AI 時代的 PII 安全：最佳實務

了解個人可識別資訊（PII）

個人可識別資訊（PII）是指任何可識別特定個人，或可與其他資訊結合以識別某人的資料。PII 代表個人可識別資訊：可將您與其他所有人區分開來的資料元素。姓名、社會安全號碼、電子郵件地址、電話號碼，以及指紋等生物特徵資料，都屬於 PII。

沒有任何單一標準能在所有司法管轄區和產業中一致地定義 PII。您必須保護哪些 PII，取決於哪些司法管轄區監管您的營運，以及您的系統處理何種類型的資料。請採用適用於您營運的最嚴格 PII 定義。 

NIST 將 PII 定義為可區別或追溯身分的資訊，例如姓名、SSN、生物特徵，可單獨存在或與其他個人資訊結合。GDPR 第 4(1) 條將其擴展為「與已識別或可識別自然人相關的任何資訊」，並明確包括 IP 位址、Cookie 和裝置指紋等線上識別碼。 CCPA §1798.140 採取最細緻的方法，將生物特徵資訊定義為「包含識別資訊的擊鍵模式或節奏、步態模式或節奏，以及睡眠、健康或運動資料」。

AI 從根本上擴大了 PII 的構成範圍。您的詐欺系統所分析的擊鍵動態？屬於 CCPA 下的生物特徵資料。您的存取控制平台所產生的行為風險評分？屬於 CCPA §1798.140(o)(1)(K) 下的個人資訊，該條文明確將 AI 產生的推論歸類為個人資訊，包括反映消費者偏好、心理趨勢與行為的個人檔案。新的 PII 類別，包括臉部特徵與生物特徵範本，您的系統必須以不同於傳統識別資訊的方式加以保護。

為何 PII 安全在網路安全中至關重要

美國組織面臨的平均外洩成本為 936 萬美元：幾乎是全球平均 488 萬美元的兩倍。除了直接成本之外，PII 遭入侵還會產生乘數效應，加劇財務與營運損害。

美國組織為資料外洩支付的成本是全球平均的 194%： 948 萬美元，相較於全球的 488 萬美元。這些數字在 2024 年年增 10%，創下自疫情期間以來最大增幅。

當您延遲回應時，成本會呈指數倍增。 超過 200 天的外洩事件 才被識別與控制時，成本可能高達 546 萬美元。攻擊者在您的環境中停留越久，您付出的代價就越高。監管審查會加劇。客戶流失會加速。營運中斷會進一步擴大。

《 2024 Verizon Data Breach Investigations Report》分析了 30,458 起安全事件和 10,626 起已確認外洩事件，這是一組創紀錄的資料集，代表通報事件數量增加了兩倍。涉及 PII 的外洩並非邊緣案例。它們遵循了各主要產業領域中的主導模式。

這些外洩統計衡量的是昨日的威脅態勢。AI 從根本上改變了您所防禦的對象，以及究竟什麼才構成 PII。

PII 的關鍵風險與威脅

三種主要攻擊向量會在企業環境中鎖定 PII： 

1. 未經授權的存取 佔大多數外部外洩事件。攻擊者利用薄弱的驗證、未修補的弱點和錯誤設定的系統來接觸 PII 資料庫。一旦進入您的網路，橫向移動技術可讓攻擊者提升權限並存取敏感資料儲存庫。人為因素驅動了大多數外洩：遭竊憑證、網路釣魚或濫用存取權限。
2. 內部威脅 來自您組織內部的受信任位置。具有合法存取權的員工、承包商和業務夥伴，可能故意外洩 PII，或因疏忽而意外暴露資料。惡意內部人員造成的外洩尤其昂貴，因為他們了解您的安全控制，並知道有價值資料位於何處。
3. 第三方供應商 會在您直接控制範圍之外形成延伸的攻擊面。當您與雲端供應商、支付處理商或分析平台共享 PII 時，您依賴的是他們的安全控制。針對供應商系統的供應鏈入侵，會透過受信任的業務關係，讓攻擊者間接存取您的 PII。

