監控濫用情形

Google 會監控 Gemini Enterprise Agent Platform 上的生成式 AI 流量，偵測是否可能違反《使用限制政策》和《使用限制政策》。多租戶應用程式和 API 經銷商也可以傳遞匿名 safety_identifier 標籤，讓政策意見回饋指定特定使用者，而非整個專案。

未指定為「Google Frontier 模型」或「Advanced AI」的 Google 模型

如《Google Cloud Platform 服務條款》第 4.3 節「生成式 AI 安全性與濫用行為」所述，Google 會在向客戶提供生成式 AI 服務時，採用下列程序偵測潛在濫用行為，以及違反《使用限制政策》和《使用限制政策》的行為。

• 自動偵測：Google 會使用自動化安全分類器，偵測潛在的濫用和違規行為。

• 提示記錄和人工審查：如果自動安全分類器偵測到可疑活動，需要進一步調查客戶是否違反政策，Google 可能會記錄客戶提示，但僅用於檢查是否違反《合理使用政策》或《使用限制政策》。這類資料不會用於訓練或微調任何 AI/機器學習模型。這類資料會安全地儲存在客戶為專案選取的相同區域或多區域，最長可達 90 天，並遵循 Cloud de Confiance by S3NS 保證，例如資料落地、資料存取透明化控管機制和 VPC Service Controls。用於監控濫用行為的提示記錄，不會以客戶自行管理的加密金鑰 (CMEK) 加密。

  • 行動：授權的 Google 員工可能會評估標記的提示，並與客戶聯絡以釐清問題。如果客戶未處理這類行為，或屢次/嚴重濫用，可能會導致 Gemini Enterprise Agent Platform 或 Cloud de Confiance by S3NS服務的存取權遭到停權或終止。

  • 適用服務：Google 的生成式 AI 服務。

  • 適用客戶：僅限使用 Cloud de Confiance by S3NS 時須遵守《Google Cloud Platform 服務條款》的客戶。也就是說，根據預設，簽署 Cloud de Confiance by S3NS 主協議的客戶，其提示記錄不會用於濫用監控。

Google 前沿模型

如《服務專屬條款》第 34 節「Google 前沿模型」所述，Google 在向客戶提供生成式 AI 服務時，會採用下列程序偵測潛在濫用行為和違反協議的情形，包括《使用限制政策》和《使用限制政策》。

• 記錄提示和回覆，監控濫用情形：Google 可能會記錄客戶的提示和回覆，但僅限用於確保 Google 前沿模型安全使用，以及遵守客戶的 Google 協議 (服務專屬條款中規定的「目的」)。包括自動處理，以建立去識別化的 shingle，並分析使用模式，僅用於上述目的。這些資料不會用於訓練或微調任何 AI/機器學習模型。這些記錄會安全地儲存在客戶的環境中，最多保留 30 天。用於監控濫用行為的提示記錄不會以 CMEK 加密。客戶不需為這項記錄功能付費。

• 與 ZDR 一致的濫用行為記錄，適用於簽訂 Cloud 主協議的客戶：《服務專屬條款》第 34 節「Google 前沿模型」並未授予 Google 進行人工審查的權利。因此，對於簽訂 Cloud 主協議的客戶，這些記錄會儲存在客戶的環境中，且不需經過人工審查，符合 ZDR 標準。

• 人工審查濫用記錄 (適用於受 Cloud de Confiance by S3NS 線上條款規範的客戶)：如《Google Cloud Platform 服務條款》第 4.3 節「生成式 AI 安全與濫用」所述，Google 可能會對濫用分類器標記的提示進行人工審查，但僅限於判斷是否違反《使用限制政策》或《禁止使用政策》。這些資料不會用於訓練或微調任何 AI/機器學習模型。只有使用Cloud de Confiance by S3NS 時須遵守《Google Cloud Platform 服務條款》的客戶，才適用專人審查。也就是說，根據預設，簽署 Cloud de Confiance by S3NS 主協議的客戶可豁免濫用監控的人工審查。

