Mengaktifkan log audit Akses Data

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, dan chatCompletions

  • Embedding: embedContent dan batchEmbedContents

  • Penghitungan token: countTokens dan computeTokens

  • Prediksi dan penjelasan online: predict, rawPredict, streamRawPredict, directPredict, directRawPredict, streamDirectPredict, streamDirectRawPredict, serverStreamingPredict, predictLongRunning, fetchPredictOperation, dan explain

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 audit DATA_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_READ mencatat alamat IP pemanggil (callerIp), tetapi mengatribusikan principalEmail ke 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_READ yang 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

Ringkasan

Pelajari cara menyesuaikan model dengan menyediakan set data pelatihan yang berisi serangkaian contoh tugas downstream tertentu.

Ringkasan

Pelajari beberapa batasan AI generatif dan praktik yang direkomendasikan untuk menggunakan AI generatif.