跳到主要內容
AI News HubLIVE
站內改寫3 分鐘閱讀

成熟的安全項目在部署 AI 前需要什麼

文章摘要

企業 CISO 正面臨採購 AI 安全工具的壓力,但供應商的 AI 宣傳讓價值與成本難以分辨。文章基於 Emerj 播客對 Academy Sports + Outdoors CISO Mark Alvarado 的訪談,提出三項原則:從業務問題出發評估 AI、在部署前夯實身份/數據/網絡可視性基礎、並按實質性業務風險設定響應閾值。

來源Emerj AI Research作者: Inez Valla
成熟的安全項目在部署 AI 前需要什麼
報告錯誤

更正渠道尚未開通,可先複製下方文章資訊留存。

查看更正說明
直接讀正文

企業首席信息安全官(CISO)正承受着採購 AI 安全工具的壓力。如今供應商幾乎把每一款產品都包裝成“AI 驅動”,採購方很難判斷哪些工具真正能降低風險、哪些只是徒增成本。更麻煩的是,如果 AI 被部署在薄弱的訪問控制、分類混亂的數據或可視性不足的網絡之上,它反而會放大這些既有缺口。

多項調研印證了這種失衡。世界經濟論壇發現,約三分之一的組織在部署 AI 工具前根本沒有安全評估流程,而與此同時,87% 的領導者認為與 AI 相關的漏洞是增長最快的網絡風險。美國國家標準與技術研究院(NIST)指出,第三方生成式 AI 工具會依據其可訪問的數據與系統帶來隱私和信息安全風險。雲安全聯盟(CSA)的研究顯示,53% 的組織遭遇過 AI 代理超出其預設權限的情況,47% 的組織在過去一年裏經歷過涉及 AI 代理的安全事件。ISACA 則報告稱,56% 的數字信任從業者並不清楚在安全事件發生時,自己能多快讓一個 AI 系統停下來。

這些數據指向一個共同的結論:許多安全負責人引進 AI 的速度,已經超過了他們評估所購工具、以及控制其訪問範圍的能力。

在 Emerj 的《AI in Business》播客中,主持人 Yolandi de Weerdt 邀請 Academy Sports + Outdoors 的 CISO Mark Alvarado,討論安全負責人如何把真正的 AI 價值與供應商的宣傳區分開來,以及 AI 如何放大身份管理、數據治理、網絡安全和員工技術實踐中的既有弱點。以下三點構成了這次對話的核心。

第一,以問題為導向的評估,避免不必要的 AI 暴露。供應商可以宣稱產品用 AI 更快識別威脅,但這一説法本身並不能證明它適合某個具體的安全環境。Alvarado 認為,供應商不可能比採購方更瞭解自家的系統與運作方式,理解自身需求、提出正確問題,責任始終在買方。他把這套紀律追溯到自己做業務分析的經歷:當某個部門提出需求時,他會先記錄現有工作流、期望狀態和技術要求,然後才去調研方案、爭取利益相關者支持。同樣的順序也適用於安全投入——先寫出問題陳述,列出候選方案及其真實總體擁有成本,再以此為基礎形成項目章程。無論是否涉及 AI,這項工作要麼説服他買單,要麼在申請預算之前就讓他放棄。

Alvarado 還建議在採購討論中先就“AI”這個詞達成共識,因為買方與賣方可能用它指代完全不同的功能;在話題轉入技術、財務或法律細節之前,雙方應先確認彼此説的是同一件事。

員工行為則構成另一道準備度測試。他建議建立 AI 治理機制,明確告訴員工什麼時候可以用 AI、什麼時候不可以,以及在動手之前應該問哪些問題:想用它達成什麼?數據會被如何處理?工具是開源還是閉源?連接是單向還是雙向?沒有員工的支持,他警告説,人們總會找到繞過管控的辦法。他打了個比方:你可以給房子裝上最堅固的鎖,但如果屋裏的人乾脆把門敞開,或者直接撬開、繞開這把鎖,那這把鎖再貴也沒有意義,總會有人進來。