• 適用模型：Gemini 4 Carbon (Google 前沿模型)、Gemini 4 Carbon for cyber (Google 前沿網路模型)、Gemini 4 Argon Cyber Permissive (Google 前沿網路模型)

• 適用服務：Google 的生成式 AI 服務。

非 Google 進階 AI 模型

如《進階 AI 安全性附加條款》所述，Cloud de Confiance by S3NS 已針對指定為「進階 AI」的模型，實施更嚴格的濫用監控系統。

• 提示詞和回覆記錄：所有提示詞和回覆都會記錄並安全儲存最多 30 天，僅用於監控濫用行為。這類資料不會用於訓練或微調任何 AI/機器學習模型。 這類資料會儲存在客戶為專案選取的相同區域或多區域，並遵循Cloud de Confiance by S3NS 保證，例如資料落地、資料存取透明化控管機制和 VPC Service Controls。用於監控濫用行為的提示和回覆記錄不會由 CMEK 加密。使用部分進階 AI 功能時，可能無法選擇不記錄提示/回覆。請洽詢您的帳戶團隊，瞭解詳情。

• 自動調查：Google 和模型供應商會部署自動調查工具 (包括安全分類器)，分析記錄的資料，並偵測潛在的濫用和違規行為。

• 行動：授權的 Google 員工可能會評估標記的提示，並與客戶聯絡以釐清問題。如果未解決這類行為，或屢次/嚴重濫用，可能會導致客戶無法使用 Gemini Enterprise Agent Platform 或 Cloud de Confiance by S3NS服務。

• 適用服務：指定為「進階 AI」的模型和功能，包括：

  • Anthropic 模型：

    • Claude Mythos (所有版本)
    • Claude Fable (所有版本)
    • 當 advanced_ai_enabled 設為 true 時，Claude Opus >=4.7 和 Sonnet >=5，用於 Anthropic 的網路驗證計畫 (CVP)。這些模型的其他用途皆不在《進階 AI 安全性附加條款》的範圍內。如要註冊並啟用 Claude 模型的 CVP，請參閱「Claude 網路驗證計畫」。

  • OpenAI 模型：

    • GPT Astra (所有版本)
    • GPT Sol (所有版本)
    • GPT Terra (所有版本)
    • GPT Luna (所有版本)
    • 平台上的所有其他 OpenAI 模型均未指定為「進階 AI」，也不受《進階 AI 安全性附加條款》規範。

• 客戶選擇不採用：部分模型供應商會針對特定模型提供零資料保留 (ZDR) 服務，讓核准的專案免受《進階 AI 安全性附加條款》約束，但存取權不保證提供，且須經供應商核准。請與 Cloud de Confiance by S3NS 帳戶團隊聯絡，根據您的需求瞭解詳情。

同意《進階 AI 安全性附加條款》

您必須先同意《進階 AI 安全性附加條款》，才能在專案中啟用進階 AI 模型。啟用任何進階 AI 模型前，必須先在 Model Garden 透過 Cloud de Confiance 控制台表示同意。

同意的使用者必須確認自己代表所屬機構行事，且具備必要權限，可讓客戶遵守附加條款的義務。使用者必須具備 aiplatform.admin 角色中的 aiplatform.consents.update 權限，才能表示同意。

管理《進階 AI 安全性附加條款》

如要防止使用者同意這項附加條款，管理員可以：

• 在 IAM 中，對 aiplatform.consents.update 權限強制執行最小權限原則。
• 停用《進階 AI 安全性附加條款》涵蓋的 Model Garden 模型存取權。

合作夥伴專屬條款

在 Gemini Enterprise Agent Platform 使用合作夥伴模型時，須遵守合作夥伴的特定條款。

Anthropic

在 Gemini Enterprise Agent Platform 使用 Anthropic 模型時，須遵守 Anthropic 的《商業服務條款》或與 Anthropic 簽訂的其他適用協議；使用 Anthropic Advanced AI 時，則須遵守 Anthropic《服務專屬條款》的 F 節。本頁所述的濫用行為監控系統，旨在確保使用者遵守這些條款。