了解這些基礎威脅，有助於建立實作核心保護原則的背景，以系統化方式應對每一種攻擊向量。

PII 保護的核心原則

無論特定合規框架或產業別為何，五項基礎原則皆支配有效的 PII 安全。

1. 資料最小化： 僅蒐集已定義業務目的所需的 PII。當您不儲存資料時，攻擊者就無法竊取它。請每季檢視蒐集實務並刪除不必要的 PII。最小化可透過限制暴露面，同時降低隱私與安全風險。
2. 目的限制： 僅將 PII 用於蒐集時揭露的特定目的。超出原始意圖處理 PII，需取得明確同意或具備合法依據。請記錄每一項處理目的，並據此限制系統存取。
3. 儲存限制： 僅在合法業務或法律要求所需期間內保留 PII。根據保留時程實作自動刪除政策。以可識別形式保存個人資料的時間，不得超過其預定目的所需。
4. 完整性與機密性： 透過適當的技術與組織措施保護 PII。加密、存取控制和安全監控可防止未經授權的存取與修改。這些控制必須同時應對意外遺失與蓄意攻擊。
5. 可歸責性： 透過文件、稽核軌跡和治理流程證明合規。您必須證明控制措施確實有效，而不只是聲稱它們存在。

這些原則構成了 AI 特定控制所建立的基準，用以應對傳統與新興的 PII 安全挑戰。

AI 如何影響 PII 網路安全措施

AI 不只是加速了您所面對的攻擊。它還創造出全新的攻擊方法來鎖定您的系統，並擴大了 個人可識別資訊 的構成範圍，而這些是傳統防禦無法應對的。

鎖定 PII 的 AI 強化攻擊技術

2025 年 19% 的憑證填充率意味著，攻擊者會持續對您的登入系統執行最佳化的驗證嘗試。機器學習演算法會測試從先前外洩事件中取得的憑證組合，並根據您系統的回應最佳化模式。即使是小型組織也會遭遇 12% 的攻擊率，而成功的憑證填充會完全繞過您的周邊安全，直接將經驗證的存取權交付到 PII 資料庫。

英國工程公司 Arup 損失了 2,500 萬美元 於 2024 年因深偽影片在通話中冒充其 CFO 而遭受損失。您的安全意識訓練教導員工透過電話驗證異常請求。當電話本身就是合成的時，會發生什麼事？

該 FBI 記錄了 166 億美元的損失，來自 2024 年的 859,532 起投訴，較 2023 年增加 33%。聯邦機構特別警告，犯罪分子會利用 AI 製作極具說服力的語音或影片訊息及電子郵件。Verizon 的研究證實，60% 的網路釣魚事件屬於身分型攻擊，其中 50% 的使用者會在第一小時內開啟釣魚郵件。

AI 系統中的 PII 威脅

資料投毒會直接威脅您的 AI 系統。當您使用遭入侵的資料集訓練模型時，攻擊者可以操控 AI，使其做出 PII 分類與存取控制決策。根據 NSA、CISA 與 FBI 的聯合指引（2025 年 5 月），攻擊者將惡意修改的訓練資料視為攻擊 AI 系統的主要方法。您的 AI 可能正在從攻擊者控制的範例中學習。

這些攻擊方法進一步加劇了 PII 定義本身的根本性擴張。

AI 對 PII 類別的擴張

DHS 於 2025 年 1 月的更新 記錄了臉部辨識與生物特徵擷取技術的積極部署，以及強化的治理框架。隨著 AI 系統創造出新的類別，組織必須分類哪些屬於 PII 資料、哪些屬於非個人資訊：臉部特徵、生物特徵範本、行為模式，這些都需要與姓名和 SSN 組合不同的安全控制。

CCPA 明確規範 按鍵動態、步態分析、聲紋，以及來自穿戴式裝置的健康資料。如果您的詐欺系統分析使用者如何打字、您的端點安全監控滑鼠移動，或您的實體安全追蹤步行模式，則您正在依據加州法律處理生物特徵 PII。

加州對 AI 產生推論的規範擴大了個人資訊的定義。當您的推薦引擎建立行為設定檔、您的風險評分平台預測使用者行為，或您的分析系統推斷心理特徵時，這些演算法輸出依據 California Civil Code §1798.140(o)(1)(K) 構成個人資訊。您必須對模型產生的預測負責，而不只是對您最初蒐集的資料負責。

若不了解您的特定法規遵循義務，您就無法防範 AI 強化攻擊，而這些義務會因司法管轄區與產業而有顯著差異。

PII 法規遵循考量

法規遵循不只是勾選核取方塊，而是在監管機關調查您的資料外洩事件時展現問責能力，且財務風險相當可觀。各司法管轄區對 PII 的定義不同，為全球營運的組織帶來複雜義務。

