企業導入 AI 系統的私隱風險與防禦指南：合規要求、零信任架構與外判商管理重點

不少香港企業正積極引入 AI 工具協助撰寫報告或處理客戶查詢，但管理層往往忽略了一個高危動作：當員工為了方便，直接將包含客戶個人資料或內部機密的文件貼上第三方 AI 平台時，企業便已經處於數據外洩及觸犯香港《個人資料（私隱）條例》（PDPO）的極高風險之中。這種防不勝防的「影子 AI」行為，傳統防火牆根本無法阻截。本文會拆解企業使用 AI 時最易踩中的法規盲點，提供落實「零信任架構（Zero Trust）」的技術攔截方法，以及審查外判雲端服務商時必須加入的防禦條款。

企業使用 AI 最常觸犯的《私隱條例》盲點

企業往往誤以為將資料輸入第三方 AI 工具「只是內部日常操作」。根據香港個人資料私隱專員公署（PCPD）的指引，只要輸入的提示詞（Prompts）或訓練數據包含個人資料，企業便必須遵守以下三大核心原則：

• 未經同意用於模型訓練（保障資料第 1 原則）： 企業若收集客戶資料以訓練或微調（Fine-tune）商業 AI 模型，必須確保此用途與最初收集資料的目的直接相關。若偏離原意，必須事先取得當事人的明確及自願同意。
• 員工私用引起的「影子 AI」風險（保障資料第 3 原則）： 員工私下將客戶身份證號碼、醫療紀錄或內部財務數據直接貼上公開版生成式 AI 工具。這類未受監管的「影子 AI（Shadow AI）」行為，是目前企業面臨最大的資料外洩隱患。
• 第三方系統漏洞的連帶責任（保障資料第 4 原則）： 企業作為資料使用者（Data User），有法律責任採取所有切實可行的保安步驟。即使資料外洩是由第三方 AI 供應商的系統漏洞引起，企業仍須承擔合規與後果責任。

生成式 AI 與雲端架構帶來的新型保安威脅

將 AI 整合至內部系統（如內部知識庫 RAG 系統或 API 網關）時，傳統的網絡邊界防禦已不足以阻擋新型態的攻擊。資訊保安團隊需要特別防範以下三種漏洞：

1. 提示詞注入（Prompt Injection）： 攻擊者可透過精心設計的惡意輸入文字，誘騙 AI 忽略原本的安全指令，進而越權讀取企業敏感資料或執行未經授權的操作。
2. 數據污染（Data Poisoning）： 若企業使用未經嚴格審核的外部資料集來訓練模型，攻擊者可預先植入惡意資訊，導致 AI 模型產出錯誤決策，甚至在特定條件下自動觸發數據外洩。
3. API 金鑰洩漏： 開發 AI 微服務時，開發人員若將 API 金鑰硬編碼（Hardcode）於程式碼中並上傳至公用的 Git 資源庫，黑客可於數秒內擷取金鑰，造成龐大的 API 費用損失。

落實零信任架構與數據去識別化防禦

要有效抵禦上述威脅，企業必須轉向「永不信任，始終驗證」的零信任架構，確保數據在流轉的每一個節點都受到嚴格管控。

部署動態身份認證與最小權限

企業應結合角色與屬性存取控制（RBAC / ABAC）。例如，即使員工擁有 AI 知識庫的存取權限，若系統偵測到其使用未受控的私人裝置登入，應自動限制其下載或查詢高敏感等級的文件。同時，所有存取 AI 管理後台的帳號，必須強制實施多因素驗證（MFA）。

在 API 網關執行數據去識別化

在資料進入外部 AI 模型前，企業必須於 API 網關層級部署資料損毀防護（DLP）與去識別化（Data Masking）機制，防止真實個人資料流出。

實施網絡微隔離（Micro-segmentation）

將 AI 模型的運行環境、向量資料庫與企業核心業務系統（如核心銀行系統、ERP）進行微隔離。即使 AI 服務端點遭攻破，攻擊者亦無法輕易進行橫向移動，滲透至企業核心網絡。

防範外判商洩漏數據的合約與查核準則

香港企業高度依賴雲端 SaaS 方案，外判商的安全防禦往往是整體架構中最脆弱的一環。簽訂服務合約時，必須落實以下風險管控：

• 禁止模型訓練條款： 數據處理協議（DPA）中必須清晰聲明，供應商絕對不得使用企業輸入的任何資料來訓練或改進其公共 AI 模型。
• 數據保留與銷毀機制： 要求供應商在完成 API 請求後立即清除暫存資料，並提供符合行業標準的數據銷毀證明。
• 核實數據駐留（Data Residency）： 明確指定數據必須儲存於香港本地或符合香港私隱法規認可的地區，避免資料流向未受權的法律管轄區。
• 索取獨立合規認證： 要求供應商提供獨立的第三方審計報告，如 ISO/IEC 27001（資訊安全管理）、ISO/IEC 27701（私隱資訊管理）或 SOC 2 報告，以證明其運營環境安全。

應對 AI 安全風險的企業資訊保安轉型路線圖

企業可按照以下三個階段，逐步將防禦與合規策略落地：

1. 資產盤點與政策制定： 盤點企業內部所有正在使用的 AI 工具與 API 接口，梳理敏感數據流向。同時，制定「企業 AI 使用指引」，明確規範員工可使用的工具名單及違規處罰機制。
2. 技術管制與合約修訂： 在企業網絡出口部署 DLP 過濾器，自動攔截身份證與信用卡資料；全面推行零信任身份驗證；並更新所有第三方 AI 供應商的合約條款。
3. 員工培訓與事故演練： 定期為員工提供防範影子 AI 的意識培訓。建立專用的事故應變劇本（Playbook），確保在發生嚴重資料外洩時，能於 72 小時內向私隱專員公署作出通報。

常見問題

建立合規且具備防禦能力的 AI 營運環境

企業在享受生成式 AI 帶來的效率紅利時，不應只着眼於技術部署，而必須將網絡安全與私隱合規視為營運的底座。透過落實零信任架構、嚴格審視外判商合約，並建立標準化的數據處理程序，企業才能有效降低數據洩漏的風險，避免因網絡安全事故而損害商譽。

如果你的企業正計劃引入 AI 工具，或需要評估現有雲端系統的資訊保安及私隱合規水平，CertiSafe 的專業顧問團隊可協助你識別系統漏洞並建立國際級的管理體系。