- Le difese perimetrali falliscono contro le rapide minacce autonome per l'AI. Poiché gli agenti compromessi bypassano i limiti tradizionali, le organizzazioni devono affrontare i danni causati dal mancato controllo del movimento laterale; la microsegmentazione al livello dei processi blocca le minacce rafforzando i percorsi denominati in base alle identità.
- Il ritardo nelle risposte rende le organizzazioni vulnerabili agli attacchi rapidi. Poiché i modelli di AI riducono i tempi di risposta da alcuni mesi a poche ore, la lenta mappatura manuale espone le reti alle violazioni, ma la generazione automatizzata delle policy risolve questo problema proteggendo le applicazioni in pochi secondi.
- La sicurezza basata sulla posizione fallisce negli ambienti dinamici del cloud. Quando i carichi di lavoro effimeri cambiano gli indirizzi IP, i perimetri legacy creano punti ciechi che i criminali possono manipolare; l'associazione delle identità crittografiche al livello dei processi garantisce l'applicazione continua delle policy.
- Le credenziali valide consentono agli agenti AI compromessi di eludere i firewall tradizionali. Quando un sistema autonomo utilizza in modo improprio le sue credenziali di accesso, le reti flat subiscono enormi violazioni di dati a causa del movimento laterale. Tuttavia, la segmentazione al livello dei processi neutralizza questo problema bloccando qualsiasi flusso non denominato in modo esplicito.
- Le violazioni dei dati dell'AI non contenute causano severe sanzioni normative. Gli obblighi normativi, come l'AI Act dell'UE, considerano le aziende responsabili delle violazioni causate dalla mancanza di controllo del movimento laterale nelle reti; la microsegmentazione proattiva soddisfa questi requisiti offrendo un isolamento delle infrastrutture verificabile.
Concetti chiave
Domande frequenti (FAQ)
Domande frequenti (FAQ)
Akamai Guardicore Segmentation aiuta a proteggere i sistemi di AI autonoma ispezionando le connessioni di rete al livello dei processi e associando le policy di sicurezza alle identità crittografiche piuttosto che alle posizioni IP in continuo cambiamento. Questa applicazione capillare delle policy consente al sistema di distinguere i processi autorizzati da quelli non autorizzati che tentano di accedere alla stessa porta in tempo reale. Il traffico non conforme viene immediatamente eliminato nel momento in cui cambia il contesto di un'identità o una policy di sicurezza attiva.
Mentre il privilegio minimo limita l'accesso ai dati e al sistema che un agente riceve, la minima capacità degli agenti limita l'autonomia dell'agente stesso, limitando, nello specifico, gli strumenti che un agente AI può utilizzare, la frequenza con cui può eseguire alcune azioni e la posizione in cui può operare. Questo doppio vincolo è fondamentale per limitare il raggio d'azione di un sistema autonomo compromesso che si muove molto rapidamente.
I tradizionali perimetri di rete nord-sud non sono in grado di contenere le minacce negli ecosistemi multi-agente perché i criminali possono facilmente spostarsi lateralmente se i servizi interni si fidano implicitamente di qualsiasi chiamante proveniente da quel segmento di rete. Inoltre, gli agenti autonomi espandono la superficie degli attacchi utilizzando, ad esempio, il protocollo MCP (Model Context Protocol) per accedere ad API e database senza richiedere l'intervento dell'uomo.
Akamai Guardicore Segmentation rileva automaticamente i nodi di addestramento dell'AI, le API dell'AI inferencing e gli strumenti basati sull'AI ombra per mappare le relative dipendenze negli ambienti cloud ibridi, quindi applica le policy distribuite e basate sulle identità per isolare i repository dei modelli e gli archivi delle funzioni, garantendo che entrambe le estremità di una connessione rifiutino il traffico laterale non autorizzato.
Il ciclo di vita di Akamai Guardicore Segmentation serve per proteggere continuamente gli ambienti dell'intelligenza artificiale in quattro fasi distinte: individuazione, intelligence, azione e controllo degli accessi. Il ciclo di vita inizia utilizzando l'intelligenza artificiale per mappare rapidamente le dipendenze delle applicazioni e analizzare i modelli di traffico allo scopo di consigliare le policy in base ai rischi correlati, quindi applica le policy al livello dei processi, verificando continuamente che vengano attivati i controlli di sicurezza previsti.
Le organizzazioni possono implementare progressivamente gli aspetti del modello di Anthropic utilizzando Akamai Guardicore Segmentation, a partire dalle regole con rifiuto per impostazione predefinita al livello Foundation. Il passaggio ai livelli Enterprise e Advanced avviene tramite l'implementazione di policy sugli attributi contestualizzate, l'apprendimento automatizzato di base dell'intelligenza artificiale e la ricerca delle minacce basata sull'intelligenza artificiale per contenere immediatamente gli attacchi. Tutte queste funzionalità sono disponibili come parte della soluzione Akamai Guardicore Segmentation.
La sicurezza degli agenti AI autonomi con Akamai Guardicore Segmentation aiuta le organizzazioni a trasformare i complessi obblighi di conformità in controlli continuamente applicati e dimostrabili con prove fornite su richiesta. Questo rigoroso sistema di difesa consente ai settori altamente regolamentati di soddisfare molti dei severi requisiti di sicurezza previsti da varie normative (ad es. AI Act dell'EU, HIPAA, FINRA, GDPR e FedRAMP).