GDPR 要求

第 32 條 要求採取假名化、加密、持續維護處理系統的機密性、完整性、可用性與韌性，以及在事件發生後及時恢復個人資料可用性與存取權限的能力。您必須在一個月內回應 資料主體存取請求，提供處理目的、個人資料類別、接收者及保存期限。

EDPB Opinion 28/2024 確立，部署 AI 模型會產生控制者義務。 在部署任何處理個人資料的 AI 系統之前，您必須確認供應商是否透過合法處理來開發該模型。您不能以不知情為由，忽視 AI 供應商的訓練資料來源。當您基於合法利益部署 AI 時，必須進行三步驟的合法利益評估，記錄必要性、權衡測試與保障措施。

當您透過 AI 系統處理特殊類別的個人資料時，您需要 GDPR 第 9 條下的豁免。根據 歐洲議會分析與 EDPB 指引，即使出於善意，若未符合第 9 條有限的法定依據之一，您也不能為偏誤分析而處理敏感個人資料。

CCPA ADMT 要求

您只有不到 12 個月的時間來實施 自動化決策技術 (ADMT) 透明度要求。加州企業必須提供有意義的 ADMT 邏輯資訊、對個別消費者可能結果的說明，以及可運作的退出機制。這些要求將於 2026 年 1 月 1 日生效。Cybersecurity Services 稽核要求與強制性風險評估也將同時生效。

該 每次違規 7,988 美元的罰款，適用於故意違規或影響未成年人的情況，會使不合規對大規模營運造成高達數千萬美元的風險曝險。

HIPAA 的要求

HHS 關於線上追蹤技術的指引 要求您設定使用追蹤技術的使用者驗證網頁，使其僅能依據 HIPAA 隱私規則使用與揭露 PHI。此外，當受涵蓋實體揭露 PHI 時，必須與追蹤技術供應商簽訂商業夥伴協議 (BAA)。所有透過網站或應用程式蒐集的 ePHI 都需要受到安全規則保護。

在向追蹤技術供應商揭露 PHI 之前，您需要商業夥伴協議。當您的分析平台、預約排程系統及行銷自動化工具處理 PHI 時，都需要 BAA。使用第三方追蹤並自動將 PHI 傳送給供應商的預約排程系統需要 BAA。商業夥伴的安全失敗會觸發六位數罰款。

依據 45 CFR § 164.308(a)(1)(ii)(A) 的風險分析 必須涵蓋您建立、接收、維護或傳輸的所有 e-PHI。根據 HHS 指引，此分析必須作為持續性安全管理流程的一部分定期審查與更新，而非一次性評估。

