- Les défenses périmétriques sont inefficaces contre les menaces autonomes liées à l'IA à la vitesse des machines. Les agents compromis contournent les frontières traditionnelles, exposant ainsi les entreprises à des dommages latéraux incontrôlés. La micro-segmentation au niveau des processus permet de contrer ces menaces en imposant des chemins d'accès basés sur l'identité.
- Les temps de réponse trop longs rendent les entreprises vulnérables aux attaques rapides. Les modèles d'IA réduisent les délais d'exploitation de plusieurs mois à quelques heures seulement. Une cartographie manuelle lente expose donc les réseaux à des risques de violation. La génération automatisée de règles résout ce problème en sécurisant les applications en quelques secondes.
- La sécurité basée sur la localisation est inefficace dans les environnements cloud dynamiques. Lorsque les charges de travail éphémères modifient les adresses IP, les périmètres traditionnels créent des zones d'ombre que les attaquants exploitent. Lier les identités cryptographiques au niveau des processus garantit une application continue des mesures de sécurité.
- Des identifiants valides permettent à des agents d'IA compromis de contourner les pare-feu traditionnels. Lorsqu'un système autonome utilise ses accès de manière abusive, les réseaux plats subissent d'importantes violations de données latérales. La segmentation au niveau des processus permet de neutraliser ce problème en bloquant tout flux qui n'est pas explicitement autorisé.
- Les violations de données liées à l'IA non maîtrisées entraînent de lourdes sanctions réglementaires. Les réglementations telles que la loi européenne sur l'IA établissent les responsabilités des entreprises en cas de compromission latérale non contrôlée sur plusieurs réseaux. La micro-segmentation proactive répond à ces exigences en garantissant une isolation vérifiable de l'infrastructure.
Points à retenir
Foire aux questions (FAQ)
Foire aux questions (FAQ)
Akamai Guardicore Segmentation contribue à sécuriser les systèmes d'IA autonomes en analysant les connexions réseau au niveau des processus et en associant les règles de sécurité à des identités cryptographiques plutôt qu'à des adresses IP changeantes. Cette application granulaire permet au système de distinguer en temps réel les processus autorisés de ceux qui ne le sont pas et qui tentent d'accéder au même port. Le trafic non conforme est immédiatement interrompu dès qu'un changement intervient dans le contexte d'identité ou dans les règles de sécurité en vigueur.
Tandis que le principe de moindre privilège limite l'accès minimal d'un agent aux données et aux systèmes, le principe de moindre autonomie restreint l'autonomie même de cet agent. Plus précisément, le principe de moindre autonomie limite les outils qu'un agent d'IA peut utiliser, la fréquence à laquelle il peut effectuer des actions et le lieu où il peut opérer. Cette double contrainte est essentielle pour limiter l'ampleur des dommages causés par un système autonome compromis fonctionnant à la vitesse des machines.
Les périmètres de réseau traditionnels nord-sud ne peuvent pas contenir les menaces dans les écosystèmes multi-agents, car les attaquants peuvent facilement se déplacer latéralement si les services internes font implicitement confiance à tout appel provenant de ce segment de réseau. De plus, les agents autonomes augmentent la surface d'attaque en utilisant des protocoles tels que le Model Context Protocol (MCP) pour accéder aux API et aux bases de données sans intervention humaine.
Akamai Guardicore Segmentation identifie automatiquement les nœuds d'entraînement de l'IA, les API d'inférence et les outils d'IA non déclarés, et cartographie leurs dépendances dans les environnements de cloud hybride. Il applique ensuite des politiques distribuées basées sur l'identité pour isoler les référentiels de modèles et les magasins de fonctionnalités, garantissant ainsi que les deux extrémités d'une connexion rejettent tout trafic latéral non autorisé.
Le cycle de vie d'Akamai Guardicore Segmentation permet de protéger en continu les environnements d'IA grâce à quatre étapes distinctes : découverte, intelligence, action et assurance. Cela commence par l'utilisation de l'intelligence artificielle pour cartographier rapidement les dépendances des applications et analyser les schémas de trafic, afin de recommander des politiques basées sur les risques. L'application des mesures au niveau des processus peut ensuite être mise en œuvre, avec une validation continue garantissant que les contrôles de sécurité restent efficaces.
Les entreprises peuvent progressivement mettre en œuvre certains aspects du modèle d'Anthropic via Akamai Guardicore Segmentation, en commençant par l'application de règles de refus par défaut au niveau de base. La progression vers les niveaux Entreprise et Avancé repose sur la mise en œuvre de règles d'attributs contextuels, l'apprentissage automatisé de références par l'IA et la recherche des menaces basée sur l'IA pour un contrôle immédiat des risques. Toutes ces fonctionnalités sont incluses dans la solution Akamai Guardicore Segmentation.
Akamai Guardicore Segmentation permet de sécuriser les agents d'IA autonomes et aide ainsi les entreprises à transformer leurs obligations de conformité complexes en contrôles continus et vérifiables, avec des preuves disponibles à la demande. Ce cadre de défense rigoureux permet aux secteurs réglementés de répondre à la plupart des exigences de sécurité strictes imposées par la loi européenne sur l'IA, la loi HIPAA, la FINRA, le RGPD et FedRAMP.