PCI DSS(支付卡產業資料安全標準) & AI Compliance

    PCI DSS 如何適用於以交易資料訓練的 AI 模型,以及如何讓持卡人資料不進入訓練

    Overview

    支付卡產業資料安全標準(PCI DSS)是由 PCI 安全標準協會制定、用以保護持卡人資料的一套安全要求。不論組織規模或交易量大小,凡是儲存、處理或傳輸持卡人資料的組織,都適用這項標準。4.0 版於 2022年3月發布,4.0.1 版於 2024 年底取代 4.0 版,而 4.0 版標示為未來生效的要求,已於 2025年3月31日起成為強制要求。第 4 版引進了更具彈性、以成果為導向的安全控制方式,並新增身分驗證、加密與持續監控方面的要求。

    對金融服務業的 AI 系統而言,只要訓練資料包含支付卡資訊或由其衍生,PCI DSS 就與之相關。詐欺偵測模型、交易風險評分、客戶行為分析與支付最佳化,都可能接觸到持卡人資料。這項標準的十二項核心要求涵蓋網路安全、資料保護、弱點管理、存取控制、監控與安全政策,每一項都直接影響 AI 訓練管線處理支付卡資料的方式。

    組織會依交易量被歸入不同的合規等級,第 1 級商家(每年交易超過 600 萬筆)通常須由合格安全評估員(QSA)每年進行一次現場評估。規模較小的組織一般每年填寫一次自我評估問卷(SAQ),並須持續維持合規。不合規的後果不只是罰款:組織可能完全失去處理信用卡付款的能力。

    AI-Specific Requirements

    PCI DSS 要求 3 規定,必須以加密、截斷、代碼化與雜湊等方法保護儲存的帳戶資料。就 AI 訓練資料而言,這表示主要帳號(PAN)無論儲存在何處都必須無法讀取,而敏感驗證資料在授權完成後一律不得儲存。如果訓練資料集包含帶有完整 PAN 的交易紀錄,這些 PAN 必須在資料進入訓練管線之前受到保護,更好的做法是將其移除、截斷或代碼化。組織也必須為用來保護持卡人資料的任何密碼金鑰,實施金鑰管理流程。

    要求 7 將持卡人資料的存取權限,限於工作上確有需要的人員,落實最小權限原則。對 AI 開發團隊而言,含有持卡人資料之資料集的存取權,應僅限於從事支付相關模型、且業務需求有書面記載的人員。要求 10 規定須記錄並監控對系統元件與持卡人資料的所有存取,因此納入範圍的 AI 訓練管線,必須保存詳細的稽核軌跡,記錄誰在何時、為何目的存取了持卡人資料。

    PCI DSS 第 4 版新增了與 AI 系統特別相關的要求。要求 6.3.2 規定須建立客製與自訂軟體清冊,其中包括處理持卡人資料的客製 AI 模型。要求 12.3.1 要求針對每一項在達成方式上具有彈性的要求,進行針對性風險分析。對 AI 系統而言,這表示必須記錄持卡人資料在機器學習管線中面臨的具體風險,並說明為因應這些風險所實施之控制措施的理由。對於納入範圍的 AI 系統元件,組織也必須履行要求 11 的弱點掃描與滲透測試義務。

    How Ertas Helps

    就 PCI DSS 而言,最實用的原則是讓持卡人資料完全不接觸 Ertas。Ertas Studio 在 Ertas 的雲端 GPU 上進行訓練,因此訓練資料集中的任何內容都會上傳到 Ertas 並加以儲存,讓訓練可以重新執行。請在上傳前移除、截斷或代碼化 PAN 及其他持卡人資料,讓訓練資料集與 Ertas 都不落入您的持卡人資料環境(CDE)。詐欺與風險任務往往可以從代碼化或截斷後的值中學習,而 Studio 的資料集建構工具 Data Craft 讓您在訓練前編輯並核准每個範例。您可以隨時刪除已上傳的資料集。

    在推論階段,模型可能會接觸到即時的交易資料。將模型匯出為 GGUF 或 safetensors,並在您自己的環境中執行,依您的範圍界定放在 CDE 之內或之外,這些資料就不會傳到 Ertas。模型屬於您,而且在您重新訓練之前版本維持不變,因此您可以把它當作一個明確的項目,列入要求 6.3.2 所要求的客製與自訂軟體清冊。自適應模型端點與企業客製模型建置可以在您自己的雲端或地端執行模型。

    範圍界定與網路區隔、模型執行系統所適用的要求 3、7、10 與 11、針對性風險分析,以及您的年度評估,仍由您負責。

    Compliance Checklist

    訓練好的模型屬於您,由您決定在哪裡執行Supported
    匯出模型權重,在您自己的環境中執行推論Supported
    自行託管的模型進行推論時,不會傳送任何交易資料給 ErtasSupported
    刪除已上傳的訓練資料集Supported
    在您重新訓練之前,模型版本維持不變,便於列入您的自訂軟體清冊(要求 6.3.2)Supported
    上傳前移除、截斷或代碼化持卡人資料Customer Responsibility
    模型執行環境中的存取控制、日誌記錄與加密(要求 3、7 與 10)Customer Responsibility
    CDE 範圍界定、網路區隔與年度評估Customer Responsibility
    弱點掃描與滲透測試(要求 11)Customer Responsibility

    Relevant Ertas Features

    • 模型匯出(GGUF、safetensors)
    • 自行託管推論,執行時不依賴 Ertas
    • Data Craft 資料集建構工具,可編輯並核准每個訓練範例
    • 資料集刪除
    • 自適應模型端點,部署在您的雲端或地端

    Related Resources

    Ship AI that runs on your users' devices.

    Start free with 150 credits after card verification. Paid plans from $20/mo USD.