Mengamankan perusahaan agentic di Google Cloud

Kekhawatiran utama yang disebutkan oleh perusahaan adalah eksposur data sensitif sebesar 52% dan kepatuhan terhadap peraturan sebesar 50% (Sumber: Cloud Security Alliance, Des 2025). Namun, transisi perusahaan ke AI agentic otonom memunculkan vektor baru yang penting:

• Waktu rata-rata untuk mengeksploitasi kerentanan telah turun drastis menjadi minus tujuh hari, yang berarti zero-day secara rutin dieksploitasi sebelum patch software dipublikasikan (Sumber: Mandiant M-Trends Report)
• Identitas workload non-manusia kini 82 kali lebih banyak daripada identitas manusia di lingkungan cloud modern (Sumber: Google Cloud NEXT 2026)
• 42% agen AI perusahaan yang aktif saat ini memiliki hak istimewa yang sensitif dan terlalu permisif (Sumber: Google Cloud NEXT 2026)
• Untuk bertahan dari serangan berkecepatan tinggi ini, seluruh stack AI—infrastruktur, data, model, dan agen otonom—harus diamankan secara bersamaan

Penggunaan AI tanpa pengawasan terjadi ketika developer atau unit bisnis men-deploy model yang tidak disetujui, API eksternal, atau keahlian agen pihak ketiga tanpa peninjauan IT:

• Lebih dari 15% keahlian agen yang tersedia di marketplace publik diketahui berbahaya (Sumber: Google Cloud NEXT 2026)
• 68% organisasi menjalankan model yang dihosting sendiri yang dipaketkan jauh di dalam software pihak ketiga, sering kali tanpa menyadarinya (Sumber: Wiz, State of AI in the Cloud 2026)
• Untuk mendeteksi penggunaan AI tanpa pengawasan, organisasi menggunakan Wiz AI-APP, yang terhubung melalui API dalam 15 menit untuk menghasilkan AI-Bill of Materials (AI-BOM) yang dinamis, yang dipasangkan dengan Gemini, yang menyediakan Agent Registry terpusat untuk membuat katalog dan mengatur semua agen aktif, server MCP kustom, dan alat eksternal

Tidak. Meskipun kekurangan keahlian merupakan tantangan yang diakui, organisasi dengan tata kelola AI formal 3x lebih mungkin melatih staf tentang alat keamanan AI(Sumber: Cloud Security Alliance, Des 2025), dan tim keamanan kini memimpin perlindungan AI di 53% organisasi (Sumber: Cloud Security Alliance, Des 2025). Google Cloud mengalihkan keamanan langsung ke dalam struktur platform: konfigurasi dasar diotomatiskan melalui Enterprise Foundations Blueprint, interaksi runtime diatur secara native oleh Model Armor, dan agen temukan dan perbaiki otonom seperti CodeMender dan Wiz Green Agent menguji dan membuat patch kode idiomatis langsung di alur kerja developer.

Untuk mengamankan agen otonom, kita harus beralih dari akun layanan statis. Karena jumlah identitas non-manusia 82 kali lipat lebih banyak daripada manusia dan 42% agen aktif memiliki hak istimewa yang terlalu permisif (Sumber: Google Cloud NEXT 2026), Google Cloud membuat Stack Keamanan yang Mengutamakan Identitas:

• Agent Identity: Jenis entitas khusus dan kelas satu yang berbeda dari pengguna manusia, yang menyediakan kredensial runtime kriptografis, yang dibuktikan dengan kuat, dan terikat siklus proses
• Kontrol hak istimewa terendah: Kemampuan dibatasi menggunakan Privileged Access Manager (PAM) untuk akses just-in-time (JIT), sehingga menghilangkan hak istimewa tetap
• Principal Access Boundary (PAB): Memberlakukan batas resource yang ketat dan protektif untuk membatasi potensi dampak kerusakan maksimum dari identitas agen yang berjalan

Secure AI Framework (SAIF) adalah arsitektur konseptual Google untuk deployment AI yang aman dan bertanggung jawab. Arsitektur ini menerjemahkan prinsip keamanan Zero Trust ke dalam sistem AI dengan mewajibkan provenance build SLSA Level 3 yang divalidasi melalui Otorisasi Biner, pemeriksaan policy-as-code otomatis di Cloud Build, dan deteksi ancaman berkelanjutan. Di lingkungan agentic, SAIF beroperasi melalui siklus proses 4 tahap: Architect, Inventory, Intercept, dan Defend (Sumber: eBook Secure AI Innovation, Bab 6)

Model Context Protocol (MCP) adalah standar terbuka yang memungkinkan agen AI otonom terhubung ke sumber data eksternal, alat perusahaan, dan API bisnis. Namun, integrasi MCP kustom yang tidak dikelola akan memasukkan endpoint yang berisiko dan belum diperiksa ke dalam produksi. Google Cloud mengamankan alat agentic melalui Server MCP Google Cloud Managed (seperti Server MCP untuk BigQuery). Hal ini menstandarkan cara agen berinteraksi dengan database perusahaan, menerapkan izin IAM yang cakupannya ketat dan dapat diaudit, serta mengganti wrapper API kustom dengan koneksi yang diperkuat dan dikelola perusahaan (Sumber: Google Cloud NEXT 2026).

