Loading...
No results found.

Apply your skills in Google Cloud console

Lab setup instructions and requirements
Protect your account and progress. Always use a private browser window and lab credentials to run this lab.

保護生成式 AI 模型回覆中的機密資料

Lab 25 minutes universal_currency_alt 5 Credits show_chart Intermediate
info This lab may incorporate AI tools to support your learning.
This content is not yet optimized for mobile devices.
For the best experience, please visit us on a desktop computer using a link sent by email.

GSP1283

Google Cloud 自學實驗室

總覽

Sensitive Data Protection 是一項全代管服務，可以協助您找出、分類和保護機密資訊。主要選項包括：持續分析您機密資料的「機密資料探索」、「機密資料去識別化」 (包括遮蓋)，以及 Cloud Data Loss Prevention (DLP) API，讓您在自訂工作負載和應用程式中，整合探索、檢查和去識別化功能。

除了識別及保護 Cloud Storage 和 BigQuery 等資料儲存選項中的機密資料，您也可以識別及保護生成式 AI 模型傳回的機密資料。這項功能非常實用，可降低您在整個大環境中機密資料外洩的風險！

在本實驗室中，您將透過使用 Cloud Data Loss Prevention (DLP) API 的 Jupyter 筆記本運用這項功能，對模型回覆中的機密資料進行分類和遮蓋。

注意：您可以展開提示方塊，在實驗室中取得進一步的支援協助。在需要更多支援協助時，您可以逐步展開提示方塊，或是選擇不展開提示方塊來挑戰自我。

課程內容

本實驗室的內容包括：

  • 在 Agent Platform Workbench 執行個體中存取預先建立的 Jupyter 筆記本。
  • 安裝 Agent Platform 和 Cloud Data Loss Prevention (DLP) API 的 Python 套件。
  • 使用 模型生成含有機密資料的範例文字。
  • 使用 DLP API 定義及執行 Python 函式，遮蓋 模型回覆中不同類型的機密資料。

事前準備

雖然進行此課程時不一定要具備相關知識，但預先瞭解 Agent Platform 和 Cloud Data Loss Prevention (DLP) API 在 Google Cloud 工作流程中的常見用途，將有助於推動您的學習進展。在開始本實驗室前，可以先完成下列實驗室，初步瞭解這些工具：

設定和需求

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

  • 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。
注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。
  • 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。
注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

  1. 點選「Start Lab」按鈕。如果實驗室會產生費用，畫面上會出現選擇付款方式的對話方塊。左側的「Lab Details」窗格會顯示下列項目：

    • 「Open Google Cloud console」按鈕
    • 剩餘時間
    • 必須在這個研究室中使用的臨時憑證
    • 完成這個實驗室所需的其他資訊 (如有)

  2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

    接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

    提示：您可以在不同的視窗中並排開啟分頁。

    注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

  3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

    {{{user_0.username | "Username"}}}

    您也可以在「Lab Details」窗格找到 Username。

  4. 點選「下一步」。

  5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

    {{{user_0.password | "Password"}}}

    您也可以在「Lab Details」窗格找到 Password。

  6. 點選「下一步」。

    重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

  7. 按過後續的所有頁面：

    • 接受條款及細則。
    • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
    • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請點選「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。「導覽選單」圖示和搜尋欄位

工作 1：在 Agent Platform Workbench 中開啟 Jupyter 實驗室

  1. 前往 Google Cloud 控制台，依序點按「導覽選單」圖示 「導覽選單」圖示 >「Agent Platform」>「Notebooks」。

  2. 在左側導覽列中，點擊 Workbench。

  3. 找出 執行個體，點按「Open JupyterLab」按鈕。

Workbench 執行個體的 JupyterLab 介面會在新瀏覽器分頁開啟。

注意：如果在 JupyterLab 沒有看見筆記本，請按照以下額外步驟重設執行個體：

1. 關閉 JupyterLab 的瀏覽器分頁，回到 Workbench 首頁。

2. 勾選執行個體名稱旁的核取方塊，然後點按「重設」。

3. 「開啟 JupyterLab」按鈕再次啟用後，等待一分鐘，然後點按「開啟 JupyterLab」。

工作 2：設定筆記本

注意：如要執行 Python 筆記本中的任何儲存格，請按一下筆記本上方的執行選取的儲存格 (播放箭頭圖示)。

如要進一步瞭解如何在 Agent Platform Workbench 執行個體中使用 Jupyter 筆記本，請參閱說明文件。

  1. 開啟 檔案。

  2. 出現「Select Kernel」對話方塊時，從可用核心清單中選取「Python 3」。

  3. 執行筆記本的「Getting Started」部分，專案 ID 和位置已預先設定完成。

注意：如果執行筆記本儲存格後出現 429 回應，請稍候一分鐘再重新執行儲存格，應該就能繼續操作。

工作 3：遮蓋生成式 AI 模型回覆中的特定機密資料類型

這項工作的分段與筆記本中的分段相同。請按照下方的指示完成筆記本中的步驟，並在完成各筆記本區段後，返回這個實驗室頁面查看進度。

使用 模型生成包含個人識別資訊 (全名) 的簡單範例文字

  • 執行筆記本中「使用 模型生成包含個人識別資訊 (全名) 的簡單範例文字」區段的每個儲存格。
注意：在實驗室中檢查進度時，可能需要幾分鐘的時間，才會傳回順利完成的訊息。完成工作後，請稍候幾分鐘再試一次進度檢查。

