客户管理的加密密钥 (CMEK)

默认情况下，Vertex AI 会对静态客户内容进行加密。Vertex AI 会为您处理加密，您无需执行任何其他操作。此选项称为 Google 默认加密。

如果您想要控制加密密钥，则可以将 Cloud KMS 中客户管理的加密密钥 (CMEK) 与集成 CMEK 的服务（包括 Vertex AI）结合使用。使用 Cloud KMS 密钥时，您可以控制其保护级别、位置、轮替时间表、使用和访问权限以及加密边界。此外，您还可使用 Cloud KMS 跟踪密钥使用情况、查看审核日志并控制密钥生命周期。这样您就可以在 Cloud KMS 中控制和管理用于保护您数据的对称密钥加密密钥 (KEK)，而不是由 Google 拥有和管理这些密钥。

使用 CMEK 设置资源后，访问 Vertex AI 资源的体验与使用 Google 默认加密功能类似。如需详细了解加密选项，请参阅客户管理的加密密钥 (CMEK)。

本指南介绍了将 CMEK 用于 Vertex AI 资源的一些好处，并逐步介绍了如何将训练作业配置为使用 CMEK。

如需详细了解如何将 CMEK 用于 Colab Enterprise，请参阅 Colab Enterprise CMEK 页面。如需详细了解如何为 Vertex AI Workbench 实例使用 CMEK，请参阅 Vertex AI Workbench 实例 CMEK 页面。

适用于 Vertex AI 资源的 CMEK

以下部分介绍了在为作业配置 CMEK 之前必须了解的适用于 Vertex AI 资源的 CMEK 的基本信息。

CMEK 的优势

一般来说，如果您需要完全控制用于加密数据的密钥，则 CMEK 最有用。借助 CMEK，您可以在 Cloud KMS 中管理密钥。例如，您可以轮替或停用密钥，也可以使用 Cloud KMS API 设置轮替时间表。如需大致了解 CMEK（包括其启用时间和原因），请参阅 Cloud KMS 文档。

当您运行 AutoML 或自定义 训练作业时，您的代码会在由 Vertex AI 管理的一个或多个虚拟机 (VM) 实例上运行。为 Vertex AI 启用 CMEK 后，您指定的密钥（而不是由 Google 管理的密钥）将用于加密这些虚拟机的启动磁盘上的数据。CMEK 密钥会加密以下类型的数据：

• 虚拟机上代码的副本。
• 由代码加载的所有数据。
• 由代码保存到本地磁盘的所有临时数据。
• AutoML 训练的模型。
• 上传到媒体数据集中的媒体文件（数据）。

一般来说，CMEK 密钥不会加密与您的操作关联的元数据，例如作业的名称和区域，或数据集的显示名。与操作关联的元数据始终使用 Google 的默认加密机制进行加密。

对于数据集，当用户将数据导入到数据集中时，数据项和注释均采用 CMEK 加密。数据集显示名不采用 CMEK 加密。

对于模型，存储系统中存储的模型（例如磁盘）均经过 CMEK 加密。所有模型评估结果都采用 CMEK 加密。

对于端点，端点下的模型部署使用的所有模型文件都经过 CMEK 加密。这不包括任何内存数据。

对于批量预测，用于执行批量预测作业的任何临时文件（例如，模型文件、日志、虚拟机磁盘）均采用 CMEK 加密。批量预测结果存储在用户提供的目标位置中。因此，Vertex AI 会遵循目标加密配置的默认值。否则，结果也将使用 CMEK 加密。

对于数据标签，任何输入文件（图片、文本、视频、表格）、临时讨论（例如问题、反馈）和输出（标签结果）都经过 CMEK 加密。注释规范显示名不经过 CMEK 加密。

外部密钥

您可以使用 Cloud External Key Manager (Cloud EKM) 创建您管理的外部密钥来加密 Google Cloud 中的数据。

当您使用 Cloud EKM 密钥时，Google 无法控制外部管理的密钥的可用性。如果您请求访问使用外部管理的密钥加密的资源，但该密钥不可用，则 Vertex AI 将拒绝该请求。密钥可用后，最多可能有 10 分钟的延迟您才能访问该资源。

如需了解使用外部密钥的更多注意事项，请参阅 Cloud External Key Manager。

将 CMEK 用于其他 Google Cloud 产品

为 Vertex AI 资源配置 CMEK 时，不会自动为与 Vertex AI 一起使用的其他 Google Cloud 产品配置 CMEK。如需使用 CMEK 加密其他 Google Cloud 产品中的数据，需要进行额外配置。例如：

• Cloud Storage：执行自定义训练时，Vertex AI 通常会从 Cloud Storage 加载数据。当您使用 Python 训练应用和用于训练的预构建容器时，Vertex AI 还会从 Cloud Storage 存储桶加载您的代码。此外，一些训练作业会将经过训练的模型工件（例如 TensorFlow SaveModel 目录）导出到输出内容中的 Cloud Storage 存储桶。

