《醫療領域資安防護基準》，醫院可透過網路微分段技術，依據設備功能與風險等級劃分網路安全區塊，並建立具過濾機制的安全管道（Conduit），有效遏止威脅在院內網路無限制擴散。
除了場域與網路層面的安全，AI模型本身的防護亦不能被忽視。銓安智慧科技顧問服務處副總蕭志平指出，隨著各國法規對AI系統合規要求日益嚴格，將AI模型部署於地端已成為金融、國防等高度敏感產業的主流選項。然而，地端AI系統同樣面臨模型據Verizon 2024年《資料外洩調查報告》統計，近五年網路攻擊類型中，分散式阻竊取、推論資料外洩以及提示詞注入（Prompt Injection）等風險。
蕭志平認為，要建構「零外洩、零竄改」的地端AI架構，必須從硬體信任根做起。他建議採用硬體安全模組（HSM）或可信賴平台模組（TPM）保護AI運算關鍵資產，透過硬體層級加密技術確保模型與關聯金鑰的完整性與不可否認性。同時，針對大型語言模型應用，應導入檢索增強生成（RAG）架構並搭配安全護欄（Guardrails），過濾輸入與斷服務（DDoS）攻擊始終名列前茅。A10 Networks技術總監陳志緯指出，關鍵原因之一在於技術門檻極低，攻擊者只要租用殭屍網路便可大規模發動流量風暴。
對此，A10 Defend DDoS Mitigator以新世代DDoS防禦架構回應威脅，從「精準偵測」做起，透過多元偵測指標與結合AI的自動學習機制，先為各項服務建立正常流量行為模型，當異常流量湧入時，便能在數秒內啟動防護。他強調，有效的DDoS防禦並非單純的開關式設定，而是
特別報導
輸出內容，避免機敏資料外洩或生成有害資訊，為AI應用落地構築穩固的安全基石。
依照攻擊強度與型態動態提升防禦等級，分階段啟用不同緩解策略，在確保服務可用性的同時，最大幅度降低對正常流量的誤判與干擾。
相較於雲端清洗中心往往需要數分鐘的流量導引與反應時間，A10的本地端設備具備封包級的偵測能力，能在3秒內完成從偵測到阻擋的完整流程。這種在地端即時處理加密流量與應用層攻擊的能力，補足了雲端清洗在應對慢速攻擊與短暫爆發攻擊上的缺口，為企業建構出具備高度韌性的新世代資安防禦網。