위치:
LLM 데이터 마스킹(비Agentforce 생성형 AI 사용 가능)
프롬프트 내에서 중요한 데이터(PII, PCI 등)를 자동으로 식별하고 마스킹한 후 외부 대규모 언어 모델(LLM)로 전송합니다.
제어 이름
Einstein Trust 계층 - LLM 데이터 마스킹(Agentforce 생성형 AI 사용 가능)
제어 개요
프롬프트 내에서 중요한 데이터(PII, PCI 등)를 자동으로 식별하고 마스킹한 후 외부 대규모 언어 모델(LLM)로 전송합니다.
상세 설명
패턴 일치 및 기계 학습을 사용하여 민감한 엔티티(예: 이름, 이메일, 신용 카드 번호)를 자리 표시자로 바꾸며, 응답이 Salesforce로 반환된 후에만 마스킹이 해제됩니다.
권장 구성
Einstein 설정에서 "LLM 데이터 마스킹"을 활성화합니다. 개인정보 보호 및 규정 준수 요구 사항을 기반으로 모든 관련 엔티티(SSN, 전화, 이메일)에 대한 특정 마스킹 정책을 사용자 정의합니다.
보안 영향
GDPR 및 CCPA와 같은 글로벌 개인정보보호 규정 준수를 지원하기 위해 LLM 공급자와 중요한 데이터가 공유되지 않도록 방지합니다.
비즈니스 영향
데이터 보존 위반 또는 지적 재산권 누출 위험을 야기하지 않고 고객 대면 및 내부 워크플로에 안전하게 Gen AI를 도입할 수 있습니다.
구성되지 않은 경우 보안 위험
마스킹되지 않은 중요한 데이터(PII/PHI)는 LLM 공급자(예: OpenAI, Anthropic)에게 일반 텍스트로 전송되므로 데이터 처리 협약 및 조직 정책을 위반할 수 있습니다.
위협 시나리오
데이터 누출: 사용자가 실수로 프롬프트에 민감한 필드를 통합합니다.
예상 CVSS 점수 범위
중요(9.0~10.0)
위험 영향 고려 사항
외부 클라우드에 단일 마스킹되지 않은 레코드를 보내 필수 위반 알림을 트리거할 수 있는 규제 부문(재무, 건강)의 조직에서는 위험이 극도로 높습니다.
고위험 시점
생성 AI 사용자는 대부분의 사용 사례에서 프롬프트에 민감한 필드의 데이터(예: PII/PCI 데이터)를 통합합니다.
낮은 위험 시기
제로 데이터 보존(ZDR)은 외부 LLM 공급자와 기술적으로 적용되거나 회사에서 개발한 LLM을 교육하는 데 내부적으로 호스팅되는 모델이 사용됩니다.
비즈니스 및 통합 고려 사항
마스킹은 너무 많은 데이터가 숨겨지면 LLM의 상황별 정확도가 저하될 수 있습니다. 보안과 유틸리티의 균형을 맞추려면 프롬프트 템플릿을 주의 깊게 테스트해야 합니다.
보안 상태 검토 지침
보안 상태 검토는 Einstein Trust 계층 설정을 감사하여 데이터 마스킹이 활성화되었는지 확인합니다.
영향을 받는 사람
데이터 프라이버시 담당자, AI 개발자, 관리자, 프롬프트 빌더 또는 Einstein Copilot 기능을 사용하는 모든 사용자