監管框架告訴您要保護什麼。了解常見錯誤有助於您避免導致法規遵循失敗與資料外洩的陷阱。

常見的 PII 安全錯誤與挑戰

避免這些會在 AI 系統中暴露 PII 並造成監管責任的關鍵錯誤。

• 不要在沒有提示注入防禦的情況下部署 AI 系統。 提示注入攻擊 之所以會出現在 OWASP 的 LLM Applications Top 10 中，是因為攻擊者可以透過精心設計的輸入操縱 AI 系統以擷取 PII。當您的 AI 聊天機器人處理使用者查詢、客戶支援工單或外部內容時，嵌入該內容中的惡意指令可能會誘使模型洩露敏感資料。像是 Prompt Security，一家 SentinelOne 旗下公司，可針對依據您應用程式使用案例脈絡化的提示注入攻擊提供專門偵測。它會持續演進，以因應新的攻擊方法，例如針對從 AI 系統擷取 PII 的攻擊。
• 不要假設去識別化能保護您 AI 訓練資料中的 PII。 在「匿名化」資料集上訓練的模型，可能會透過生成輸出或成員推論攻擊洩露可識別資訊。根據 EDPB Opinion 28/2024，部署 AI 模型的控制者必須確認供應商並未透過非法處理個人資料來開發模型。
• 不要將 AI 產生的推論視為非個人資料。 加州明確規範源自個人資訊的預測。根據 California Civil Code §1798.140(o)(1)(K)，AI 產生的推論，包括反映消費者偏好、心理趨勢與行為的個人檔案，明確被歸類為個人資訊。
• 不要在未驗證訓練資料合規性的情況下部署 AI 模型。 EDPB Opinion 28/2024 規定，控制者在部署前必須確認供應商是否透過合法處理開發 AI 模型，並證明符合 GDPR Article 5(1)(a)。「我們是向供應商購買該模型」並不能滿足問責義務。
• 不要忽視正在攻擊您系統的 19% 憑證填充率。 多因素驗證可立即阻止這種攻擊方法。當攻擊者透過憑證填充得逞時，他們便能取得對 PII 資料庫的已驗證存取權，進而觸發平均 948 萬美元的資料外洩成本。
• 不要忘記為 AI 服務更新您的 business associate agreements。 您的分析平台新增了 AI 功能，而其處理 PHI 的方式不同於規則式分析。您原本的 BAA 並未涵蓋這些新的處理活動。根據 EDPB Opinion 28/2024，控制者必須確認供應商並未透過非法處理來開發 AI 模型。
• 不要忽略詐欺分析中的行為生物特徵。 您的詐欺平台會分析打字模式、滑鼠移動與裝置互動節奏。根據 CCPA，這屬於生物特徵資訊，需提供特定通知、蒐集限制與保存政策。
• 不要假設 GDPR 的合法利益會自動涵蓋 AI 處理。 基於合法利益部署 AI 模型的控制者，必須進行三步驟評估，以證明必要性、利益衡量測試與適當保障措施。
• 不要在沒有完整記錄的情況下運作 AI 系統。 當監管機關調查您的資料外洩事件時，您需要證據來證明您的 AI 系統存取了什麼、處理了什麼，以及輸出了什麼。若沒有稽核軌跡，「模型做出了那個決定」並不能滿足問責要求。

知道該避免什麼只是成功的一半。下一節將說明如何實作整合式技術控制，在整個 AI 生命週期中保護 PII。

AI 環境中 PII 安全性的最佳實務

同時整合五個框架：NIST Privacy Framework 1.1、NIST Cybersecurity Framework 2.0、CISA AI Roadmap、SANS Critical AI Security Guidelines，以及特定司法管轄區的合規要求（GDPR/CCPA/HIPAA）。技術控制與持續監控將決定您是否能在資料外洩事件中存活下來。

將 NIST Privacy Framework 1.1 與 Cybersecurity Framework 2.0 整合

NIST 的 Privacy Framework 1.1 為您提供五項專為 PII 保護設計的核心功能：

• IDENTIFY-P: 盤點每一個接觸 PII 的 AI 系統，記錄從蒐集到處置的資料流，並映射包含第三方處理者在內的業務脈絡。根據 NIST Privacy Framework 1.1，您的風險評估必須納入 AI 特有威脅，包括模型投毒、訓練資料遭入侵、推論洩漏與對抗性攻擊。
• GOVERN-P: 建立與資安風險管理整合的隱私治理。定義涵蓋 AI 模型監督的角色，包括在 AI 部署前進行問責評估。您的政策必須處理 AI 訓練資料來源、第三方模型評估、演算法決策審查與供應鏈安全。
• CONTROL-P: 實施去關聯化處理，以將 AI 作業中的 PII 暴露降至最低。可行情況下，使用去識別化資料進行訓練。強制執行分別涵蓋模型訓練、推論與保存的資料生命週期政策。
• COMMUNICATE-P: 建立透明機制，向資料主體說明 AI 處理。CCPA 的 ADMT 要求自 2026 年 1 月 1 日起生效，規定必須提供有意義的決策邏輯資訊、可能結果的說明，以及退出機制。
• PROTECT-P: 部署專為 AI 基礎架構設計的身分管理、驗證、存取控制、加密與平台安全控制。這包括用於發現竄改的模型完整性驗證、防止模型遭竊與逆向工程、版本控制與完整性檢查，以及具備職責分離的模型部署存取控制。

• GOVERN, NIST CSF 2.0 的 第六項功能，提供組織層級的資安風險管理。根據 NIST 的公告，Privacy Framework 1.1 的建構目的就是與 Cybersecurity Framework 2.0 直接整合，使組織能夠平行實施這兩個框架。

