האבטחה מסוג Zero Trust: הבסיס להגנה בעידן הדיגיטלי

מבוא: אבטחה משולבת בנוף הדיגיטלי של ימינו

כלים מודרניים המבוססים על בינה מלאכותית מציעים יכולות חסרות תקדים לייעול עסקי וליצירת תובנות. עם זאת, התקדמויות אלו כרוכות בשיקולים מהותיים של אבטחה, במיוחד כאשר חברות מפקידות נתונים רגישים בידי ספקי SaaS מבוססי ענן. אי אפשר עוד להתייחס לאבטחה כאל תוספת פשוטה - היא חייבת להיות משולבת בכל רמה של הפלטפורמות הטכנולוגיות המודרניות.

מודל אפס האמון מייצג את הבסיס של אבטחת הסייבר המודרנית. בניגוד לגישה המסורתית שהסתמכה על הגנה על היקף ספציפי, מודל אפס האמון לוקח בחשבון זהות, אימות ומדדים הקשריים אחרים כגון סטטוס המכשיר ושלמותו כדי לשפר משמעותית את האבטחה בהשוואה למצב הקיים.

מהו אפס אמון?

Zero Trust הוא מודל אבטחה המבוסס על הרעיון שהגישה לנתונים לא צריכה להינתן אך ורק על סמך המיקום ברשת. הוא דורש מהמשתמשים והמערכות להוכיח באופן מוחלט את זהותם ואמינותם, ומיישם כללי הרשאה מפורטים המבוססים על זהות לפני מתן גישה לאפליקציות, נתונים ומערכות אחרות.

עם אפס אמון, זהויות אלו פועלות לעתים קרובות בתוך רשתות גמישות ומודעות לזהות, אשר מצמצמות עוד יותר את משטח התקיפה, מבטלות נתיבים מיותרים לנתונים ומספקות הגנות אבטחה חיצוניות חזקות.

המטאפורה המסורתית של "טירה וחפיר" נעלמה, והוחלפה במיקרו-סגמנטציה מוגדרת תוכנה המאפשרת למשתמשים, יישומים ומכשירים להתחבר בצורה מאובטחת מכל מקום לאחר.

שלושה עקרונות מנחים ליישום אפס אמון

מבוסס על המדריך של AWS "Gain Confidence in Your Security with Zero Trust"

1. השתמשו בזהות וביכולת הרשת יחד

האבטחה הטובה ביותר אינה נובעת מבחירה בינארית בין כלים ממוקדי זהות או ממוקדי רשת, אלא משימוש יעיל בשניהם בשילוב. בקרות ממוקדות זהות מציעות הרשאות מפורטות, בעוד שכלים ממוקדי רשת מספקים מעקות בטיחות מצוינים שבתוכם בקרות מבוססות זהות יכולות לפעול.

שני סוגי הבקרות צריכים להיות מודעים זה לזה ומחזקים זה את זה. לדוגמה, ניתן לקשר מדיניות כדי לאפשר לך לכתוב וליישם כללים ממוקדי זהות בגבול רשת לוגי.

2. עבודה אחורה ממקרי השימוש

אפס אמון יכול להוביל למשמעות שונה בהתאם למקרה השימוש. בהתחשב בתרחישים שונים כגון:

• מכונה-מכונה: הרשאת זרימות ספציפיות בין רכיבים כדי לבטל תנועה רוחבית מיותרת ברשת.
• אדם-אפליקציה: אפשור גישה חלקה לאפליקציות פנימיות עבור כוח העבודה.
• תוכנה-תוכנה: כאשר שני רכיבים אינם זקוקים לתקשר ביניהם, לא אמורה להיות להם אפשרות לעשות זאת, גם אם הם נמצאים באותו מקטע רשת.
• טרנספורמציה דיגיטלית: יצירת ארכיטקטורות מיקרו-שירותים מחולקות בקפידה בתוך אפליקציות חדשות מבוססות ענן.

3. זכרו שגודל אחד לא מתאים לכולם

יש ליישם את מושגי אפס אמון בהתאם למדיניות האבטחה של המערכת והנתונים שיש להגן עליהם. אפס אמון אינו גישת "מידה אחת מתאימה לכולם" והוא מתפתח כל הזמן. חשוב לא להחיל בקרות אחידות על פני כל הארגון, שכן גישה לא גמישה עלולה למנוע צמיחה.

כפי שמצוין בספר ההדרכה:

"התחלה עם הקפדה חזקה על עקרון ההרשאה המינימלית (least privilege), ולאחר מכן יישום קפדני של עקרונות Zero Trust, יכולה להעלות משמעותית את רף האבטחה, במיוחד עבור עומסי עבודה קריטיים. יש להתייחס למושגי Zero Trust כתוספת לבקרות ולמושגי האבטחה הקיימים, ולא כתחליף להם."

