在微軟的安全架構中，兩者分別扮演「執行階段防火牆（Runtime Firewall）」與「靜態與生命週期資料治理（Data & Compliance Governance）」的角色。
核心定位與分工對照
| 評估維度 | Azure AI Content Safety | Microsoft Purview (AI Hub / DSPM) |
| 核心定位 | 即時應用層安全網關（Guardrails） | 資料生命週期與法規遵循治理（Compliance） |
| 生效時機 | 即時/執行階段（In-line Runtime）：請求進入與輸出離開模型的毫秒瞬間 | 靜態/近即時（Out-of-band / Policy Engine）：資料落地、探索、授權與審計 |
| 主要防禦對象 | 惡意使用者、對抗式攻擊（Prompt Injection、越獄、生成不當內容） | 內部機密外洩、權限過度開放（Over-permissioning）、法規違規 |
| 核心防護功能 | • Prompt Shields（直接/間接注入防禦） • 內容審核（暴力、仇恨、自殘、色情） • Groundedness Detection（防幻覺） • Protected Material Detection（版權碼過濾） | • Data Security Posture Management (DSPM for AI) • 敏感資訊類型（SIT）標記與 DLP 阻斷 • 影子 AI（Shadow AI）探索與用量審計 • 存取權限分析（防 Copilot 讀取高風險 SharePoint） |
| 典型架構位置 | 介於用戶端與 LLM/RAG 之間（常整合於 APIM 或應用程式碼） | 覆蓋企業資料資產（M365、Azure Blob、Fabric、AWS/GCP 等） |
| 主要管理者 | 雲端安全工程師（Cloud SecOps）、AI 應用架構師 | 資料治理長（CDO）、合規主管、資安長（CISO） |
兩者在實務架構中的協同運作流程
- 事前準備（Purview 主導）：
- Purview 掃描企業內部資料湖與 SharePoint，將包含財務報表、客資的文件打上「Confidential / Highly Confidential」敏感度標籤（Sensitivity Labels）。
- 透過 Purview DSPM for AI 檢查是否有過度共用（Over-shared）情況，避免 RAG 檢索管線將未授權敏感文件餵給生成模型。
- 執行中互動（Content Safety 主導）：
- 使用者發送請求，Content Safety Prompt Shields 第一時間攔截意圖越獄（Jailbreak）或提示詞注入（Prompt Injection）的惡意指令。
- 模型生成回答時，Content Safety 即時檢查內容是否具備接地性（Groundedness），並過濾不當言論或版權程式碼。
- 事後稽核與合規（Purview + Sentinel 閉環）：
- 若使用者在 Prompt 中輸入了企業敏感代碼，Purview AI Hub 會記錄此行為並判定為潛在資料外洩（Data Exfiltration），觸發內部合規告警。
- 所有 Content Safety 攔截日誌與 Purview 稽核事件統一送入 Microsoft Sentinel，由 SOC 進行跨層面的關聯威脅分析。