Analizowanie zaleceń dotyczących zabezpieczeń przy użyciu priorytetyzacji ryzyka
Zespół ds. zabezpieczeń firmy Contoso Healthcare włączył CSPM w usłudze Defender i przejrzeł swój wskaźnik bezpieczeństwa chmury. W przypadku setek zaleceń dotyczących zabezpieczeń generowanych w ramach obciążeń Azure — maszyn wirtualnych, kont magazynu, baz danych, kontenerów i usług sztucznej inteligencji — potrzebują systematycznego podejścia do określania priorytetów działań korygujących.
| Czynnik ryzyka | Co ocenia | Przykład |
|---|---|---|
| Narażenie na internet | Czy zasób jest dostępny z publicznego Internetu | Azure punkt końcowy OpenAI z włączonym dostępem publicznym |
| Czułość danych | Obecność danych wrażliwych, poufnych lub podlegających regulacjom. | Konto przechowywania zawierające dokumentację medyczną pacjenta |
| Potencjał ruchu bocznego | Czy osoba atakująca może użyć tego zasobu do uzyskania dostępu do innych zasobów | Maszyna wirtualna z nadmiernie permissywnymi regułami sieci |
| Zaangażowanie w ścieżkę ataku | Czy problem występuje w łańcuchu prowadzącym do krytycznych zasobów | Błędnie skonfigurowana tożsamość, która udziela dostępu do poufnych baz danych |
Omówienie sposobu określania priorytetu rekomendacji przez czynniki ryzyka
Defender dla Chmury ocenia zalecenia dotyczące zabezpieczeń przy użyciu dynamicznego aparatu ryzyka, który uwzględnia wiele czynników środowiskowych dla każdego zasobu, a nie tylko ciężkość podstawowej błędnej konfiguracji lub luk w zabezpieczeniach. Takie podejście kontekstowe oznacza, że dwa zasoby z identycznymi problemami z zabezpieczeniami mogą otrzymywać różne poziomy ryzyka na podstawie ich kontekstu operacyjnego.
Defender dla Chmury przypisuje każdemu rekomendacji jeden z pięciu poziomów risk: Krytyczne, Wysokie, Średnie, Niskie lub Nie oceniono. Krytyczne i wysokie zalecenia wymagają natychmiastowej uwagi, ponieważ łączą poważne błędy konfiguracji z czynnikami środowiskowymi wysokiego ryzyka. Zalecenia średnie i niskie wskazują problemy, które można rozwiązać podczas regularnych cykli konserwacji. Stan Nie oceniono jest wyświetlany dla zasobów, które nie są objęte planem CSPM w usłudze Defender lub dla nowych zaleceń, które są nadal oceniane przez silnik.
Rozważmy konkretny przykład ze środowiska firmy Contoso Healthcare. Wystąpienie Azure OpenAI z publicznym punktem końcowym i dostępem do rekordów kondycji pacjentów otrzymuje Critical poziom ryzyka dla zalecenia "punkt końcowy usługi AI Azure powinien używać łączności prywatnej". Ta sama nieprawidłowa konfiguracja w instancji deweloperskiej niezwiązanej z Internetem z syntetycznymi danymi otrzymuje niski poziom ryzyka.
Uwaga / Notatka
Kolumny priorytetyzacji ryzyka są wyświetlane tylko wtedy, gdy plan CSPM w usłudze Defender jest włączony. Bez tego planu kolumny poziomu ryzyka i czynnika ryzyka są rozmyte w interfejsie zaleceń.
Nawigowanie i filtrowanie strony zaleceń
Strona zaleceń w portalu Microsoft Defender udostępnia scentralizowany widok wszystkich wyników zabezpieczeń w środowisku wielochmurowym. Aby uzyskać dostęp do zaleceń, zaloguj się do portalu Microsoft Defender pod adresem security.microsoft.com, przejdź do Exposure Management>Recommendations i wybierz kartę Cloud.
W górnej części strony trzy karty podsumowania zapewniają błyskawiczne omówienie stanu zabezpieczeń. Karta Wskaźnik bezpieczeństwa chmury wyświetla ogólną kondycję zabezpieczeń na podstawie aktywnych zaleceń. Karta Historia wyników śledzi zmiany wskaźnika bezpieczeństwa w ciągu ostatnich siedmiu dni, pomagając identyfikować trendy i mierzyć poprawę. Karta Zalecenia według poziomu ryzyka zawiera podsumowanie liczby aktywnych zaleceń podzielonych na kategorie według ważności: Krytyczne, Wysokie, Średnie i Niskie.
Okienko nawigacji po lewej stronie organizuje rekomendacje w trzech kategoriach zabezpieczeń. Błędy konfiguracji pokazują problemy z zabezpieczeniami związane z konfiguracją, takie jak nadmierne permissywne mechanizmy kontroli dostępu lub brakujące ustawienia szyfrowania. Luki w zabezpieczeniach wyświetlają luki w zabezpieczeniach oprogramowania wymagające poprawek lub aktualizacji. Ujawnione wpisy tajne identyfikują poświadczenia i wpisy tajne, które mogą zostać naruszone. Wybranie kategorii aktualizuje zarówno listę zaleceń, jak i karty podsumowania, aby odzwierciedlały tylko wyniki tej kategorii.
W górnej części listy zaleceń można zastosować filtry, aby zawęzić widok. Filtr ujawnionych zasobów pokazuje tylko zasoby dostępne z internetu. Filtr Czynniki ryzyka zasobów pozwala wybrać określone warunki ryzyka, takie jak wrażliwość danych lub potencjał poruszania się w bok. Filtr Environment umożliwia skoncentrowanie się na zasobach Azure, AWS lub GCP. Filtr Obciążenie izoluje określone typy obciążeń, w tym sztuczną inteligencję, bazy danych, maszyny wirtualne i magazyn. Filtr dojrzałości rekomendacji określa, czy widzisz rekomendacje wersji zapoznawczej lub ogólnie dostępne.
