定義與概述
資料控制涵蓋原文、分塊、嵌入、索引、快取、答案及日誌。明確位置、權限、刪除與還原。
如何實踐
繪製資料流與服務清單，定義傳輸及靜態加密與金鑰管理。審查外連流量，演練相關副本刪除。
RAGBOX · RAGBOX 私有 AI 控制框架
01身分
02權限
03工作區
04知識庫
05模型
06稽核
工作流程
追蹤範例合約從員工設備到回答的路徑，包括附件、聊天紀錄、日誌和備份。逐點明確控制者及保留規則。關閉模型訓練並不能說明副本在哪裡。
開始前檢查
- 資料位置
- 加密金鑰
- 刪除週期
能力與部署需依專案確認，不作無證據認證、投資報酬或客戶聲明。
重點整理
- 選擇授權文件
- 指定負責人
- 準備參考問答
- 測試拒絕存取與刪除
- 擴展前衡量品質、速度與成本
此為 RAGBOX 規劃指引，非外部認證標準。每層需負責人、證據與測試。
常見問題
資料必須離開網路嗎？
取決於部署與串接服務。先盤點模型、OCR、嵌入、備份及日誌流量，再確認邊界。
AI 答案可以直接採信嗎？
應核對原文、完整性及版本，尤其是法律、會計及重要決策。引用有助審查，但不保證正確。
如何啟動專案？
選擇明確用例、核准文件、負責人與驗收標準。小組測試答案品質、權限及成本後再擴展。
參考資料
公開來源解釋原則，不認證或背書 RAGBOX。
- NIST AI Risk Management Framework
- Microsoft: Retrieval-augmented generation
- OWASP: RAG Security Cheat Sheet
- OWASP: Prompt Injection Prevention
實際應用前需專家審閱，非個案法律或稅務建議。