如何为云端创建AI战略

在这篇独家专访中，亚太地区的云安全架构师和网络安全顾问Mayank Sharma分享了关于云迁移的关键见解，以及如何管理物联网（IoT）网络安全战略。

Mayank Sharma，云安全架构师和网络安全顾问

Cyber Security Hub：将关键基础设施迁移到云端时应考虑哪些步骤？

Mayank Sharma： 首先，要明确您希望通过云实现什么目标，可能是增加更多自动化、智能决策或引入预测分析。找到这个业务需求可能是过程中最重要的步骤。在此步骤中，要让业务利益相关者、IT经理和企业架构师参与进来。当您知道要创建什么时，研究云可以提供的服务来支持您实现这一目标。这个"愿景"是推动所有未来工作的关键文件。

其次，根据业务需求为云端的关键基础设施创建战略。这应包括诸如将在云端为关键基础设施存在的功能等项目。您的战略制定应包括：

• 监管评估（例如，隐私或任何其他适用的法规）
• 安全评估
• 安全运营模型
• 治理框架

在制定战略时，研究您的云安全解决方案是否具有与当前本地环境相同的安全能力。还应考虑作为迁移到云端的一部分会引入哪些新威胁，对它们进行威胁建模，并查看缓解后的威胁是否在业务的风险承受范围内。如果超出风险承受范围，则考虑需要哪些额外努力才能将其纳入风险承受范围内。

第三，创建迁移计划。这是迁移活动中涉及的各种元素的更详细版本。迭代方法总是比"大爆炸"方法更好，因此不要过于雄心勃勃，一次性移动所有基础设施。从不太关键的资产开始的分阶段迁移总是更可取的。还要评估此迁移计划的整体安全性。

最后，持续审查云环境，确保其保持安全、可靠和成本效益。定期进行安全和合规性审计，以确保基础设施符合监管要求和行业最佳实践。云比传统的本地基础设施动态得多，因此要继续评估新服务并开发强大的服务启用流程，以快速上线任何新服务。

“简而言之，物联网已经改写了规则书。”

CSH：网络安全专业人员可能面临物联网（IoT）4.0带来的哪些挑战？

MS： 简而言之，物联网已经改写了规则书。挑战是双重的；首先是正在收集的数据量。这些设备在人们的家中或由他们佩戴，正在检查他们的活动并收集敏感数据，如私人健康数据。这些信息通常发送到云端，为最终用户提供有意义的分析或输入关键业务流程。这些信息本质上极其敏感，必须小心处理。

其次，传统上，大型组织中的设备上线是一个详尽的过程，然而对于这些范围广泛的设备（从电视到智能手机，到太阳镜，到智能手表），为所有类型的物联网设备创建一个有凝聚力的战略极具挑战性。

物联网甚至更严重地扰乱了关键基础设施！历史上，普渡模型是工业控制系统和运营技术（OT）的首选模型。它将不同的过程分段到不同的网络中，并通过防火墙隔离不同段来确保安全。它还包括OT和IT系统之间非常严格的网络分离。

物联网4.0扰乱了这种安全模型。普渡模型无法原生与云系统和物联网4.0（或工业物联网）集成，同时也模糊了IT和OT之间的界限。因此，通过网络分段实现的安全控制在物联网4.0中不再有效。使事情更棘手的是，通常工业系统的设计寿命非常长，以数十年计，并且可能包含在此时间内可能变得易受攻击的协议。

与IT和云的连接为威胁行为者提供了利用这些漏洞的攻击面。不用说，人们可能因受损的工业系统而遭受物理伤害，因此风险非常高。

CSH：网络安全专业人员如何创建和管理物联网网络安全战略？

MS： 物联网是一个快速发展的领域，正在颠覆组织的运营方式和与环境的互动。随着更多设备变得互联，组织必须清晰理解物联网的战略需求，并制定全面的安全战略以防范潜在威胁，这一点日益重要。

战略的第一个要素是创建关于物联网设备本身的战略。这应涵盖设备将如何上线，而在此步骤中应讨论它们将如何部署和维护（例如，固件升级和退役）。在此阶段应审查这些设备的物理安全。最后，在创建关于物联网设备的战略时，还应详细讨论应收集多少数据。

战略的第二个要素是分析。此步骤主要处理分析引擎的安全性，其中从物联网设备接收的信号中衍生出有意义的信息。在此步骤中应审查数据安全和用户隐私。

第三个要素是集成。此要素主要处理分析引擎与其他业务系统之间集成的安全性。

在制定设备、分析引擎和集成的安全战略时，深入探讨身份验证和授权的安全领域（例如，设备将如何与组织进行身份验证，并确保只有授权设备可以访问网络）。

所有传输的数据应使用弹性加密算法进行加密，以防止未经授权的访问和"窃听"。应实施数据保护、数据访问控制和数据删除策略，以确保数据始终受到保护。随着组织的成熟，可以开发安全模式以重用内部能力，并进一步增强物联网网络的安全性。

“想象一下失控的AI模型对组织的后果！”

CSH：组织如何为云端创建AI战略？

MS： 人工智能（AI）领域正在迅速发展，并有可能改变各个行业的企业。然而，AI的引入也带来了重大风险，特别是在AI模型未得到适当管理或发生故障的情况下。

想象一下失控的AI模型对组织的后果！

为了减轻这些风险，企业领导者必须确保AI的开发遵循安全开发实践；在训练AI模型时使用高质量数据，并进行持续治理，以确保模型保持可信且无偏见。

一个明确界定的AI战略的开发应基于这三个原则。首先，重要的是确定：

• 使用AI的背景
• 组织愿意承担的风险量
• 与引入AI系统相关的风险

然后应评估这些风险并引入适当的缓解控制。最后，应开发一个矩阵来有效监控关键风险指标（KRIs）和关键绩效指标（KPIs）。

总体而言，一个明确界定的AI战略对于企业最大化AI潜力同时减轻风险至关重要。关于此事的一个好资源是美国国家标准与技术研究院（NIST）的AI风险管理框架。

在Cyber Security Hub的All Access：Cloud Security APAC活动中，通过他的会议"如何采用云并治理它"听取Mayank Sharma关于云、物联网和AI的更多见解。立即点播观看！