企業文件的安全 GenAI：為何安全性、存取控制與 AI 治理必須從一開始就納入架構

生成式 AI 正迅速改變組織與文件及企業知識互動的方式。員工不再需要手動搜尋資料夾、儲存庫、檔案庫及文件管理系統。透過 Agentic RAG 與 AI Document Agents，員工可以使用自然語言提問、分析大量文件集合、擷取資訊、比較記錄、摘要內容，並啟動以文件為核心的工作流程。

然而，對政府機構、金融機構、關鍵基礎設施營運商、醫療機構、國防相關環境及其他受監管企業而言，最大的挑戰並不只是 AI 是否能夠理解其文件。

更重要的問題是：

組織如何讓 AI 存取數百萬份文件，同時避免使用者取得其原本無權查看的資訊？

這正是許多企業 GenAI 專案變得更加複雜的地方。

單靠 LLM 並無法理解組織的安全架構。LLM 本身並不知道哪些員工隸屬於哪些部門、哪些文件屬於機密、誰獲准下載檔案、哪些管理員可以刪除資訊，也無法判斷提出問題的使用者是否獲得授權，可以擷取相關內容。

因此，企業 GenAI 所需要的遠不只是將 LLM 連接至向量資料庫。

它需要一套具備安全性意識的文件與知識智能架構，讓身分識別、權限、文件控制、加密、治理、可稽核性、AI 資訊擷取及工作流程控制協同運作。

這正是 elDoc 韌性安全防護與控制架構的核心理念。

企業 AI 引入全新的存取層

傳統企業安全性長期以來主要著重於使用者與應用程式之間的直接互動。

使用者進行身分驗證，系統識別使用者身分，並檢查其權限，之後決定是否允許使用者存取特定資料夾、檔案、記錄或功能。

GenAI 改變了這一模式。

假設員工向 AI Agent 提出以下要求：

「找出與此供應商相關的所有合約，識別定價條件，並摘要其中的終止條款。」

員工可能從未直接開啟相關文件。

AI 系統會搜尋企業知識、擷取相關資訊、進行處理，並產生答案。

這帶來了一項重要的安全性要求：

AI 資訊擷取絕不能成為繞過一般文件權限控制的途徑。

如果使用者獲准存取一個包含 200 萬份檔案的儲存庫中的 20 份文件，AI 不應代表該使用者搜尋全部 200 萬份文件，並揭露其權限範圍以外文件中的資訊。

AI 應在與使用者相同的授權資訊邊界內運作。

這正是 elDoc 實現安全 Agentic RAG 的核心原則之一。

AI 之前，先做好安全防護

企業導入 GenAI 的常見做法，是先從 LLM 開始，連接企業文件、建立嵌入向量或向量資料庫，之後才考慮安全性問題。

對於受監管的環境，架構設計則應採取相反的方式。

安全防護必須在執行 AI 查詢之前就已建立。

elDoc 的框架以多個相互連結的企業安全防護層為核心。

安全防護層	用途	對 GenAI 的重要性
平台可用性與安全性	高可用性、備援、複製與業務持續性	確保企業 AI 與知識服務持續運作
身分驗證	MFA、SSO、OTP 與企業身分整合	確認提出 AI 請求的使用者身分
角色與權限	RBAC、組織權限與最小權限原則	決定使用者可以存取哪些資訊
操作權限控制	讀取、編輯、複製、下載、列印、分享及權限控制	控制使用者與流程可以對資訊執行哪些操作
加密與資料保護	保護傳輸中、儲存中及處理期間的資料	在企業資訊的整個生命週期中提供保護
安全分享	OTP、密碼、到期控制、安全檢視與浮水印	將治理與控管延伸至組織外部
稽核與追蹤	日誌與結構化工作流程歷程	建立文件操作的可追溯性與責任歸屬
Agentic RAG 安全性	具備權限感知的企業知識擷取	防止 AI 繞過既有的資訊存取邊界