整合 SANS Critical AI Security Guidelines

SANS 提供六大作業控制類別，專門針對 AI 系統。什麼是需要保護的 PII 資料？這些控制可協助您在整個 AI 生命週期中識別並保護它：

1. 輸入驗證與淨化： 防範可能擷取 PII 的提示注入、資料投毒與對抗性輸入
2. 模型安全： 保護模型免於遭受竄改、竊取與未經授權的存取；保護模型權重與架構。這表示要保護權重、架構與訓練管線，避免遭到竄改與竊取。根據 NSA、CISA 與 FBI 的聯合指引，竊取您模型的攻擊者可以對訓練資料進行逆向工程，可能擷取嵌入模型參數中的 PII。版本控制與完整性檢查可防止未經授權的模型修改，以免停用 PII 保護。
3. 輸出控制： 這些控制會驗證並監控您的 AI 系統回傳給使用者的內容。模型有時會透過生成的輸出洩漏訓練資料。根據 SANS Critical AI Security Guidelines v1.1，輸出控制會驗證並監控 AI 生成內容，以在回應送達使用者之前防止 PII 洩漏。
4. 存取控制： 這些控制要求採用具備強式驗證的角色型存取控制。您的 AI 平台需要針對訓練資料存取、模型部署、推論查詢及管理功能設定不同權限。根據 NIST Privacy Framework 1.1，職責分離可防止單一帳戶遭入侵而暴露所有 AI 作業
5. 資料保護： 在 AI 生命週期的各個階段保護訓練資料與營運資料：蒐集、前處理、訓練、推論、儲存，這需要超越傳統資料庫安全的控制措施。訓練資料儲存需要在靜態、傳輸中及處理期間進行加密。推論資料即使使用可能被重新識別的「匿名化」輸入，也需要同等保護。
6. 監控與記錄： 完整記錄 AI 的輸入、輸出與決策，可實現安全監控與合規稽核。未記錄的內容就無法調查。您的 SIEM 必須擷取 AI 平台遙測資料，並與傳統安全事件一併處理。

以零信任驗證每一項 AI 系統請求

零信任架構是保護 AI 系統中 PII 的關鍵安全原則。 CISA 的 AI 安全路線圖 強調 AI 系統與任何軟體系統一樣，需要相同的 Secure by Design 原則，在整個生命週期中防範網路威脅，包括部署前的安全評估、營運期間的持續監控，以及 AI 元件與訓練資料的供應鏈安全。

NIST 網路安全框架 2.0 透過其 PROTECT (PR) 功能納入零信任原則，特別要求強健的身分識別以及驗證/存取控制機制。結合 NIST Privacy Framework 1.1 時，組織必須實作專為處理個人可識別資訊的 AI 系統所設計的身分管理與驗證控制。

NSA、CISA 與 FBI 聯合指引 關於 AI 資料安全的內容再次強調，惡意行為者會利用遭入侵的憑證與供應鏈弱點來存取 AI 訓練流程與推論系統。

無論網路位置為何，都要驗證每一項存取請求。您的 AI 訓練基礎架構不應預設信任來自企業網路的請求。對執行 AI 工作負載的服務帳戶實作最小權限存取。將處理不同 PII 類別的 AI 系統分隔到不同的信任區域。部署多重要素驗證以對抗憑證填充攻擊。

您必須在整個營運生命週期中持續監控，而不僅僅是在部署期間。AI 系統行為會隨時間漂移：模型衰退、資料分布變化，以及對抗性適應都會改變您的風險輪廓。回應時間窗口會從數週壓縮到數分鐘。根據 NIST Cybersecurity Framework 2.0，持續監控 (DE.CM) 與不利事件分析 (DE.AE) 是必要功能。

處理 AI 元件與訓練資料的供應鏈安全

第三方 AI 服務會將您的攻擊面擴展到您無法控制的基礎架構之外。根據 NSA、CISA 與 FBI 聯合指引（2025 年 5 月），AI 訓練資料供應鏈是主要攻擊手法之一，攻擊者會將經惡意修改的「中毒」資料注入 AI 訓練資料集。

依照 CISA 的 AI 安全路線圖 的要求，在部署 AI 系統之前進行安全評估。您的供應商安全問卷需要涵蓋訓練資料來源、模型開發環境，以及保護模型成品的安全控制等問題。記錄整個 AI 供應鏈，包括資料集、預先訓練模型、API 與推論平台。

