为 AI 建立一个安全的零信任基础

AI 正在改变企业在混合和远程工作时代运营和创新的方式。它也带来了新的挑战和风险，尤其是在数据安全和隐私方面。当企业寻求创新并为员工提供支持而不考虑地点时，他们也需要能够保护其有价值的信息。  零信任是适应现代工作场所的安全框架，可更好地保护员工及其设备。它还为 AI 技术提供保护，可实施来增强安全性。

托管数据为 AI 模型提供动力，这些模型依赖大量信息来学习、分析和生成见解。这种对安全数据的需求使其成为易受攻击的资产，必须防止未经授权的访问、滥用和盗用。任何泄露（终结点、标识、应用、基础结构、网络）都可能会对企业造成严重后果，例如信誉损失、法律责任和信任丧失。

通过采用零信任安全框架，企业可以保护其访问，同时为员工提供完成工作所需的内容。零信任遵循三个基本原则：

1.      显式验证。零信任要求在授予对数据和资源的访问权限之前持续验证标识和权限。
2.      使用最少特权访问。使用实时和恰好足够的访问 (JIT/JEA) 基于风险的自适应策略限制用户的访问。
3.      假定泄露。如果出现问题，请立即通过将访问权限分段来最大程度地减少任何潜在威胁，然后使用分析来识别问题并加强防御。

零信任安全性可确保始终保护敏感信息，而无论这些信息在何处存储、处理或访问，这就是它为什么对 AI 采用至关重要的原因。随着组织接受 AI，制定安全模型来持续保护其最有价值的资产，这将使他们能够推动创新并提高生产力。

为了增强安全措施，零信任原则也可应用于 AI 实现：

拥有准确、完整且一致的信息至关重要，因为它决定了 AI 输出内容的质量。如果任何人操纵或篡改应用权限或托管数据，这些内容会损坏，导致 AI 工具产生不准确、不可靠或有偏差的结果。零信任通过在整个标识生命周期内阻止未经授权的访问来保护数据完整性。

访问控制对于防止未经授权和不当使用 AI 及其相关数据至关重要。零信任策略通过强制实施最小特权原则来加强这些控制，防止员工访问任何敏感数据、应用、终结点或标识，以防可能出于恶意目的使用 AI。

与任何现代技术一样，AI 很容易受到入侵和网络攻击，尤其是在远程设备上。安全威胁可能会危害托管数据、终结点和网络的机密性和可用性，这可能对员工和客户的隐私和安全产生重大影响。零信任通过多重身份验证增强安全性，并跨员工使用的每台设备同步标识。

零信任安全不是特定产品或解决方案。它是一组原则、做法和技术，这些相互协同来实现高级别的安全性，以保护每个应用、数据源、终结点、基础结构和任何类型的环境，无论你的组织是基于云的、本地的还是混合的。

若要在零信任中建立和维护强大的基础，企业应包括下列重要的安全特性和功能：

零信任安全性的第一个原则要求在授予访问权限之前对所有标识和设备进行显式验证。永远不假定或授予信任，这使得它是动态的且基于上下文，这意味着它会根据情况、位置、时间或设备而变化。

最小特权仅授予特定任务或角色所需的最低访问级别。这项原则通过限制仅向需要数据、基础结构、网络资源、应用或终结点的用户公开这些内容，帮助减少攻击面和任何潜在的泄露损害。它还强制采用按需知悉原则将职责和信息分离，从而阻止某些员工访问高度敏感的信息。

零信任安全性根据数据、应用、角色和业务职能的敏感度，将网络和基础结构划分为较小的区域或段。此措施隔离并保护所有内容免受未经授权或恶意访问，并通过限制段之间的移动和通信来遏制和限制违规行为的传播。微分段还有助于提高网络性能和可见性，因为它可减少拥塞，并允许更广泛的监视和控制。

此功能使安全团队能够监视网络和基础结构中是否有任何异常或可疑行为，并立即采取措施来隔离或降低风险。实时威胁检测和响应可减少违规的影响，同时识别和解决根本原因。它还通过鼓励持续适应和弹性的可操作反馈，帮助改善组织的安全状况。

在零信任中建立安全基础不是一蹴而就的，而是一个需要战略愿景、整体方法和文化转变的持续历程。

这些措施为组织提供了一个广泛的途径来评估他们目前所处的位置、希望达到的目标以及如何实现他们的安全目标：

第一步是评估现有安全措施，确定优势和劣势，并确定任何差距和潜在风险。审核有助于你了解当前的安全状况，并确定操作的优先级，从而相应地分配资源。

确定业务运营的任何终结点、应用、基础结构、网络、数据和资源，如果它们丢失或泄露，可能会造成重大损害。根据价值、敏感度和影响对每个资产进行分类。识别关键资产可让你专注于保护最重要的内容。