最終形成的架構，與獨立運作的企業聊天機器人有著根本性的不同。

AI 成為另一種受控的企業資訊互動方式，而不是凌駕於既有資訊之上的失控層。

身分識別成為 AI 的第一道安全邊界

AI 平台在判斷使用者獲准擷取哪些資訊之前，首先必須確認使用者的身分。

elDoc 採用專為企業環境設計的分層式身分驗證機制。

多因素身分驗證

多因素身分驗證在使用者名稱與密碼之外增加額外的驗證機制，並可與常用的身分驗證應用程式整合。

這有助於降低因認證資訊遭到洩露而產生的安全風險。

單一登入

單一登入可讓組織將 elDoc 與現有的身分識別基礎架構連接。

企業無需專門為文件智能或 GenAI 建立完全獨立的身分識別環境，而是可以將該平台整合至既有的身分驗證生態系統中。

Active Directory 同步

對於使用 Microsoft Active Directory 的組織，elDoc 可以同步使用者、組織群組及相關權限。

這對 AI 而言具有重要意義。

如果員工轉換部門、離開組織，或其權限發生變更，企業知識的存取權限應遵循組織既有的身分識別與授權政策，而不應要求另行建立一套完全獨立的 AI 權限架構。

外部存取的 OTP 驗證

文件對外協作會形成另一道安全邊界。

elDoc 支援透過一次性密碼（OTP）對外分享資訊進行身分驗證，有助於確保僅持有分享連結本身並不代表一定能夠取得存取權限。

這些控制機制共同建立了一條信任鏈：

身分識別 → 身分驗證 → 角色 → 權限 → 獲授權文件 → Agentic RAG → AI 回應

其中任何一個環節出現缺口，都可能造成安全風險。

AI 必須遵循角色型存取控制

身分驗證回答的是使用者是誰。

授權則回答一個更重要的問題：

這個人實際獲准查看哪些資訊，以及可以執行哪些操作？

elDoc 採用以最小權限原則為基礎的角色型存取控制（RBAC）。

使用者依據其職責獲得相應的存取權限，而不是直接取得整個企業儲存庫的廣泛存取權。

權限也可以根據組織架構動態調整，包括職務、匯報關係及部門等。

導入 GenAI 後，這一點變得尤為重要。

假設一個組織擁有以下文件：

• 人力資源文件；
• 法律協議；
• 採購文件；
• 董事會文件；
• 客戶記錄；
• 工程文件；
• 財務資訊；
• 機密管理報告；
• 作業程序；
• 監管機構往來文件。

所有這些文件都可能存在於同一個企業知識環境中。

但這並不代表每位員工，或代表該員工執行工作的每個 AI Agent，都應該能夠存取所有這些文件。

企業知識不等於全企業範圍的存取權。

知識平台不僅需要了解有哪些資訊存在，還必須了解哪些人獲准擷取這些資訊。

從角色型安全防護到檔案層級控制

對許多受監管組織而言，廣泛的角色權限仍然不足。

同一部門的兩名員工可能擁有不同的存取權限。專案團隊可能獲准存取特定的一組檔案，而部門中的其他文件仍受到存取限制。

因此，elDoc 將治理與控管延伸至更細緻的文件層級權限。

其操作型控制機制可以針對以下個別操作進行控管：

操作	控制範例
存取	使用者是否可以存取檔案或資料集
讀取	使用者是否可以查看內容
讀取與編輯	獲授權的使用者是否可以修改內容
複製	資訊是否可以被複製
下載	文件是否可以離開受控環境
列印	是否可以製作紙本副本
分享	資訊是否可以在組織內部或對外分享
權限編輯	使用者是否可以變更存取權限

