從 vibe coding 的資料出口與套件風險開始
商業 AI 應用治理
員工使用個人 AI 帳號進行開發時,會把原始碼、設計圖等機敏資料貼進提示詞或上傳檔案。同時 AI 也會產出程式碼並建議套件。企業需要同時處理資料從個人帳號出去的風險,以及生成程式碼與套件進入建置的風險。
員工使用個人帳號開發與上傳機敏資料
怎麼區分個人帳號、在出口擋下 →
怎麼在合併前檢查 →
資料出口:個人帳號與機敏資料
Netskope AI 圍籬與 DLP 先區分企業帳號實例與個人帳號實例。個人帳號的提示詞與上傳檔可被識別並套用限制,避免原始碼、設計圖、密鑰等內容進入外部模型。企業帳號同樣對提示詞與上傳檔做 DLP 檢查,不因帳號類別而省略。
帳號實例分開後,企業才能針對個人使用設定阻擋或記錄,而不是只封鎖整個 AI 服務。
軟體風險:程式碼與套件
DevaEye 軟體安全檢測對應這段。檢查範圍包含 AI 生成的程式碼本身,以及被引入的開源套件與依賴。靜態檢測找出生成程式碼裡的弱點,組成分析盤點套件的已知漏洞與授權狀況,物料清單留下這次建置用了什麼。
結果以報告與修補建議呈現,供開發在合併前處理,而不是上線後再回頭找。
同一頁的兩關
示意模擬 已完成 0 / 3 項檢測
帳號
貼進提示詞的內容
左右滑動看完整路徑 →
- 未使用的路徑
- 本次會走的路徑
- 資料與程式碼流動
- 套用限制
- 控制點
- 已檢查
用鍵盤操作:Tab 聚焦後按 Enter。開關控制點會自動重播。
所選節點
狀態:尚未模擬
開發者(貼上提示詞・上傳檔)
- 分區
- 開發者端點
- 角色
- 以個人或企業帳號,把原始碼、設計圖或密鑰貼進提示詞
- 對應控制點
- Netskope(AI 圍籬與 DLP)、DevaEye(軟體安全檢測)
- 所屬段落
- ① 資料出口 → ② 軟體風險
判讀員工以個人帳號上傳原始碼或設計圖時,資料從個人實例出去;同時 AI 產出的程式碼與建議套件會進入建置。
兩段由不同控制點處理:提示詞與上傳檔是資料出口,生成程式碼與引入套件則是軟體風險。
①
NETSKOPE AI 圍籬與 DLP
資料出口
Netskope AI 圍籬與 DLP 先區分企業帳號實例與個人帳號實例。個人帳號的提示詞與上傳檔可被識別並套用限制;企業帳號同樣做 DLP 檢查,不因帳號類別而省略。
②
DEVAEYE 軟體安全檢測
軟體風險
靜態檢測找出生成程式碼裡的弱點,組成分析盤點套件的已知漏洞與授權狀況,物料清單留下這次建置用了什麼,結果供開發在合併前處理。
同一條開發路徑上有兩關:① Netskope 管資料出口,② DevaEye 在合併前檢測生成的程式碼與套件。
以文字說明這張圖
節點
- 開發者(貼上提示詞・上傳檔):
分區:開發者端點;角色:以個人或企業帳號,把原始碼、設計圖或密鑰貼進提示詞;對應控制點:Netskope(AI 圍籬與 DLP)、DevaEye(軟體安全檢測);所屬段落:① 資料出口 → ② 軟體風險。 員工以個人帳號上傳原始碼或設計圖時,資料從個人實例出去;同時 AI 產出的程式碼與建議套件會進入建置。 兩段由不同控制點處理:提示詞與上傳檔是資料出口,生成程式碼與引入套件則是軟體風險。
- AI 服務(個人帳號實例):
分區:個人帳號實例;角色:個人帳號的提示詞與上傳檔進入的實例;對應控制點:Netskope(AI 圍籬與 DLP);所屬段落:① 資料出口。 Netskope AI 圍籬與 DLP 先區分企業帳號實例與個人帳號實例。 個人帳號的提示詞與上傳檔可被識別並套用限制,避免原始碼、設計圖、密鑰等內容進入外部模型。
- AI 服務(企業帳號實例):
分區:企業帳號實例;角色:企業帳號的提示詞與上傳檔進入的實例;對應控制點:Netskope(AI 圍籬與 DLP);所屬段落:① 資料出口。 企業帳號同樣對提示詞與上傳檔做 DLP 檢查,不因帳號類別而省略。 放行或阻擋依企業政策決定,圖中不預設結果。
