評估 AI 服務安全性
本單元概述用於保護 Azure Open AI 的 Well Architected Framework 建議
如需詳細資訊，請參閱 Azure OpenAI 服務上的 Azure Well-Architected Framework 檢視方塊
安全性支柱的目的是為工作負載提供機密性、完整性和可用性保證。
安全性設計準則提供一種高階設計策略，透過將方法套用至圍繞 Azure OpenAI 的技術設計，以實現這些目標。
設計檢查清單
根據安全性的設計檢閱檢查清單來開始您的設計策略，並識別弱點和控制項，以改善安全性態勢勢。 然後，檢閱適用於 Azure OpenAI 的 Azure 安全性基準。 最後，視需要擴充策略以包含更多方法。
保護機密性：如果您將訓練資料上傳至 Azure OpenAI，請使用客戶自控金鑰進行資料加密、實作金鑰輪替策略，以及刪除訓練、驗證和訓練結果資料。 如果您針對訓練資料使用外部資料存放區，請遵循該存放區的安全性最佳做法。 例如，針對 Azure Blob 儲存體，請使用客戶自控金鑰進行加密，並實作金鑰輪替策略。 使用受控識別型存取、使用私人端點實作網路周邊，以及啟用存取記錄。
保護機密性：藉由限制 Azure OpenAI 資源可以存取的輸出 URL，以防範資料外流。
保護完整性：實作存取控制，以驗證和授權使用者對系統的存取，方法是使用最低權限準則，以及使用個別身分識別而非金鑰。
保護完整性：實作越獄風險偵測，以保護您的語言模型部署免受提示插入攻擊。
保護可用性：使用安全性控制措施來防止可能耗盡模型使用量配額的攻擊。 您可以設定控制措施來隔離網路上的服務。 如果必須從網際網路存取服務，請考慮使用閘道來封鎖可疑的濫用，方法是使用路由或節流。
建議
| 建議 | 優點 |
|---|---|
| 安全金鑰：如果您的架構需要 Azure OpenAI 金鑰型驗證，請將這些金鑰儲存在 Azure Key Vault 中，而不是儲存在應用程式程式碼中。 | 透過將祕密儲存在 Key Vault 中，將祕密與程式碼分開，可以降低洩漏祕密的機會。 分開也有助於集中管理祕密，進而減輕了金鑰輪替等責任。 |
| 限制存取：停用公開存取 Azure OpenAI，除非您的工作負載需要此公開存取。 如果您是從 Azure 虛擬網路中的取用者連線，請建立私人端點。 | 控制對 Azure OpenAI 的存取有助於防止來自未經授權使用者的攻擊。 使用私人端點可確保應用程式與平台之間的網路流量保持私人狀態。 |
Microsoft Entra ID:使用 Microsoft Entra ID 進行驗證，以及使用角色型存取控制 (RBAC) 來授權對 Azure OpenAI 的存取。 停用 Azure AI 服務中的本機驗證，並將 disableLocalAuth 設定為 true。 將認知服務 OpenAI 使用者角色授與執行完成或影像生成的身分識別。 將模型自動化管線和臨時資料科學存取權授與認知服務 OpenAI 參與者等角色。 |
使用 Microsoft Entra ID 可以集中身分識別管理元件，並消除 API 金鑰的使用。 搭配 Microsoft Entra ID 使用 RBAC 可確保使用者或群組確切具有執行其工作所需的權限。 無法透過 Azure OpenAI API 金鑰進行這類精細存取控制。 |
| 使用客戶自控金鑰：針對上傳至 Azure OpenAI 的微調模型和訓練資料，使用客戶自控金鑰。 | 使用客戶自控金鑰可讓您更有彈性地建立、輪替、停用和撤銷存取控制。 |
| 防範越獄攻擊：使用 Azure AI 內容安全工作室來偵測越獄風險。 | 偵測越獄嘗試以識別並封鎖嘗試略過 Azure OpenAI 部署安全機制的提示。 |