這些限制可以套用至較廣泛的平台層級，也可以套用至特定檔案。

這項區分對企業 AI 至關重要。

獲准透過 AI 介面讀取資訊，並不代表使用者也應自動獲准下載、修改、重新分發或刪除相關原始文件。

AI 絕不應成為超級管理員

企業 GenAI 最常見且影響重大的架構錯誤之一，是讓 AI 資訊擷取層廣泛存取整個儲存庫，然後才嘗試在最終答案階段進行篩選。

從治理角度來看，這會造成不必要的資訊暴露風險。

相較之下，elDoc 將安全模型套用至 AI 互動，確保 AI 在獲授權的資訊邊界內運作。

這項原則可以簡單概括為：

AI 代表使用者所掌握的資訊，不應超出該使用者獲授權知悉的範圍。

經過身分驗證的使用者與 AI 功能互動時，存取限制仍然是資訊擷取流程的一部分。

當組織從簡單的問答系統進一步轉向能夠執行操作的 AI Document Agents 時，這一點尤其重要。

AI Agent 需要治理，而不只是智能

企業 GenAI 的下一階段，不只是打造更強大的聊天功能。

而是 Agentic AI。

AI Agents 不再只是產生文字，而是日益能夠執行涉及企業文件與工作流程的操作。

這帶來了一項重要的治理區分。

以下兩種要求存在顯著差異：

「摘要這份合約。」

與：

「處理這份合約、更新其中繼資料、將其送交核准，並通知負責部門。」

第二種要求讓 AI 從資訊擷取進一步進入業務作業。

因此，企業 AI 架構需要明確區分：

AI Agent 能夠理解什麼、可以存取什麼，以及獲授權執行什麼操作。

因此，隨著 AI 自主程度提高，底層權限、工作流程規則、核准機制及稽核機制也變得越來越重要。

Human-in-the-Loop 仍然不可或缺

安全的企業 AI 並不意味著要將人員排除在所有流程之外。

在許多受監管的環境中，人工核准仍然是不可或缺的控制機制。

elDoc 的安全架構針對敏感操作採用職責分離與四眼原則（four-eyes principle）。

例如，該框架將不同的管理職責分開，並針對文件刪除操作建立額外的安全防護機制。

這項治理原則對 Agentic AI 同樣具有重要意義：

高風險操作不應僅因 AI 在技術上能夠執行，就自動轉為自主執行。

因此，組織可以在文件工作流程中的適當環節，將 AI 驅動的自動化與人工審查及核准相結合。

如此一來，企業可以提高自動化程度，同時維持責任歸屬與可追溯性。

全資訊生命週期的加密防護

存取控制保護的是誰可以存取資訊。

加密則保護資訊本身。

elDoc 的框架涵蓋資料生命週期中的多個階段。

傳輸中加密

用戶端、伺服器與叢集元件之間的通訊採用傳輸層安全性（TLS）進行保護，框架說明 TLS 1.2 預設啟用。

這有助於保護資訊在不同系統與基礎架構元件之間傳輸時的安全。

靜態資料加密

儲存的檔案、索引、快照及其他資料磁碟區可採用 AES-256 加密進行保護。

這對企業 AI 尤其重要，因為啟用 AI 的知識環境可能包含數百萬份已建立索引的文件及相關資訊。

客戶控管的加密金鑰

此架構也支援與以下金鑰管理服務整合：

AWS KMS、Google Cloud KMS 與 Azure Key Vault。

這讓組織可以根據自身的基礎架構與治理要求，進一步掌控加密金鑰的管理。

資料處理期間的保護

此框架也透過用戶端加密與客戶控管的金鑰，進一步涵蓋使用中資料的加密防護。

其目標是採取更完整的生命週期防護方式：

在企業資訊儲存、傳輸及處理的各個階段提供保護。

當 GenAI 成為企業文件處理流程的一部分時，這一點尤其重要，因為資訊可能會經歷多個擷取、建立索引、處理及 AI 操作環節。

安全的企業 AI 同樣需要安全分享

並非所有資訊安全風險都源自 AI。

企業仍需要與供應商、合作夥伴、客戶、稽核人員、顧問、監管機構及其他外部利害關係人分享文件。

因此，elDoc 提供多層式安全檔案分享機制。

安全控制	功能
OTP 身分驗證	為外部存取增加收件者身分驗證
密碼保護	增加額外的存取防護
到期控制	在指定期間結束後自動終止存取權限
安全檢視模式	限制敏感文件的使用方式
動態浮水印	加入收件者與存取時間資訊，以強化責任追溯
權限管理	控制下載、編輯、上傳及再次分享

