GSP1327

Ringkasan

Model Armor di Google Cloud meningkatkan keamanan AI dengan menyaring perintah pengguna dan respons LLM guna mencegah risiko seperti konten berbahaya, injeksi perintah, dan kebocoran data sensitif. Hal ini memungkinkan organisasi mengelola dan menerapkan kebijakan keamanan secara terpusat untuk aplikasi AI mereka, bertindak sebagai filter guna memastikan interaksi tetap aman dan mematuhi aturan. Layanan ini terintegrasi dengan Security Command Center untuk visibilitas terpadu serta membantu melindungi dari eksposur atau manipulasi model AI yang tidak sah.

Di lab ini, Anda akan mempelajari cara membersihkan perintah dan responsnya menggunakan Model Armor.

Tujuan

Lab ini menantang Anda untuk menunjukkan kemampuan Anda dalam melakukan hal berikut:

• Mengaktifkan API Model Armor.
• Membuat template Model Armor.
• Mengeksekusi berbagai perintah untuk membersihkan perintah pengguna terhadap berbagai fitur keamanan.

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer yang dimulai saat Anda mengklik Start Lab akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab interaktif ini dapat Anda gunakan untuk melakukan aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).

• Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.

Cara memulai lab dan login ke Konsol Google Cloud

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, dialog akan terbuka untuk memilih metode pembayaran. Di sebelah kanan terdapat panel Lab setup and access yang berisi hal-hal berikut:

   • Tombol Open Google Cloud console
   • Kredensial sementara (nama pengguna dan sandi) yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

   Perhatikan bahwa timer lab terletak di dekat bagian atas halaman, yang menampilkan waktu yang tersisa.

2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

   Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

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

   Anda juga dapat menemukan Username di panel Lab setup and access.

4. Klik Next.

5. Salin Password di bawah dan tempel ke dialog Welcome.

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

   Anda juga dapat menemukan Password di panel Lab setup and access.

6. Klik Next.

   Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Penggunaan akun Google Cloud sendiri untuk lab ini mungkin dikenai biaya tambahan.

7. Klik untuk melanjutkan ke halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan daftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk mengakses produk dan layanan Google Cloud, klik Navigation menu atau ketik nama layanan atau produk di kolom Search.

Tugas 1. Mengaktifkan API Model Armor

Sebelum Anda dapat mulai menggunakan Model Armor, API harus diaktifkan dahulu.

1. Di konsol Google Cloud, aktifkan Cloud Shell.

2. Jalankan perintah berikut:

Klik Periksa progres saya untuk memverifikasi tujuan. Mengaktifkan Model Armor API

Tugas 2. Membuka notebook di Agent Platform Workbench

1. Di Konsol Google Cloud, pada Navigation menu (), klik Agent Platform > Notebooks > Workbench.

2. Cari instance lalu klik tombol Open JupyterLab.

Antarmuka JupyterLab untuk instance Workbench Anda akan terbuka di tab browser baru.

Tugas 3. Menyiapkan notebook

1. Buka file .

2. Pada dialog Select Kernel, pilih Python 3 dari daftar kernel yang tersedia.

3. Jalankan bagian Getting Started dan Import libraries pada notebook.

Tugas 4. Membuat template Model Armor

Dalam tugas ini, Anda akan membuat template Model Armor, ma-template, guna menentukan aturan keamanan dan pemfilteran konten untuk interaksi AI. Template ini menetapkan kebijakan untuk mendeteksi dan memitigasi eksposur data sensitif, sehingga menjamin kepatuhan terhadap standar perlindungan data.

Ikuti petunjuk pada bagian Create a Model Armor Template di notebook untuk membuat ma-template di lokasi menggunakan konfigurasi filter yang disediakan. Setelah selesai, kembali ke halaman ini untuk memeriksa progres Anda dan memverifikasi tujuan.

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat template Model Armor

Tugas 5. Memvalidasi perintah pengguna dengan Model Armor

Dalam tugas ini, Anda akan menguji berbagai perintah pengguna untuk mengevaluasi cara Model Armor mendeteksi dan menyaring berbagai jenis data sensitif berdasarkan infoType Sensitive Data Protection (SDP) yang telah ditentukan sebelumnya. Proses ini membantu memastikan bahwa Model Armor secara efektif memfilter dan melindungi dari eksposur data yang tidak sah.

Ikuti petunjuk pada bagian Validate user prompts with Model Armor di notebook untuk mengeksekusi berbagai perintah guna membersihkan perintah pengguna terhadap berbagai fitur keamanan. Setelah selesai, kembali ke halaman ini untuk memeriksa progres Anda dan memverifikasi tujuan.

1. Masukkan perintah pengguna agar Model Armor dapat menyaringnya berdasarkan kriteria Responsible AI.

Klik Periksa progres saya untuk memverifikasi tujuan. Memasukkan perintah pengguna untuk disaring berdasarkan kriteria Responsible AI

2. Masukkan perintah pengguna agar Model Armor dapat menyaring URI Berbahaya.

Klik Periksa progres saya untuk memverifikasi tujuan. Memasukkan perintah pengguna untuk menyaring URI Berbahaya

3. Masukkan perintah pengguna agar Model Armor dapat menyaringnya untuk pencegahan kebocoran data (DLP).

Klik Periksa progres saya untuk memverifikasi tujuan. Memasukkan perintah pengguna untuk menyaring DLP

4. Masukkan respons model agar Model Armor dapat menyaring DLP.

Klik Periksa progres saya untuk memverifikasi tujuan. Memasukkan respons model untuk menyaring DLP

5. Jalankan sel di subbagian Sanitize file-based prompts untuk menjalankan perintah berbasis file yang menggunakan Model Armor guna membersihkan perintah pengguna dalam format file yang ditentukan.

Klik Periksa progres saya untuk memverifikasi tujuan. Membersihkan perintah pengguna berbasis file

Selamat!

Anda telah berhasil menyelesaikan tantangan untuk membuat template Model Armor dan telah menjalankan berbagai perintah pengguna guna menyaring berbagai infoType Sensitive Data Protection (SDP).

Manual Terakhir Diperbarui: 18 Mei 2026

Lab Terakhir Diuji pada 22 April 2026

Hak cipta 2026 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.