זה מדגיש כי יש לראות את מושגי אפס אמון כמשלימים לבקרות אבטחה קיימות, ולא כתחליף.

שיקולי אבטחה ספציפיים לבינה מלאכותית

מערכות בינה מלאכותית מציגות אתגרי אבטחה ייחודיים החורגים מדאגות אבטחת יישומים מסורתיות:

הגנת מודל

• הכשרה על אבטחת נתונים: יכולות של למידה פדרטיבית מאפשרות לשפר את המודלים מבלי לרכז נתונים רגישים, ומאפשרות לארגונים להפיק תועלת מהאינטליגנציה הקולקטיבית תוך שמירה על ריבונות הנתונים.
• הגנה מפני היפוך מודל: חשוב ליישם הגנות אלגוריתמיות נגד התקפות היפוך מודל (model inversion) שמנסות לחלץ את נתוני האימון מהמודלים.
• אימות שלמות המודל: תהליכי אימות מתמשכים מבטיחים שהמודלים בייצור לא עברו שינוי או הרעלה.

הגנה מפני פגיעויות ספציפיות לבינה מלאכותית

• הגנות מפני הזרקת פרומפט: המערכות צריכות לכלול מספר שכבות הגנה נגד התקפות prompt injection, כולל חיטוי הקלט וניטור ניסיונות לתמרן את התנהגות המודל.
• סינון פלט: מערכות אוטומטיות צריכות לנתח את כל התוכן שנוצר על ידי הבינה המלאכותית לפני המסירה, כדי למנוע דליפות נתונים אפשריות או תוכן לא הולם.
• זיהוי דוגמאות עוינות: ניטור בזמן אמת חייב לזהות קלטים עוינים פוטנציאליים שנועדו לתמרן את תוצאות המודל.

תאימות וממשל

אבטחה מקיפה חורגת מעבר לבקרות טכניות וכוללת ניהול ותאימות:

יישור המסגרת הרגולטורית

יש לתכנן פלטפורמות מודרניות כך שיאפשרו עמידה במסגרות רגולטוריות מרכזיות, כולל:

• GDPR ותקנות פרטיות אזוריות
• דרישות ספציפיות לענף (HIPAA, GLBA, CCPA)
• בקרות SOC 2 מסוג II
• תקני ISO 27001 ו-ISO 27701

ערבות אבטחה

• הערכה עצמאית תקופתית: המערכות צריכות לעבור בדיקות חדירה סדירות מטעם חברות אבטחה עצמאיות.
• תוכנית באג באונטי: תוכנית לחשיפה ציבורית של פרצות אבטחה יכולה לערב את קהילת חוקרי האבטחה העולמית.
• ניטור אבטחה מתמשך: מרכז תפעול אבטחה הפעיל 24/7 צריך לנטר איומים פוטנציאליים.

ביצועים ללא פשרות

תפיסה מוטעית נפוצה היא שאבטחה חזקה בהכרח פוגעת בביצועים או בחוויית המשתמש. ארכיטקטורה מעוצבת היטב מדגימה שאבטחה וביצועים יכולים להיות משלימים ולא סותרים:

• האצת זיכרון מאובטחת: עיבוד ה-AI יכול לנצל האצת חומרה ייעודית בתוך אנקלוות מוגנות זיכרון.
• יישום מוצפן מותאם: הצפנה מואצת בחומרה מבטיחה שהגנת הנתונים מוסיפה השהיה מינימלית לפעולות.
• ארכיטקטורת מטמון מאובטחת: מנגנוני מטמון חכמים משפרים את הביצועים תוך שמירה על בקרות אבטחה קפדניות.

סיכום: בטיחות כיתרון תחרותי

בנוף ה-AI SaaS, אבטחה איתנה אינה רק הפחתת סיכונים, אלא היא הופכת יותר ויותר לגורם בידול תחרותי המאפשר לארגונים לנוע מהר יותר ובביטחון רב יותר. שילוב האבטחה בכל היבט של הפלטפורמה יוצר סביבה שבה החדשנות יכולה לשגשג מבלי לפגוע בהגנה.

העתיד שייך לארגונים אשר מנצלים את הפוטנציאל הטרנספורמטיבי של בינה מלאכותית תוך ניהול הסיכונים הטמונים בה. גישת אבטחה של Zero Trust מבטיחה שתוכלו לבנות את העתיד הזה בביטחון.