動態浮水印對敏感文件尤其具有價值。

分享的文件可以附帶與收件者及存取時間相關的識別資訊，以強化可追溯性，並降低未經授權再次分發的風險。

文件離開原始資料夾或工作流程後，安全防護仍應持續。

隨著 AI 讓企業資訊更容易被發現與使用，這項原則也變得更加重要。

可稽核性：了解發生了什麼與防止問題同樣重要

安全性不僅在於防止未經授權的活動。

組織也需要具備還原事件經過的能力。

這對政府機構及受監管企業尤其重要，因為合規團隊、稽核人員及安全管理人員可能需要取得相關證據，以了解資訊如何被存取與處理。

elDoc 會詳細記錄與文件相關的活動，包括以下操作：

• 建立與編輯；
• 核准與拒絕；
• 刪除；
• 審查與留言；
• 委派；
• 時間戳記；
• 經身分驗證的使用者活動。

除了個別稽核事件之外，elDoc 還會保留結構化的工作流程歷程。

這能提供文件在業務流程中流轉過程的完整脈絡。

組織可以利用這項可視性，確認核准是否按照正確順序進行、識別異常變更、發現延遲，並調查偏離既定工作流程的情況。

在 AI 驅動的流程中，這一點變得越來越重要。

隨著 AI Agents 執行越來越多的文件操作，組織需要持續具備回答以下問題的能力：

發生了什麼？誰發起了這項操作？涉及哪些資訊？套用了哪些權限？遵循了哪個工作流程？是否需要人工核准？

缺乏責任追溯機制的企業 AI，可能帶來重大的治理挑戰。

具備可追溯工作流程的企業 AI，則更容易實現有效控管。

可用性與韌性同樣是安全性要求

在 AI 安全性的討論中，機密性往往受到高度關注，但企業資訊安全同樣需要兼顧可用性與完整性。

AI 驅動的知識平台最終可能成為企業核心營運系統。

員工可能依賴該平台擷取政策文件、分析合約、處理案件、查找技術資訊、執行文件操作，以及支援決策。

因此，系統停機也會成為企業營運風險。

elDoc 的框架涵蓋以下架構能力：

高可用性叢集、負載平衡、資料複製、備援元件、區域持續運作及災難復原。

這讓組織可以根據自身的營運需求設計合適的部署架構，從較小型的環境到分散式企業架構皆可涵蓋。

對於跨區域營運或執行關鍵任務文件作業的組織而言，平台可以採用避免單一故障點的架構設計。

可用於正式生產環境的企業 AI，需要的不只是準確的模型，更需要可用於正式生產環境的基礎架構。

雲端、On-Premise 與 Sovereign AI 的要求

對許多組織而言，尤其是政府機構、國防相關組織、關鍵基礎設施營運商及高度受監管的企業，AI 運行在哪裡的重要性幾乎不亞於 AI 能做什麼。

此安全框架同時支援雲端與 On-Premise 環境，組織可根據自身的安全性、基礎架構、法規及資料治理要求，選擇合適的部署架構。

隨著對 Sovereign AI 的需求日益增加，這一點變得更加重要。

組織可能需要對以下事項擁有更高程度的控制權：

• 企業文件儲存在哪裡；
• 索引維護在哪裡；
• AI 處理在哪裡進行；
• 加密金鑰如何受到控管；
• 使用哪些 LLM；
• 資訊如何在不同基礎架構元件之間傳輸；
• 誰可以管理該環境。

