Untuk mendapatkan log audit tentang penggunaan model generatif dan endpoint model, aktifkan log audit Akses Data untuk Gemini Enterprise Agent Platform. Log audit Akses Data mencakup operasi ADMIN_READ yang membaca metadata atau informasi konfigurasi, serta operasi DATA_READ dan DATA_WRITE yang membaca atau menulis data yang disediakan pengguna.
Setelah Anda mengaktifkan log audit Akses Data untuk Agent Platform, berikan
peran Private Logs Viewer (roles/logging.privateLogViewer) untuk melihat
aliran log data_access
(projects/PROJECT_ID/logs/cloudaudit.googleapis.com%2Fdata_access)
di Cloud Logging di konsol Google Cloud .
Untuk mengetahui petunjuk tentang cara mengaktifkan dan melihat log audit Akses Data, lihat Informasi logging audit Agent Platform.
Operasi model generatif yang diaudit
Saat Anda mengaktifkan log audit DATA_READ untuk aiplatform.googleapis.com,
Agent Platform mencatat entri log audit Akses Data untuk operasi
model generatif dan prediksi berikut pada model penayang
(publishers.models.*) dan endpoint yang di-deploy (endpoints.*):
Pembuatan konten dan chat:
generateContent,streamGenerateContent, danchatCompletionsEmbedding:
embedContentdanbatchEmbedContentsPenghitungan token:
countTokensdancomputeTokensPrediksi dan penjelasan online:
predict,rawPredict,streamRawPredict,directPredict,directRawPredict,streamDirectPredict,streamDirectRawPredict,serverStreamingPredict,predictLongRunning,fetchPredictOperation, danexplain
Untuk mengetahui daftar lengkap metode yang diaudit di semua kategori, lihat Informasi logging audit Agent Platform.
Autentikasi dan atribusi pemanggil
Metode autentikasi yang digunakan aplikasi Anda menentukan cara log audit DATA_READ
mencatat identitas pemanggil
(protoPayload.authenticationInfo.principalEmail) dan alamat IP
(protoPayload.requestMetadata.callerIp):
Kredensial Default Aplikasi (ADC) dan akun utama Identity and Access Management (IAM): Permintaan yang diautentikasi dengan ADC, kredensial pengguna, atau akun layanan khusus workload mencatat alamat IP pemanggil (
callerIp) dan akun utama yang diautentikasi pemanggil individu (principalEmail) dalam log auditDATA_READ. Gunakan ADC saat Anda memerlukan atribusi audit per pengguna atau per workload dalam produksi.Kunci API Google Cloud standar: Kunci API Google Cloud standar mengautentikasi panggilan API melalui satu akun layanan terikat. Log audit
DATA_READmencatat alamat IP pemanggil (callerIp), tetapi mengatribusikanprincipalEmailke satu akun layanan terikat tersebut untuk setiap permintaan yang dibuat dengan kunci API, bukan ke pengguna atau workload individual.Kunci API mode ekspres: Permintaan yang dikirim dalam mode ekspres menargetkan endpoint tanpa project dan tidak menghasilkan log audit
DATA_READyang dapat diakses pelanggan di Logging.
Membandingkan log audit dan log inferensi
Agent Platform menyediakan beberapa mekanisme logging untuk inferensi model.
Tabel berikut membandingkan log audit Akses Data (DATA_READ) dengan opsi logging inferensi lainnya:
| Fitur logging | Tujuan | Kolom yang dicatat | Payload perintah dan respons | IP pemanggil dan akun utama IAM |
|---|---|---|---|---|
Log audit Akses Data (DATA_READ) |
Logging (cloudaudit.googleapis.com%2Fdata_access) |
Nama metode API, model target atau resource endpoint, dan metadata permintaan | Tidak dicatat | Merekam callerIp dan principalEmail (atau akun layanan terikat untuk kunci API standar) |
| Log metadata permintaan inferensi | Logging (aiplatform.googleapis.com%2Finference_request) |
Jumlah token (usageMetadata), latensi permintaan (requestDuration), opsi konsumsi (trafficType), dan header kustom (httpHeaders) |
Tidak dicatat | Mencatat akun layanan (principal, jika tersedia); tidak mencatat callerIp |
| Logging permintaan-respons | Tabel BigQuery | Sampel permintaan inferensi, respons, jumlah token, dan metadata latensi | Merekam payload full_request dan full_response |
Tidak merekam callerIp atau principalEmail |
| Log akses dan container inferensi online | Logging (prediction_access dan prediction_container) |
Status akses endpoint, latensi, serta streaming stdout dan stderr container untuk model terlatih kustom dan AutoML |
Hanya output container | Tidak merekam callerIp |
Langkah berikutnya
Pengantar penyesuaian
Pelajari cara menyesuaikan model dengan menyediakan set data pelatihan yang berisi serangkaian contoh tugas downstream tertentu.
Responsible AI
Pelajari beberapa batasan AI generatif dan praktik yang direkomendasikan untuk menggunakan AI generatif.