本指南重点关注“您所使用的 AI”，包括全企业员工所使用的第三方生成式 AI 工具和 SaaS 集成。
核心要点
-
未受管控的采用 AI 可能会造成严重的企业数据泄露。
-
使用生成式 AI 引入了隐蔽的暴露风险，需要专门的浏览器原生安全功能才能保护敏感信息。
-
传统安全架构在检查交互层方面力不从心。
-
传统工具无法检测基于提示的数据流，因此交互层面的监测对于防止未经授权的泄露至关重要。
-
全面禁用会干扰用户的工作流，并助长影子 AI 的采用。
-
限制访问会迫使员工转为使用不受监控的工具，因此需要制定情境感知策略，以便安全地提高工作效率。
-
缺乏管控的浏览器扩展程序可能会将企业数据暴露给第三方。
-
未经审查的 AI 工具会留下不可见的后门，因此实时扩展程序分析对于实现全面企业防护至关重要。
常见问题
常见问题
传统解决方案在设计之初并未考虑到要检查运行在浏览器、扩展程序及原生应用程序内部且基于终端的现代 AI 交互层。
这四项新兴挑战包括：不受保护的 LLM 数据处理、影子 AI、个人与企业帐户混用，以及违反法规或合规性。
封禁 AI 应用程序会迫使员工使用个人设备和不受监控的网络，这非但不能带来真正的安全，反而会在客观上制造影子 AI 问题。
发现能力必须包括自动识别基于浏览器的工具和扩展程序、映射用户身份、排查影子 AI 及追踪交互历史记录。
一个有效平台应当支持分级强制模式，包括允许、监控、警告、提供合理理由后放行、拦截及屏蔽。
浏览器原生的无代理架构可直接在浏览器内捕捉 AI 交互，无需进行操作系统级集成或网络流量重定向。
Akamai Workforce Protector 是一款无代理平台，可在浏览器内部提供“最后一公里”监测能力与实时策略执行，在不影响用户体验的前提下阻止敏感数据泄露。