因此，安全的 GenAI 應被視為一套完整的架構，而不只是單純的 AI 訂閱服務。

ISO/IEC 27001：以國際認可的框架支援安全性

在企業 GenAI 領域，安全性相關的聲明尤其重要。

因此，組織不應只關注功能清單，也應評估資訊安全實務如何在組織層面受到治理與管理。

2026 年，elDoc 取得 ISO/IEC 27001 認證，該認證的有效期限為 2029 年 3 月 22 日。

根據安全框架所述的認證範圍，該認證涵蓋：

與企業級文件與資料智能 GenAI 平台的設計與交付相關的資訊安全、網路安全與隱私保護，以及涵蓋雲端與 On-Premise 環境的託管解決方案。

這一點尤其重要，因為 elDoc 涵蓋多個高度敏感的技術領域：

企業文件 + 組織知識 + GenAI + Agentic RAG + AI Agents + 工作流程自動化。

ISO/IEC 27001 提供一套國際認可的框架，用於建立、實施、維護及持續改善資訊安全管理系統。

因此，對於正在評估企業 GenAI 平台的組織而言，此項認證可與產品內建的技術控制措施相互補充。

技術控制措施 + 資訊安全治理

這項區分非常重要。

MFA、加密、RBAC、細緻的權限控制、稽核日誌、安全分享及高可用性等技術能力，可保護技術環境的安全。

資訊安全管理框架則涵蓋更廣泛的組織流程，用於管理資訊安全風險。

對於受監管的客戶而言，這兩個層面都至關重要。

從安全文件邁向安全的知識智能

企業正在經歷更廣泛的轉型，從傳統文件管理逐步邁向知識智能（Knowledge Intelligence）。

過去，組織主要需要能夠儲存文件並協助員工找到文件的系統。

GenAI 改變了可能實現的方式。

現在，企業資訊可以轉化為一個知識層，讓 AI 能夠進行查詢、分析、比較、摘要，並在自動化流程中加以運用。

但這項轉型也改變了文件平台的角色。

現代企業知識平台需要理解：

傳統文件管理	AI 驅動的知識智能
文件在哪裡？	文件代表什麼？
誰可以開啟？	AI 可以為此使用者擷取哪些資訊？
誰可以編輯？	AI Agent 可以執行哪些操作？
誰分享了文件？	AI 是否可以在回應中使用其中的資訊？
檔案發生了什麼？	整個 AI 輔助工作流程發生了什麼？
文件是否受到保護？	完整的 AI 與文件互動是否受到治理與控管？

這正是企業 GenAI 安全性無法與企業文件安全性分開的原因。

這兩種架構正逐漸融合為一體。

零資料洩漏必須成為架構設計目標

導入 GenAI 的組織通常會著重於防止敏感資訊離開其受控環境。

但資料洩漏可能以多種方式發生。

使用者可能從其原本無權存取的文件中擷取資訊。AI 系統可能跨越不同安全邊界整合資訊。敏感資訊可能出現在 AI 產生的內容中。對外分享的存取權限可能持續超出原本預期的時間。管理員也可能擁有不必要的廣泛權限。

因此，elDoc 的安全模型採取多層式防護方式，而不是依賴單一的 AI 安全機制。

其目標很明確：

AI 產生的回應只能基於已獲核准、受到保護，且提出請求的使用者有權存取的企業資訊。

這需要身分識別、授權、資訊擷取安全性、加密、文件治理及可稽核性協同運作。

AI 與資料主權：讓企業智能掌握在自己手中

對政府機構、國防組織、關鍵基礎設施營運商、金融機構及其他高度受監管的企業而言，資料主權已不再只是關乎文件儲存在哪裡。隨著生成式 AI 的應用，組織還必須考慮文件在哪裡建立索引、提示詞在哪裡處理、嵌入向量與 AI 索引儲存在哪裡、由哪個 LLM 處理資訊，以及任何企業資料是否會離開受控的基礎架構。

elDoc 支援在客戶受控基礎架構內部署文件智能平台與 AI 技術堆疊的 On-Premise 架構。其安全框架專門支援 On-Premise 部署及由客戶自行控管的安全架構；實際採用的 AI 元件與 LLM 部署方式，則取決於所選擇的實施架構。

