跳到主要内容
AI News HubLIVE
站内改写3 分钟阅读

成熟的安全项目在部署 AI 前需要什么

文章摘要

企业 CISO 正面临采购 AI 安全工具的压力,但供应商的 AI 宣传让价值与成本难以分辨。文章基于 Emerj 播客对 Academy Sports + Outdoors CISO Mark Alvarado 的访谈,提出三项原则:从业务问题出发评估 AI、在部署前夯实身份/数据/网络可视性基础、并按实质性业务风险设定响应阈值。

来源Emerj AI Research作者: Inez Valla
成熟的安全项目在部署 AI 前需要什么
报告错误

纠错通道尚未开通,可先复制下方文章信息留存。

查看更正说明
直接读正文

企业首席信息安全官(CISO)正承受着采购 AI 安全工具的压力。如今供应商几乎把每一款产品都包装成“AI 驱动”,采购方很难判断哪些工具真正能降低风险、哪些只是徒增成本。更麻烦的是,如果 AI 被部署在薄弱的访问控制、分类混乱的数据或可视性不足的网络之上,它反而会放大这些既有缺口。

多项调研印证了这种失衡。世界经济论坛发现,约三分之一的组织在部署 AI 工具前根本没有安全评估流程,而与此同时,87% 的领导者认为与 AI 相关的漏洞是增长最快的网络风险。美国国家标准与技术研究院(NIST)指出,第三方生成式 AI 工具会依据其可访问的数据与系统带来隐私和信息安全风险。云安全联盟(CSA)的研究显示,53% 的组织遭遇过 AI 代理超出其预设权限的情况,47% 的组织在过去一年里经历过涉及 AI 代理的安全事件。ISACA 则报告称,56% 的数字信任从业者并不清楚在安全事件发生时,自己能多快让一个 AI 系统停下来。

这些数据指向一个共同的结论:许多安全负责人引进 AI 的速度,已经超过了他们评估所购工具、以及控制其访问范围的能力。

在 Emerj 的《AI in Business》播客中,主持人 Yolandi de Weerdt 邀请 Academy Sports + Outdoors 的 CISO Mark Alvarado,讨论安全负责人如何把真正的 AI 价值与供应商的宣传区分开来,以及 AI 如何放大身份管理、数据治理、网络安全和员工技术实践中的既有弱点。以下三点构成了这次对话的核心。

第一,以问题为导向的评估,避免不必要的 AI 暴露。供应商可以宣称产品用 AI 更快识别威胁,但这一说法本身并不能证明它适合某个具体的安全环境。Alvarado 认为,供应商不可能比采购方更了解自家的系统与运作方式,理解自身需求、提出正确问题,责任始终在买方。他把这套纪律追溯到自己做业务分析的经历:当某个部门提出需求时,他会先记录现有工作流、期望状态和技术要求,然后才去调研方案、争取利益相关者支持。同样的顺序也适用于安全投入——先写出问题陈述,列出候选方案及其真实总体拥有成本,再以此为基础形成项目章程。无论是否涉及 AI,这项工作要么说服他买单,要么在申请预算之前就让他放弃。

Alvarado 还建议在采购讨论中先就“AI”这个词达成共识,因为买方与卖方可能用它指代完全不同的功能;在话题转入技术、财务或法律细节之前,双方应先确认彼此说的是同一件事。

员工行为则构成另一道准备度测试。他建议建立 AI 治理机制,明确告诉员工什么时候可以用 AI、什么时候不可以,以及在动手之前应该问哪些问题:想用它达成什么?数据会被如何处理?工具是开源还是闭源?连接是单向还是双向?没有员工的支持,他警告说,人们总会找到绕过管控的办法。他打了个比方:你可以给房子装上最坚固的锁,但如果屋里的人干脆把门敞开,或者直接撬开、绕开这把锁,那这把锁再贵也没有意义,总会有人进来。

第二,身份、数据与网络可视性是部署的基础。在 Alvarado 看来,如果一个安全项目本身就没有“扣紧扣子”,AI“只会让你的项目以指数级恶化”。他的起点是先弄清公司的架构、关键数据在哪里、真正的边界在哪里,再倒推回来。

由此他提出部署 AI 之前应优先夯实的三个基础——它们不必一开始就完美无缺,做到“严丝合缝”本身就是一段有成本的旅程。身份回答的是“谁或什么在行动”:任何系统间的通信都离不开用户 ID,而 AI 往往借助某个特定身份来完成操作,团队必须知道它用的是哪个账户,并能迅速停用该 ID。数据回答的是“涉及哪些信息”:关键数据出错可能招来监管麻烦,普通数据则未必,因此弄清数据位置与分类,决定团队是继续观望还是升级处理。网络回答的是“数据能流向哪里”:团队需要看到传输中的数据、检查其中是否夹带恶意载荷,并在出事时尽快切断连接。

Alvarado 并不想贬低网络安全的其他领域,但随着更多企业上云、攻击在数量和复杂程度上持续攀升,他认为这三个领域正是 AI 所依赖的,也是组织“用 AI 对抗 AI”的根基。只有把这几块扎紧,使用 AI 工具的团队才有胜算。

第三,把响应阈值与实质性业务风险绑定。当身份、数据和网络活动都可视之后,Alvarado 认为 AI 的价值在于从海量活动中识别偏离既定模式的异常。他把网络比作道路、设备比作汽车、身份比作司机、凭证比作钥匙:路线、目的地、设备或所访问数据的意外变化,可能意味着操作账户的并非本人。由于大多数人是习惯的动物,系统可以为一个身份建立正常行为基线,并把偏差呈现出来供人工复核——偏差本身并不等于恶意,毕竟业务需求也会变化。

Alvarado 区分了两种动作:请用户确认异常活动,以及通过停用身份或切断网络连接直接收走“钥匙”。当某个模式差异过大,或某个行为过于恶劣,以至于组织承担不起判断错误的代价时,他会先行动、后调查。他把这一判断建立在对 CISO 职责的理解之上:从根本上说,CISO 的工作不是拦住每一件小事——你当然可以那么做,但那是有代价的;真正的工作是让事件不演变成实质性事件。实质性阈值每家公司都不相同,每家公司都应自行确定自己的阈值,这也是把资金用在刀刃上的方式,因为安全项目本身就要花钱。

他补充说,实质性门槛因公司而异,各组织应自行界定。Alvarado 也承认在调查完成前就采取行动是有代价的,误报会打断正常业务;出现这种情况时,“车子重新开回路上”即可,而据他的经验,没有人会因为偏向谨慎而不满。他说,AI 工具确实贵一些,但只要三个基础到位,这份成本就是值得的。把这些点串起来,正是 Alvarado 的核心主张:先有一个明确的业务问题,再构建能把 AI 生成的信号转化为可辩护安全决策的管控体系。

展开要点与分析

文章情报

工程师进阶

要点

  • 约三分之一组织没有在部署前评估 AI 工具安全性的流程,而 87% 的领导者认为 AI 相关漏洞是增长最快的网络风险。
  • 53% 的组织曾出现 AI 代理超出预期权限,47% 在过去一年经历过涉及 AI 代理的安全事件。
  • Alvarado 建议先定义问题与总拥有成本,再让 AI 接触企业身份、数据和系统。
  • 身份、数据和网络可视性是 AI 部署的基础,响应阈值应对齐公司自身的实质性风险标准。

要点与分析由自动化流程生成,可能有误,请结合原始来源核实。

成熟的安全项目在部署 AI 前需要什么 | AI News Hub