- 程式碼倉(生成程式碼):
分區:建置流程;角色:AI 生成程式碼進入建置流程的入口;對應控制點:DevaEye(軟體安全檢測);所屬段落:② 軟體風險。 靜態檢測找出生成程式碼裡的弱點。 結果以報告與修補建議呈現,供開發在合併前處理。
- 套件來源(建議套件):
分區:建置流程;角色:生成程式碼建議引入的套件;對應控制點:DevaEye(軟體安全檢測);所屬段落:② 軟體風險。 組成分析盤點套件的已知漏洞與授權狀況。 結果以報告與修補建議呈現,供開發在合併前處理。
- 建置(程式碼+套件):
分區:建置流程;角色:把程式碼與套件組成這次建置;對應控制點:DevaEye(軟體安全檢測);所屬段落:② 軟體風險。 物料清單留下這次建置用了什麼。 結果供開發在合併前處理,而不是上線後再回頭找。
- 合併(結果供開發處理):
分區:建置流程;角色:合併前由開發處理檢測結果;對應控制點:DevaEye(軟體安全檢測);所屬段落:② 軟體風險。 結果供開發在合併前處理,而不是上線後再回頭找。 靜態檢測、組成分析與物料清單是合併前的三項檢查。
控制點
- ① ① 資料出口|Netskope(AI 圍籬與 DLP):
邊界:開發者端點 → 生成式 AI 服務。 區分帳號類別,並對提示詞與上傳檔做檢查。 先區分企業帳號實例與個人帳號實例;個人帳號的提示詞與上傳檔可被識別並套用限制,企業帳號同樣做 DLP 檢查。 放行或阻擋依企業政策,不因帳號類別而省略檢查。
- ② ② 軟體風險|DevaEye(軟體安全檢測):
邊界:建置 → 合併。 合併前的三項檢查。 靜態檢測找出生成程式碼裡的弱點,組成分析盤點套件的已知漏洞與授權狀況,物料清單留下這次建置用了什麼。 結果供開發在合併前處理。 (靜態檢測、組成分析、物料清單)
控制點的效果
- Netskope(帳號:個人帳號):① 資料出口:Netskope AI 圍籬與 DLP 先區分帳號類別;個人帳號的提示詞與上傳檔(這次是原始碼)被識別並套用限制。
- Netskope(帳號:企業帳號):① 資料出口:企業帳號同樣對提示詞與上傳檔(這次是原始碼)做 DLP 檢查,不因帳號類別而省略;放行或阻擋依企業政策決定。
- DevaEye:② 軟體風險:靜態檢測找出生成程式碼裡的弱點,組成分析盤點套件的已知漏洞與授權狀況,物料清單留下這次建置用了什麼,結果供開發在合併前處理。
- 未開啟:Netskope(帳號:個人帳號):① 資料出口沒有控制點:個人帳號的原始碼直接進入實例,沒有帳號類別的識別,也沒有 DLP 檢查。
- 未開啟:Netskope(帳號:企業帳號):① 資料出口沒有控制點:企業帳號的原始碼直接進入實例,沒有帳號類別的識別,也沒有 DLP 檢查。
- 未開啟:DevaEye:② 沒有檢測:生成程式碼與引入的套件直接走到合併,弱點、已知漏洞與授權狀況沒有在合併前被找出,也沒有留下這次建置的物料清單。
連線
- 開發者(貼上提示詞・上傳檔) → AI 服務(個人帳號實例):路徑,經過Netskope(帳號:個人帳號)
- 開發者(貼上提示詞・上傳檔) → AI 服務(企業帳號實例):路徑,經過Netskope(帳號:企業帳號)
- 開發者(貼上提示詞・上傳檔) → 程式碼倉(生成程式碼):路徑
- 開發者(貼上提示詞・上傳檔) → 套件來源(建議套件):路徑
- 程式碼倉(生成程式碼) → 建置(程式碼+套件):路徑
- 套件來源(建議套件) → 建置(程式碼+套件):路徑
- 建置(程式碼+套件) → 合併(結果供開發處理):路徑,經過DevaEye
模擬為概念示意,不代表實測數據。
員工以個人帳號上傳原始碼或設計圖時,資料從個人實例出去;同時 AI 產出的程式碼與建議套件會進入建置。Netskope 處理帳號實例區分與提示詞/上傳檔的資料檢查,DevaEye 處理生成程式碼的弱點與套件組成分析。兩者放在同一頁,是為了對應同一條開發路徑上的兩個檢查點。