Studi kasus solusiAIP323
Keamanan prompt dan mitigasi abuse model AI di Faskes / RS
Studi kasus solusi adalah skenario berbasis pola masalah umum di industri. Isinya tidak merujuk klien tertentu dan bukan portofolio proyek MarkasDev. Portofolio proyek klien dipublikasikan terpisah.
Konteks industri
Fasilitas kesehatan dengan SIMRS dan multi-unit klinis. Multi-lokasi dengan kedisiplinan data yang tidak seragam, pola tipikal di faskes / rs.
Batasan
- Konten user tidak tepercaya
- Plugin/tool calling
- Multi-tenant data
- Integrasi vendor pihak ketiga
Pendekatan
Diagnose
Memetakan: Threat model use-case AI, trust boundary, dan data flow.
Deliver
Membangun: Input/output filtering, isolation retrieval, least-privilege tools, canary checks.
Operate
Mengoperasikan: Red team berkala, patch policy, incident playbook AI.
Arsitektur tingkat tinggi
User/contentsanitizermodeloutput policytools (allowlist).
Outcome tipikal
Temuan red-team kritis turun; jalur abuse tertutup lebih cepat.
Outcome tipikal atau yang diharapkan, bukan klaim hasil proyek MarkasDev.Pertanyaan umum
Firewall AI cukup beli saja?
Alat membantu; desain use-case dan least privilege tetap inti.
Dokumen berbahaya di RAG?
Treat sebagai untrusted; jangan ikut instruksi tersembunyi.