AI赋能安全与AI自身安全 — AI for Security & Security for AI

AI 赋能安全与 AI 自身安全：构建全面的暴露风险管理

本次网络研讨会深入探讨了在生成式 AI 爆发的背景下，安全团队如何应对以机器速度发起的网络攻击。我们将为您分享 Tenable 的“双轮驱动”战略——利用 AI 提升安全运营效率，同时全面保护企业内部 AI 工具的安全性，借助 Tenable One 平台实现智能化的持续暴露面管理闭环。

[00:00:00] 机器速度时代的网络攻击与威胁变革

探讨了大语言模型与 AI 智能体如何彻底改变网络攻击的速度和模式，并带来了前所未有的防御挑战。

• 攻击速度激增：AI 能够用几周时间发现并利用数千个 CVE 漏洞，从漏洞发布到被利用的平均时间已缩短至 1.6 天。
• 横向移动极快：一旦 AI 攻击工具进入企业内部环境，仅需约 27 秒即可实现横向移动，连接到核心业务系统或数据库进行窃取。
• 自主攻击演进：攻击手段已从人工主导发展到 AI 自主攻击。以 Hugging Face 漏洞事件为例，AI 能够自主利用沙箱环境的零日漏洞突破隔离并开展侦查与利用。

[00:05:05] 应对 AI 攻击：持续暴露风险管理 (CTEM)

介绍了如何在攻击发生前做好事前防护，以及 Gartner 提出的有效对抗机器级别攻击的方法论。

• 三大核心行动：建立统一的视野以清查资产，利用统一的洞察对风险进行优先级排序，并采取统一的自动修复行动。
• Gartner CTEM 框架：包含界定、发现、优先级排序、验证和动员五个步骤，强调持续发现与迭代，以收窄企业暴露面。
• Tenable 暴露风险管理：Tenable 作为该领域的头部厂商，通过 Tenable One 平台帮助企业全面管控 IT、云、身份及 OT 环境的风险暴露点。

[00:10:09] 企业 AI 采用现状与双轮驱动战略

分析了企业 AI 部署速度远超安全治理的痛点，并阐述了 Tenable 对应的核心产品战略。

• 安全团队的三大挑战：防御时间窗口被严重压缩、组织内部修复流程存在瓶颈，以及日常救火工作带来的巨大决策压力。
• Tenable 双轮驱动：其一是利用 AI 赋能安全运营，大幅提升安全能力；其二是保护 AI 安全，防范 AI 工具本身带来的风险隐患。
• 前沿模型深度合作：Tenable 与 OpenAI 和 Anthropic 等 AI 巨头紧密合作，将大模型推理能力深度整合进资产发现与漏洞管理的完整工作流。

[00:15:29] 构建 AI 就绪框架与安全前移实践

提出了应对 AI 时代挑战的具体安全行动框架，并结合了主流模型厂商的最佳实践建议。

• 五步行动框架：涵盖持续资产发现、基于优先级的风险过滤、攻击路径分析、利用 MITRE ATT&CK 框架的防御验证，以及 AI 暴露治理。
• 精准优先级排序：打破传统 CVSS 将大部分漏洞标为高危的局限，结合攻击链路准确筛选出真正具有高威胁的 1.6% 核心漏洞。
• Anthropic 的安全建议：建议企业缩短补丁修复窗口，实现安全左移，在代码上线前彻底消除安全隐患。

[00:20:24] AI 驱动的精准漏洞情报与自动化响应

说明了如何利用安全检测前移与自动化工具，将安全团队从海量无序数据中解放出来。

• 全面收敛暴露面：定期梳理暴露在互联网上的资产、端口与风险点，建立清晰的资产清单并持续更新。
• 缩短事件响应时间：从漏洞被发现到完成修复实现全流程自动化，用机器速度对抗机器速度。
• 直观的可利用性情报：提供详尽的漏洞生命周期时间线、在野可利用验证（POC）及攻击脚本成熟度等情报，加速安全团队的研判决策。

[00:25:23] Hexa AI 智能体引擎：重塑运营体验

隆重介绍了专为暴露风险管理而生的 Hexa AI，展示了其如何与现有工作流无缝融合。

• 平台级数据整合：依托 Tenable One 平台，汇总原生传感器数据，并通过连接器接入 CrowdStrike、AWS 等第三方安全数据。
• 自然语言交互：支持通过对话创建扫描任务、批量更新资产属性并生成定制化的风险大盘，实现复杂操作的自动化编排。
• 差异化角色赋能：释放安全从业者的生产力，使其摆脱繁琐的数据比对工作，将精力集中于高价值的风险决策与业务防护上。

[00:30:18] 保护 AI 安全：治理隐藏的内部风险

转向战略的第二阶段，深入探讨了未经管控的内部 AI 部署可能引发的严重安全隐患。

• 影子 AI (Shadow AI) 的挑战：员工私自安装的未授权 AI 应用程序、网页工具或代码插件构成了巨大的安全盲区。
• 隐蔽的攻击路径：过度授权的 AI 智能体若连接至核心业务系统，一旦遭遇投毒或入侵，将引发极难被传统工具检测的毁灭性数据泄露。
• Gartner 治理框架：建议构建集中式的 AI 资产目录，设定严格的分级审批矩阵，并在全生命周期内落实最小权限原则。

[00:34:56] AI 数据防护、行为审计与责任文化

详细讲解了如何通过数据标签与合规审计，防止敏感信息外泄并规范 AI 的使用。

• 防止敏感数据外泄：结合数据分类分级标签与 DLP 策略，严控 AI 智能体的访问权限。
• 异常行为实时监测：建立正常的 AI 行为基线，精准识别员工提示词注入、越狱尝试等违规动作并自动产生告警。
• 角色转型与意识培训：推动安全团队从纯粹的“守门人”转变为业务的“赋能者”，建立企业全员的 AI 安全责任文化。

[00:38:45] Tenable AI 暴露风险管理解决方案剖析

总结了 Tenable 在保护企业 AI 生态安全方面所提供的三大核心产品模块及实际应用场景。

• AI Aware：结合内部和外部视角，全面清查企业环境中运行的影子 AI 工具并生成可视化的资产图表。
• AI SPM：专注于云上 AI 工作负载的安全，排查训练与推理部署全链路中的配置错误及云端权限风险。
• AI Exposure：实时拦截在对话中泄露 AKSK 凭证或执行违规提示词的行为，并提供完整的日志留存与合规审计。

[00:42:37] 互动问答环节

解答了参会者关于 Tenable AI 架构落地以及各类应用程序检测能力的实际应用问题。

• 灵活的大模型架构：Tenable 并非绑定单一引擎，而是综合调用 OpenAI、Claude、Gemini 等前沿大模型，并结合自身专业小模型提供精准的风险分析。
• 第三方与外部 API 扫描：探讨了利用内部扫描器对集成至企业内部的外部商业 AI API 进行漏洞检测的对接与应对方式。
• 国产 AI 智能体识别：除了提供丰富的专属插件外，还支持通过进程监控和流量侦测等手段，精准发现企业内豆包、Kimi 等应用的使用情况。

观看完整网络研讨会

立即观看本次网络研讨会回放，深入了解 Tenable 如何以先进的 AI 功能助您重塑安全防御体系，全面掌控企业的风险暴露面。