點選「Check my progress」，確認目標已達成。 生成含有個人識別資訊 (PII) 的範例文字。

定義並執行 Python 函式，使用內建的全域 infoType 去識別化 模型回覆

  • 執行筆記本中「定義並執行 Python 函式，使用內建的全域 infoType 去識別化 模型回覆」區段的每個儲存格。

點選「Check my progress」，確認目標已達成。 定義 Python 函式，使用內建的全域 infoType 去識別化模型回覆

使用 模型生成並去識別化含有更多個人識別資訊 (出生日期) 的範例文字

  • 執行筆記本中「使用 模型生成並去識別化含有更多個人識別資訊 (出生日期) 的範例文字」區段的每個儲存格。

點選「Check my progress」，確認目標已達成。 生成並去識別化含有更多個人識別資訊的範例文字。

使用 模型生成包含信用卡資訊的範例文字

  • 執行筆記本中「使用 模型生成包含信用卡資訊的範例文字」區段的每個儲存格。

點選「Check my progress」，確認目標已達成。 使用 模型生成包含信用卡資訊的範例文字。

使用內建信用卡號碼全域 infoType 應用所學技術

  • 執行筆記本中「使用內建的信用卡號碼全球 infoType，發揮您的功力」區段的每個儲存格。

展開下方的提示，即可查看實用步驟！

選項 1：查看說明文件

完整解決方法 (展開即可查看完整程式碼！)

點選「Check my progress」，確認目標已達成。 使用內建信用卡號碼全域 infoType 應用所學技術。

工作 4：根據機密文件類型，封鎖生成式 AI 模型傳回的結果

這項工作的分段與筆記本中的分段相同。請按照下方的指示完成筆記本中的步驟，並在完成各筆記本區段後，返回這個實驗室頁面查看進度。

修改 Python 函式，根據文件的特定 infoType 封鎖 模型回覆

  • 執行筆記本「修改 Python 函式，根據文件的特定 infoType 封鎖 模型回覆」部分中的每個儲存格。

點選「Check my progress」，確認目標已達成。 修改 Python 函式，封鎖 模型回覆。

使用 模型生成含有原始碼的範例並封鎖結果

  • 執行筆記本中「使用 模型生成含有原始碼的範例並封鎖結果」區段的每個儲存格。

    • 生成回覆時，請務必將溫度參數設為 0，確保生成不變的輸出內容。

點選「Check my progress」，確認目標已達成。 使用 模型生成含有原始碼的範例。

使用內建的專利文件 infoType 應用所學技術

  • 執行筆記本中「使用內建的專利文件 infoType 應用所學技術」區段中的每個儲存格。

展開下方的提示，即可查看實用步驟！

選項 1：查看筆記本的前一區段

完整解決方法 (展開即可查看完整程式碼！)

點選「Check my progress」，確認目標已達成。 使用內建的專利文件 infoType 應用所學技術。

恭喜！

在本實驗室中，您於 Jupyter 筆記本中使用了 Agent Platform 和 Cloud Data Loss Prevention (DLP) API，並透過 DLP API 生成並遮蓋 模型回覆中的範例機密資料。

後續步驟/瞭解詳情

如要進一步瞭解 Cloud Data Loss Prevention (DLP) API，請參閱下列資源：

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2025 年 10 月 29 日

實驗室上次測試日期：2025 年 10 月 29 日

Copyright 2026 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。

Before you begin

  1. Labs create a Google Cloud project and resources for a fixed time
  2. Labs have a time limit and no pause feature. If you end the lab, you'll have to restart from the beginning.
  3. On the top left of your screen, click Start lab to begin

Use private browsing

  1. Copy the provided Username and Password for the lab
  2. Click Open console in private mode

Sign in to the Console

  1. Sign in using your lab credentials. Using other credentials might cause errors or incur charges.
  2. Accept the terms, and skip the recovery resource page
  3. Don't click End lab unless you've finished the lab or want to restart it, as it will clear your work and remove the project

This content is not currently available

We will notify you via email when it becomes available

Great!

We will contact you via email if it becomes available

One lab at a time

Confirm to end all existing labs and start this one

Use private browsing to run the lab

Using an Incognito or private browser window is the best way to run this lab. This prevents any conflicts between your personal account and the Student account, which may cause extra charges incurred to your personal account.