该框架将监管重点从依赖入侵预防转向将运营弹性、快速遏制和影响管理纳入规范，以在网络事件期间维持关键服务的运行。
核心要点
-
遵守 CIRMP 框架要求不能仅依赖边界防御。
-
传统入侵防范已难以抵御现代 AI 威胁，可能致使关键服务发生灾难性中断。各企业必须采取遏制策略，以限制爆炸范围并维持业务连续性。
-
仅靠边界防御，会导致内部中间区域成为薄弱环节。
-
未受监控的影子 API 和权限过宽的内部连接，会让攻击者在入侵后得以横向移动。可防御架构提供必要的可见性，能够在损害发生前阻止横向移动。
-
自动化对于实现微分段以符合 SOCI 合规性至关重要。
-
手动创建策略无法跟上复杂混合环境的步伐，导致系统暴露在风险之下。AI 驱动的发现与映射可自动实现系统隔离，从而抵御持续的网络攻击。
-
在 CIRMP 框架下，API 和 AI 治理对于满足监管要求至关重要。
-
未受保护的机器间连接会使敏感数据和 AI 工作负载面临被悄无声息窃取的风险。通过持续的运行时 API 可见性与主动测试，可消除隐藏的入口点。
常见问题
常见问题
强化的 CIRMP 重点关注系统隔离、AI 风险评估、遗留技术管理、供应链弹性、内部人员风险管理、更强大的日志记录与监控、API 与应用可见性，以及中断期间的关键服务连续性。
内部访问权限过宽、系统之间信任过度，再加上对应用程序依赖关系、API 和 AI 服务的可见性不足，共同形成了“软中间地带”，攻击者可借此在突破后横向移动。
所有 AI 工作负载都依赖 API、数据管道与集成。未加保护的 API 会形成关键通道，导致 AI 数据暴露和模型被操纵。
澳大利亚的 API 安全事件发生频率最高（12 个月内占 96%），但只有 30% 的受访者知道哪些 API 会返回敏感数据，而在医疗、制造业或金融服务领域，没有一家企业对 API 进行实时测试。
AI 可自动完成资产发现与标记、应用程序依赖关系映射、策略生成和暴露分析，从而消除手动执行带来的运营复杂性。