Sovereign AI 不僅意味著掌控資料本身，也意味著掌控圍繞這些資料的基礎架構、AI 處理、模型、存取權限及治理機制。

Sovereign GenAI 架構

完全受控的部署方式，可將文件與知識智能所需的主要元件部署於組織內部的基礎架構中：

主元件	Sovereign / On-Premise 架構
企業文件與檔案	儲存於組織受控的基礎架構內
文件管理	elDoc 以 On-Premise 方式部署
知識庫	企業知識維持於受控環境內
文件索引	在企業環境內執行索引建立
AI OCR／文件處理	可作為本地文件處理架構的一部分進行部署
搜尋與資訊擷取	企業資訊擷取服務維持於受控環境內
Agentic RAG	根據獲授權的企業知識及使用者權限執行資訊擷取
AI Document Agents	在受 elDoc 治理的環境中運作
LLM	可根據部署需求選擇本地／On-Premise LLM
提示詞與 AI 回應	使用本地模型時，可在受控的 AI 環境內進行處理
身分識別與身分驗證	與企業身分識別基礎架構整合，包括 AD／SSO
存取控制	RBAC 及細緻的文件層級權限
加密	保護傳輸中、靜態儲存及處理期間的資訊
稽核與工作流程歷程	企業活動可透過平台進行追蹤
基礎架構	由客戶控管的伺服器、儲存設備、網路，以及在需要時提供的 GPU 基礎架構

從資料主權邁向 AI 主權

傳統的資料主權主要著重於資訊儲存在哪裡。

GenAI 進一步擴大了這項要求。

對於追求 Sovereign AI 的組織而言，可能需要掌控完整的處理鏈：

文件 → OCR 與處理 → 索引 → 知識庫 → 權限 → Agentic RAG → AI Agents → LLM → 回應

如果這些元件均針對組織自有的基礎架構進行設計，企業就不必僅為取得 AI 產生的回應，而將敏感的企業資訊傳送至公開 AI 服務。

對於文件可能包含機密、保密、商業敏感、個人、營運或安全關鍵資訊的環境而言，這一點尤其重要。

On-Premise LLM

Sovereign 部署可使用本地託管的 LLM，具體取決於實施方案所選擇的模型與基礎架構。

如此一來，組織可以打造一個由其控管的基礎架構執行模型，並在其中處理提示詞、擷取的文件內容及產生的回應，而不必完全依賴外部公開 LLM API。

同時，elDoc 的架構支援LLM-agnostic 方式，讓 AI 層可以根據組織的安全性、效能、基礎架構及治理需求進行設計，而不必將企業知識架構綁定於單一模型。

企業 GenAI 的未來是受控的智能

企業 AI 的未來，不只是讓日益強大的 LLM 存取更多資訊。

而是讓 AI 在正確的權限下，為正確的使用者提供正確的資訊，以執行正確的操作，並在整個過程中維持責任追溯。

這正是失控的 AI 存取與受治理的知識智能之間的差異。

elDoc 在統一的環境中整合企業文件管理、細緻的安全防護、具韌性的基礎架構、加密、具備存取權限意識的 Agentic RAG、AI 驅動的文件功能、工作流程控制、安全分享及全面的稽核機制。

其核心理念很簡單：

安全防護不應在企業 GenAI 部署完成後才加入，而必須從第一天起就成為架構的一部分。

對於在受監管及高度重視安全性的環境中運作的組織而言，這為導入 GenAI 提供了一條可行途徑，同時無需放棄企業資訊管理所依賴的控制措施、責任追溯及治理機制。

與 elDoc 專家交流

計劃導入安全 GenAI、Agentic RAG、企業知識庫、AI 文件處理、Sovereign AI 或 On-Premise AI 的組織，應從安全性與治理架構著手，而不只是從選擇 LLM 開始。

與 elDoc 專家交流，了解如何為您的企業文件與知識打造安全、具備存取權限意識且可用於正式生產環境的 GenAI 環境。