在 AI 供應商處理 PII 之前，先建立涵蓋其責任的商業夥伴協議或資料處理協議。您的合約必須明確規定資料處理要求、安全控制、事件通知時程與稽核權利。根據 GDPR 第 28 條，處理者協議必須涵蓋處理事項、期間、性質與目的、個人資料類型、資料主體類別，以及控制者的義務與權利。HIPAA 商業夥伴協議必須處理 Security Rule 與 Privacy Rule 要求。CCPA 服務提供者合約則要求適當條款，以及對資料經紀商註冊狀態的驗證。

這些技術控制與框架為 PII 保護奠定基礎，但實作需要能以 AI 強化威脅速度執行的自主能力。

雲端與混合環境中的 PII 安全

雲端與混合式基礎架構帶來傳統邊界防禦無法解決的獨特 PII 安全挑戰。共同責任模型、動態資源配置與多租戶架構都需要專門的控制措施。

• 共同責任缺口： 雲端供應商負責保護基礎架構，但您仍需負責資料保護。設定錯誤的儲存貯體、權限過於寬鬆的存取原則，以及未加密的資料儲存，都會使 PII 暴露於未經授權的存取。雲端型資料外洩通常源自設定錯誤，而非供應商弱點。
• 資料駐留與主權： 儲存在多個雲端區域的 PII 必須遵循特定司法管轄區的法規。有些框架限制在缺乏適當保障的情況下，將資料傳輸到特定地理邊界之外。無論您在何處處理其資料，法規都適用於居民。請對跨雲端區域的資料流進行對應，並在需要時實作在地化控制。
• 容器與無伺服器安全： 處理 PII 的短暫運算資源需要超越傳統端點安全的執行階段保護。容器會繼承基礎映像中的弱點。無伺服器函式透過 API 呼叫存取 PII，這會繞過網路邊界。部署雲端原生應用程式保護平台，從建置階段到執行階段保護工作負載。
• 跨環境可視性： 混合式部署會將 PII 處理分散於地端與雲端系統之間。跨環境的統一監控可偵測跨越基礎架構邊界的攻擊，從而支援調查涉及雲端與地端系統間資料移動的外洩事件。

當人工監控無法跟上動態雲端作業的速度時，自主式雲端工作負載安全就變得不可或缺。

使用 SentinelOne 保護 PII 資料

您的 PII 安全需要能匹配 AI 最佳化攻擊速度的自主回應。人工關聯分析與基於特徵碼的偵測，無法對抗目前正鎖定您系統的高頻率憑證填充或深偽社交工程攻擊。

Singularity Platform 的 行為式 AI 會透過識別基於特徵碼的系統無法發現的異常驗證模式，來偵測憑證填充，並依照 NIST CSF 2.0 的要求，對 AI 系統提供持續監控。該平台即時執行 NIST 的監控要求，在 AI 強化攻擊偏離正常行為模式的當下立即發現。

Storyline 會自動建立具鑑識品質的調查資料，並提供完整脈絡，將攻擊者行動連結到特定 PII 記錄。您無需手動關聯日誌，即可取得 NIST Privacy Framework 1.1 所要求的完整稽核軌跡。當監管機關調查您的外洩事件時，Storyline 可提供證據，精確說明您的 AI 系統存取、處理及輸出了哪些內容：滿足 GDPR 第 5(1)(a) 條與 CCPA §1798.185 的問責要求。

Singularity Cloud Security 包含整合式 DSPM，可依據 GDPR、SOC2 與 NIST 800-122 等 PII 保護要求，自動探索、分類並排序雲端物件資料儲存與關聯式資料儲存中的曝險優先順序。透過 DSPM 提供的持續保護，您將能隨時掌握與 SSNs、CCNs、HIPAA 等相關的敏感資料儲存在何處，以及其是否暴露給攻擊者。 

Purple AI 負責處理例行性的威脅評估，讓您的分析師能專注於涉及 PII 洩露的複雜調查，直接執行 NIST CSF 2.0 的 RESPOND 功能要求。AI 會自主評估警示、依嚴重程度分類事件，並僅升級需要人工專業判斷的項目。您的團隊調查的是 PII 外洩事件，而不是誤報。

申請示範 了解 SentinelOne 如何在 AI 時代保護 PII 資料。

Singularity™ Platform

Elevate your security posture with real-time detection, machine-speed response, and total visibility of your entire digital environment.

Get a Demo