Kebocoran sesi terjadi di lingkungan multi-tenant atau multi-agen saat konteks percakapan pribadi, token pengguna, atau data perusahaan yang sensitif dari sesi satu pengguna secara tidak sengaja bocor ke sesi pengguna lain. Google Cloud menghilangkan kebocoran sesi melalui Agent Development Kit (ADK) (Sumber: eBook Secure AI Innovation, Bab 2):

• Isolasi tenant: ADK menerapkan batas pengguna yang ketat dan isolasi eksekusi menggunakan primitif session_id dan user_id native
• Pemisahan kredensial: Token autentikasi downstream diisolasi sehingga agen tidak dapat membawa kredensial atau status percakapan di berbagai sesi pengguna yang berbeda

Ya. Organisasi menerapkan strategi multi-model dengan menjalankan rata-rata 2,6 model yang berbeda(Sumber: Cloud Security Alliance, Des 2025). Google Cloud mendukung tata kelola multi-model dengan menggunakan Gemini sebagai bidang kontrol eksekusi terpusat. Batasan runtime terpadu—termasuk Model Armor untuk sanitasi perintah dan Kebijakan Tata Kelola Semantik—diterapkan secara konsisten di seluruh model Gemini pihak pertama, model open source, dan model pihak ketiga. Untuk estate multi-cloud (termasuk AWS Bedrock, Databricks, dan open source yang tidak dikelola), Wiz Security Graph memetakan kerentanan dan jalur serangan di semua penyedia cloud (Sumber: Google Cloud NEXT 2026).

Tidak. CodeMender dirancang dengan arsitektur eksekusi lokal yang mengutamakan privasi (Sumber: eBook Secure AI Innovation, Bab 4):

• Pemrosesan CLI lokal: Mesin pemindaian CodeMender beroperasi melalui antarmuka command line lokal langsung di dalam lingkungan aman developer
• Sandboxing terisolasi: Build aplikasi dan verifikasi eksploit aktif dijalankan di dalam sandbox terisolasi di infrastruktur Anda sendiri.
• Tidak ada pelatihan model: Kode sumber eksklusif dan kekayaan intelektual Anda tetap terlindungi dengan ketat dan tidak pernah digunakan untuk melatih model dasar Google. Developer mempertahankan pengawasan penuh melalui alur kerja IDE/CLI standar dan gerbang persetujuan Human-in-the-Loop (HITL) sebelum patch kode apa pun digabungkan

Untuk menjalankan logika bisnis berisiko tinggi tanpa mengekspos infrastruktur inti, perusahaan menggunakan arsitektur referensi Bring Your Own Container (BYOC):

• Sandboxing container: Agen otonom berisiko tinggi (seperti penghubung inventaris atau logistik) di-deploy dalam container terisolasi di Cloud Run
• Pemisahan izin yang ketat: Izin infrastruktur waktu deployment dipisahkan secara ketat dari izin eksekusi runtime
• Gerbang human-in-the-loop (HITL): Agent Development Kit (ADK) memperkenalkan titik jeda terprogram di mana tindakan berisiko tinggi (seperti memulai API fulfillment atau pencairan dana) memerlukan persetujuan eksplisit dari manusia sebelum dieksekusi

Google Cloud menerapkan solusi runtime double-guardrail untuk membersihkan payload tanpa menambah latensi:

1. Mengontrol akses (batas IAM): Diterapkan secara native di Agent Gateway menggunakan Identity-Aware Proxy (IAP) untuk memverifikasi ID digital pemanggil secara kriptografis sebelum merutekan koneksi
2. Mengontrol intent (batas semantik): Model Armor beroperasi sebagai proxy inline yang menyaring interaksi pengguna, agen pengguna, dan model secara real time untuk menetralkan injeksi perintah, mencegah jailbreak, dan menyamarkan PII sensitif. Pada lapisan aplikasi, Agent Development Kit (ADK) menerapkan validasi input (seperti BeforeToolCallback) untuk menghentikan injeksi SQL tidak langsung terhadap tabel BigQuery

Mencegah kebocoran data memerlukan defense in depth di seluruh lapisan jaringan, aplikasi, dan model:

• Topologi pribadi: Workload AI berjalan di VPC Bersama yang dikelola secara terpusat dan diisolasi oleh Kontrol Layanan VPC (VPC-SC), sehingga menciptakan perimeter makro di seluruh ekosistem agen
• Sanitasi inline: Model Armor otomatis membersihkan dan menyamarkan data pelanggan yang sensitif dan PII dari input perintah dan output model
• Autentikasi tanpa token: Pengelola Autentikasi Agent Identity menangani handshake OAuth downstream yang kompleks atas nama pengguna, meneruskan token dengan aman tanpa mengekspos kredensial mentah ke agen
• Confidential computing: Melindungi data aktif dengan mengenkripsi memori selama pemrosesan model aktif