  为确保 Cloud Storage 中的数据使用 CMEK 进行加密，请参阅有关使用客户管理的加密密钥的 Cloud Storage 指南。您可以将加密密钥设置为用于 Vertex AI 的 Cloud Storage 存储桶的默认密钥，也可以使用它来加密特定对象。

  详细了解 Cloud Storage 如何使用 CMEK。

• Artifact Registry：使用自定义容器进行训练时，您可以将 Vertex AI 配置为从 Artifact Registry 加载容器映像。

  如需确保容器映像使用 CMEK 进行加密，请参阅 CMEK 的 Artifact Registry 指南。

• Cloud Logging：运行训练作业时，Vertex AI 训练会将日志保存到 Logging。如需使用 CMEK 加密这些日志，请参阅为 Cloud Logging 配置 CMEK。

当前 CMEK 支持的资源

CMEK 涵盖的当前 Vertex AI 资源如下。CMEK 对预览版功能的支持也处于预览版状态。

CMEK 对生成式 AI 调整流水线的支持

以下模型的调优流水线中提供 CMEK 支持：

• text-bison for PaLM 2 (GPU)
• BERT
• T5
• image-generation (GPU)

限制

以下各项不提供 CMEK 支持：

• AutoML 图片模型批量预测 (BatchPredictionJob)
• TPU 调整

为您的资源配置 CMEK

以下部分介绍了如何在 Cloud Key Management Service 中创建密钥环和密钥、为 Vertex AI 加密者和解密者授予对密钥的权限，以及创建使用 CMEK 的资源。

准备工作

本指南假设您使用两个单独的 Google Cloud 项目为 Vertex AI 数据配置 CMEK：

• 一个项目用于管理加密密钥（称为“Cloud KMS 项目”）。
• 一个项目用于访问 Vertex AI 数据或 Cloud Storage 中的输出，以及与您的用例所需的任何其他 Google Cloud 产品（称为“AI Platform 项目”）进行交互。

此推荐设置支持职责分离。

或者，您也可以在整个指南中使用单个 Google Cloud 项目。为此，请对引用 Cloud KMS 项目的以下所有任务和引用 AI Platform 项目的任务使用同一项目。

设置 Cloud KMS 项目

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Cloud KMS API.

   Enable the API

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Cloud KMS API.

   Enable the API

设置 AI Platform 项目

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Vertex AI API.

   Enable the API

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Vertex AI API.

   Enable the API

设置 Google Cloud CLI

Install the Google Cloud CLI, then initialize it by running the following command:

gcloud init

创建密钥环和密钥

按照有关创建对称密钥的 Cloud KMS 指南，创建密钥环和密钥。创建密钥环时，请指定支持 Vertex AI 操作的区域作为密钥环的位置。只有在资源和密钥使用同一区域时，Vertex AI 才会支持 CMEK。您不得为密钥环指定双区域位置、多区域位置或全球位置。

请务必在 Cloud KMS 项目中创建密钥环和密钥。

授予 Vertex AI 权限

如需将 CMEK 用于您的资源，您必须向 Vertex AI 授予使用您的密钥加密和解密数据的权限。Vertex AI 使用 Google 管理的服务代理来运行使用您的资源的操作。此服务账号由具有以下格式的电子邮件地址标识：

service-PROJECT_NUMBER@gcp-sa-aiplatform.iam.gserviceaccount.com

要查找 AI Platform 项目的适当服务账号，请转到 Google Cloud 控制台中的 IAM 页面，找到与此电子邮件地址格式匹配的成员，并使用 AI Platform 项目的项目编号替换 AI_PLATFORM_PROJECT_NUMBER 变量。该服务账号的名称也将为 Vertex AI Service Agent。

转到 IAM 页面

记下此服务账号的电子邮件地址并在以下步骤中使用该地址，以授予该服务账号使用您的密钥加密和解密数据的权限。您可以使用 Google Cloud 控制台或使用 Google Cloud CLI 授予权限：

gcloud kms keys add-iam-policy-binding KEY_NAME \
  --keyring=KEY_RING_NAME \
  --location=REGION \
  --project=KMS_PROJECT_ID \
  --member=serviceAccount:service-AI_PLATFORM_PROJECT_NUMBER@gcp-sa-aiplatform.iam.gserviceaccount.com \
  --role=roles/cloudkms.cryptoKeyEncrypterDecrypter

使用 KMS 密钥创建资源

在创建新的 CMEK 支持的资源时，您可以将密钥指定为创建参数之一。

 {
   "displayName": DATASET_NAME,
   "metadataSchemaUri": METADATA_URI,
   "encryptionSpec": {
     "kmsKeyName": "projects/PROJECT_ID/locations/LOCATION_ID/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME"
   }
 }

后续步骤

• 详细了解 Google Cloud 上的 CMEK。
• 了解如何将 CMEK 用于其他 Google Cloud 产品。