创建并记录特定的规则和策略来管理你的防御区域。这些策略应基于零信任的三项关键原则：显式验证、最小特权和假设违规。这些规则并非一成不变，但会为未来奠定基础。

部署制定和支持零信任策略的技术，例如身份和访问管理、数据加密和哈希、网络分段和隔离、威胁检测和响应，以及安全分析和智能。这些解决方案应与业务流程、系统、运营和目标集成并保持一致。

技术就绪后，向员工介绍零信任安全性的重要性和好处，以及他们在实施和维护安全方面的角色和职责。员工培训和意识有助于培养增强的安全性和信任文化，并可提高员工的参与度和合规性。这种培训还有助于防止或减少人为错误，这是安全漏洞的常见原因。

现在一切就绪，接下来请安排时间来评估安全性能、确定任何问题，并寻找改进机会。持续监视有助于你维护和增强安全状况，并随着威胁环境随时间的演变，提高复原能力。

采用零信任基础还可以为 AI 和业务提供主要优势：

零信任安全性可确保网络、标识、终结点、应用、数据和 AI 工具等所有内容随时受到保护、验证和监视。拥有安全的 AI 可通过负责任地使用技术向客户和合作伙伴传达信任和信誉。

零信任框架可帮助你满足并超越数据安全和隐私方面的法规要求和标准，例如《一般数据保护条例》(GDPR)、《加利福尼亚消费者隐私法案》(CCPA) 或美国《健康保险携带和责任法案》(HIPAA)。它还帮助你准备和应对新的和不断发展的 AI 道德和治理法规，例如欧洲委员会的《AI 法案》或经济合作与发展组织 (OECD) 的 AI 原则。

通过对数据应用"永不信任，始终验证"原则，可通过仅支持授权员工出于合法目的访问来增强 AI 使用的数据隐私。它还有助于尊重和保护数据主体（例如客户、员工或合作伙伴）的权利和偏好，因为它提供了对数据的透明度、控制和同意。

此功能使安全团队能够监视网络和基础结构中是否有任何异常或可疑行为，并立即采取措施来隔离或降低风险。实时威胁检测和响应可减少违规的影响，同时识别和解决根本原因。它还通过鼓励持续适应和弹性的可操作反馈，帮助改善组织的安全状况。

探索实际用例，了解具有强大的零信任基础如何帮助 AI 集成和安全性

零信任可帮助保护专有 AI 算法、经过训练的 AI 模型和 AI 知识产权。它还可以防止未经授权或恶意访问、修改或盗用，从而保持它们的完整性和真实性。 

• 场景：通过对 AI 代码进行哈希处理、隔离独特的 AI 环境并确保 AI 开发人员只有足够的访问权限，在研究和开发中保护你的 AI 算法。 

AI 数据管道包括允许数据从收集到分析的流程和系统。零信任在数据的整个生命周期内对其进行保护、验证和监视，并确保保持其质量和准确性得到维护。 

• 场景：通过跟踪和验证每台 IoT 设备、加密传输中的数据和静态数据，以及对网络区域进行分段来限制双向通信，保护从 IoT 设备到云平台的数据流。 

AI 治理制定框架和流程，以确保 AI 使用符合道德、负责任且采用问责制。零信任安全性可以帮助你监视和审核 AI 访问和活动，以保持符合公司的策略和法规。

• 场景：通过持续验证使用 AI 及其设备的任何人、加密和哈希处理 AI 输出和日志，并实现实时威胁检测和响应来监视 AI 性能和行为。

借助 AI 在零信任中建立基础，可以创建一个模型来有效地适应现代环境的复杂性、支持混合和远程工作，并更好地保护员工、其设备、应用和数据 - 无论他们身在何处。它使企业能够自信地利用 AI 技术、创造新价值，并赋予他们创新和保障未来的能力。

零信任和 AI 相辅相成。随着组织继续采用和接受 AI，他们需要零信任原则来确保和保护其投资。同样，随着他们的安全状况变得更加复杂和动态，实现 AI 来自动执行某些功能将减轻 IT 团队的压力，使他们能够专注于更重要的任务。

为 AI 构建安全零信任基础对于高效、安全的 AI 体验至关重要。它可帮助企业保护其网络、终结点、应用、标识、数据和基础结构，增强其 AI 性能并缓解 AI 风险。零信任还有助于企业在 AI 系统中建立信任和信赖，提高法规合规性，并增强数据隐私。

请访问 Microsoft 零信任指导中心，详细了解如何为 AI 构建安全零信任基础。