksi anomali: menganalisis peristiwa menggunakan alat SecOps seperti Google Security Operations untuk mendeteksi pelanggaran seperti lonjakan API yang tidak normal ke Agent Platform.

• Harmonisasi lintas alat: mengintegrasikan telemetri dengan Google Threat Intelligence, Wiz Security Graph, atau alat pihak ketiga untuk mengidentifikasi penggunaan AI tanpa pengawasan endpoint atau konfigurasi berbahaya.

• Remediasi otomatis menggunakan SOAR: gunakan playbook SOAR untuk mengaktifkan pertahanan real-time, seperti mengisolasi endpoint model berbahaya atau menonaktifkan token yang disusupi.

Pemantauan dan keamanan AI

Pertahankan kemampuan observasi dan pipeline pertahanan otomatis menggunakan fitur berikut:

• Pemantauan penggunaan API: buat pemberitahuan untuk deteksi lonjakan pada fungsi LLM inti (misalnya, serviceruntime.googleapis.com/api/request_count).
• Sink log hierarkis untuk AI: mengonfigurasi sink log hierarkis untuk mencatat peristiwa khusus AI, seperti lonjakan volume panggilan API yang tidak normal hingga aiplatform.googleapis.com atau pelanggaran perjalanan yang tidak mungkin oleh akun layanan AI. Pastikan log ini mengalir ke repositori penyimpanan yang tidak dapat diubah (misalnya, BigQuery) yang dapat diakses oleh SIEM lembaga.
• Penyelarasan Secure AI Framework (SAIF): hubungkan telemetri ke empat pilar SAIF berikut:
  • Fondasi yang kuat: validasi izin IAM dan status Cloud KMS.
  • Ekstensi deteksi: melacak injeksi perintah dan endpoint berbahaya menggunakan pemfilteran log.
  • Pertahanan otomatis: menggunakan otomatisasi untuk mengarantina atau menolak payload anomali.
  • Penyelarasan platform: menindaklanjuti intelijen ancaman (dari Google Threat Intelligence atau temuan keamanan Wiz).