第二,身份、數據與網絡可視性是部署的基礎。在 Alvarado 看來,如果一個安全項目本身就沒有“扣緊釦子”,AI“只會讓你的項目以指數級惡化”。他的起點是先弄清公司的架構、關鍵數據在哪裏、真正的邊界在哪裏,再倒推回來。

由此他提出部署 AI 之前應優先夯實的三個基礎——它們不必一開始就完美無缺,做到“嚴絲合縫”本身就是一段有成本的旅程。身份回答的是“誰或什麼在行動”:任何系統間的通信都離不開用户 ID,而 AI 往往藉助某個特定身份來完成操作,團隊必須知道它用的是哪個賬户,並能迅速停用該 ID。數據回答的是“涉及哪些信息”:關鍵數據出錯可能招來監管麻煩,普通數據則未必,因此弄清數據位置與分類,決定團隊是繼續觀望還是升級處理。網絡回答的是“數據能流向哪裏”:團隊需要看到傳輸中的數據、檢查其中是否夾帶惡意載荷,並在出事時儘快切斷連接。

Alvarado 並不想貶低網絡安全的其他領域,但隨着更多企業上雲、攻擊在數量和複雜程度上持續攀升,他認為這三個領域正是 AI 所依賴的,也是組織“用 AI 對抗 AI”的根基。只有把這幾塊紮緊,使用 AI 工具的團隊才有勝算。

第三,把響應閾值與實質性業務風險綁定。當身份、數據和網絡活動都可視之後,Alvarado 認為 AI 的價值在於從海量活動中識別偏離既定模式的異常。他把網絡比作道路、設備比作汽車、身份比作司機、憑證比作鑰匙:路線、目的地、設備或所訪問數據的意外變化,可能意味着操作賬户的並非本人。由於大多數人是習慣的動物,系統可以為一個身份建立正常行為基線,並把偏差呈現出來供人工複核——偏差本身並不等於惡意,畢竟業務需求也會變化。

Alvarado 區分了兩種動作:請用户確認異常活動,以及通過停用身份或切斷網絡連接直接收走“鑰匙”。當某個模式差異過大,或某個行為過於惡劣,以至於組織承擔不起判斷錯誤的代價時,他會先行動、後調查。他把這一判斷建立在對 CISO 職責的理解之上:從根本上説,CISO 的工作不是攔住每一件小事——你當然可以那麼做,但那是有代價的;真正的工作是讓事件不演變成實質性事件。實質性閾值每家公司都不相同,每家公司都應自行確定自己的閾值,這也是把資金用在刀刃上的方式,因為安全項目本身就要花錢。

他補充説,實質性門檻因公司而異,各組織應自行界定。Alvarado 也承認在調查完成前就採取行動是有代價的,誤報會打斷正常業務;出現這種情況時,“車子重新開回路上”即可,而據他的經驗,沒有人會因為偏向謹慎而不滿。他説,AI 工具確實貴一些,但只要三個基礎到位,這份成本就是值得的。把這些點串起來,正是 Alvarado 的核心主張:先有一個明確的業務問題,再構建能把 AI 生成的信號轉化為可辯護安全決策的管控體系。

展開要點與分析

文章情報

工程師進階

要點

  • 約三分之一組織沒有在部署前評估 AI 工具安全性的流程,而 87% 的領導者認為 AI 相關漏洞是增長最快的網絡風險。
  • 53% 的組織曾出現 AI 代理超出預期權限,47% 在過去一年經歷過涉及 AI 代理的安全事件。
  • Alvarado 建議先定義問題與總擁有成本,再讓 AI 接觸企業身份、數據和系統。
  • 身份、數據和網絡可視性是 AI 部署的基礎,響應閾值應對齊公司自身的實質性風險標準。

技術影響

可能影響 Agent 架構、工具調用、工作流自動化和產品集成。

要點與分析由自動化流程生成,可能有誤,請結合原始來源核實。