資料保留

如果是 Google Cloud 上的 Anthropic Claude Fable 5 和 Mythos 5，提示和回覆最多會保留 30 天。如要在 Google Cloud 和 Mythos 5 使用 Anthropic 的 Claude Fable 5，您必須按照 Anthropic 的要求，啟用與 Anthropic 共用這項資料的功能，以便監控濫用行為。

在 API 呼叫中傳遞使用者安全 ID

API 經銷商、模型匯總工具和具有外部使用者的應用程式，可以在要求 labels 欄位中傳遞不重複的 safety_identifier 金鑰。附加個別使用者的安全 ID，有助於 Google 將違反政策的行為歸因於特定使用者，避免對整個專案採取違規處置。

在 API 要求中傳遞 safety_identifier 時，請遵守下列規定：

• 格式和長度：為每位使用者指派不重複的字串，長度介於 1 到 63 個字元之間，只能包含小寫字母、數字、底線 (_) 或連字號 (-)。如果值超過 63 個字元，或包含大寫字母或 @ 或 . 等符號，則會失敗並傳回 HTTP 400 INVALID_ARGUMENT 錯誤。如果使用 SHA-256 雜湊使用者 ID，請將小寫十六進位摘要截斷為 63 個字元以下。
• 隱私權：請勿在 safety_identifier 值中加入個人識別資訊 (PII)，例如電子郵件地址或全名。請改用匿名使用者名稱或截斷的雜湊值。
• 支援的模型和端點：支援 Gemini generateContent 和 streamGenerateContent 要求 (global、多區域和區域端點)，以及 Veo predictLongRunning 要求 (us-central1 等區域端點)。
• 存取權和計費：傳遞 labels 時，除了 aiplatform.endpoints.predict 預測權限外，不需要額外的 IAM 權限，也不會產生額外的 API 費用。如果每個 Cloud Billing 帳戶的金鑰不重複值超過 1,000 個，費用報表可能會省略這些金鑰，但不會影響濫用歸因。如需一般標籤限制，請參閱「標籤規定」。

下列範例會在 labels 欄位中傳遞使用者 safety_identifier：

POST https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.5-flash:generateContent

{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Summarize the key responsibilities of an API gateway."
        }
      ]
    }
  ],
  "labels": {
    "safety_identifier": "user_session_001"
  }
}

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.5-flash:generateContent"

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.5-flash:generateContent" | Select-Object -Expand Content

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "An API gateway routes client requests, enforces authentication and rate limits, and centralizes observability across backend services."
          }
        ]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 10,
    "candidatesTokenCount": 24,
    "totalTokenCount": 34
  }
}

from google import genai
from google.genai import types

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="global",
)

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="Summarize the key responsibilities of an API gateway.",
    config=types.GenerateContentConfig(
        labels={"safety_identifier": "user_session_001"},
    ),
)
print(response.text)

POST https://us-central1-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/publishers/google/models/veo-3.1-generate-001:predictLongRunning

{
  "instances": [
    {
      "prompt": "A slow aerial pan over a coastal lighthouse at sunrise."
    }
  ],
  "parameters": {
    "aspectRatio": "16:9",
    "sampleCount": 1
  },
  "labels": {
    "safety_identifier": "user_session_001"
  }
}

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://us-central1-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/publishers/google/models/veo-3.1-generate-001:predictLongRunning"

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://us-central1-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/publishers/google/models/veo-3.1-generate-001:predictLongRunning" | Select-Object -Expand Content

{
  "name": "projects/my-genai-project/locations/us-central1/publishers/google/models/veo-3.1-generate-001/operations/7f8e9d0c-1234-5678-9abc-def012345678"
}

from google import genai
from google.genai import types

client = genai.Client(
    vertexai=True,
    project="PROJECT_ID",
    location="us-central1",
)

operation = client.models.generate_videos(
    model="veo-3.1-generate-001",
    prompt="A slow aerial pan over a coastal lighthouse at sunrise.",
    config=types.GenerateVideosConfig(
        aspect_ratio="16:9",
        labels={"safety_identifier": "user_session_001"},
    ),
)
print(operation.name)

後續步驟

• 瞭解負責任的 AI 技術。
• 在 API 呼叫中加入自訂中繼資料標籤。