Strona zaleceń obsługuje trzy opcje wyświetlania: Zalecenie na zasób pokazuje jeden wiersz na zasób uporządkowany według poziomu ryzyka, Tytuł zalecenia agreguje wszystkie wystąpienia tego samego typu zalecenia wraz z liczbą zasobów, których dotyczy, i Grupuj według zasobu łączy wszystkie wyniki dla tego samego zasobu.
Po wybraniu wiersza rekomendacji zostanie otwarty panel boczny z czterema kluczowymi kartami: Overview (opis zalecenia, uwidocznione zasoby, dystrybucja poziomu ryzyka), Kroki naprawcze (wskazówki dotyczące konfiguracji z możliwością działania), Podgląd mapy (powiązane ścieżki ataków przechodzące przez ten zasób) i Powiązane inicjatywy (struktury zgodności, takie jak punkt odniesienia zabezpieczeń chmury Microsoft).
Uwaga / Notatka
Defender dla Chmury przechodzi z pogrupowanych zaleceń — gdzie powiązane ustalenia pojawiły się w ramach pojedynczego elementu nadrzędnego — do indywidualnych zaleceń dotyczących poszczególnych zasobów. Podczas tego przejścia na stronie mogą być widoczne oba formaty. Rekomendacje oznaczone jako wersja zapoznawcza nie wpływają jeszcze na wskaźnik bezpieczeństwa. Jest to oczekiwane zachowanie i zostanie rozwiązane w miarę zakończenia przejścia.
Identyfikowanie zaleceń dotyczących zabezpieczeń specyficznych dla sztucznej inteligencji
CSPM w usłudze Defender generuje zalecenia dotyczące zabezpieczeń przeznaczone specjalnie dla obciążeń sztucznej inteligencji odnalezionych w projekcie AI Bill of Materials (AI BOM) — spis wszystkich składników aplikacji sztucznej inteligencji, źródeł danych i artefaktów w całym środowisku. Aby wyświetlić, które obciążenia i modele sztucznej inteligencji są uwzględnione w BOM sztucznej inteligencji, użyj wstępnie utworzonego szablonu zapytania "Obciążenia i modele sztucznej inteligencji w użyciu" w narzędziu Cloud Security Explorer, które szczegółowo omówisz w następnej części.
Zalecenia specyficzne dla sztucznej inteligencji obejmują mechanizmy kontroli tożsamości i dostępu dla Azure AI services, ustawień ekspozycji sieci i konfiguracji infrastruktury. Aby wyświetlić zalecenia dotyczące sztucznej inteligencji, wybierz kategorię Błędy konfiguracji w obszarze nawigacji po lewej stronie i zastosuj filtr Obciążenia z wartością AI. Ten filtr wyświetla zalecenia przeznaczone dla Azure OpenAI Service, Azure AI Foundry, Azure Machine Learning i wielochmurowych usług sztucznej inteligencji, takich jak Amazon Bedrock i Google Vertex AI.
Defender dla Chmury wykonuje skanowanie infrastruktury jako kodu (IaC) podczas cyklu projektowania i stale ocenia wdrożone zasoby sztucznej inteligencji. Możliwości postawy zabezpieczeń sztucznej inteligencji wykrywają cztery krytyczne błędne konfiguracje IaC.
- Użycie prywatnych punktów końcowych usługi Azure AI uniemożliwia publicznemu ruchowi internetowemu dotarcie do usług sztucznej inteligencji poprzez wymaganie, aby wszystkie połączenia były realizowane za pośrednictwem Azure Private Link
- Ograniczenie dostępu do punktów końcowych usługi sztucznej inteligencji Azure determinuje, które sieci mogą dotrzeć do usługi poprzez konfigurowanie zasad sieciowych i polityk zapory
- Użyj tożsamości zarządzanej dla kont usługi Azure AI eliminuje przechowywane poświadczenia, zezwalając usługom sztucznej inteligencji na uwierzytelnianie przy użyciu tożsamości zarządzanych Azure
- Użyj uwierzytelniania opartego na tożsamości dla kont usługi Azure AI usuwa zależność klucza API, wymagając uwierzytelniania Microsoft Entra ID
Narażenie punktu końcowego sztucznej inteligencji wiąże się z podwyższonym ryzykiem, ponieważ modele sztucznej inteligencji mogą być wykorzystywane do eksfiltrowania poufnych danych z danych uziemienia, dostrajania zestawów danych lub danych wyjściowych modelu — nawet jeśli bazowe bazy danych są prawidłowo zabezpieczone. Ze względu na to ryzyko zalecenia związane ze sztuczną inteligencją często pojawiają się w ścieżkach ataków, a Defender dla Chmury stale generuje rekomendacje, aby je rozwiązać, zanim będą mogły zostać wykorzystane.
Praca z rekomendacją — przepływ pracy śledztwa
Po odkryciu krytycznego ustalenia w środowisku, ustrukturyzowana ścieżka badawcza pomaga zrozumieć pełny zakres ryzyka i zaplanować skuteczne działania korygujące. Rozważmy scenariusz, w którym na stronie zaleceń firmy Contoso Healthcare jest wyświetlane krytyczne zalecenie: "Konta magazynowe powinny ograniczać dostęp do sieci publicznej", wpływając na cztery konta magazynowe w środowisku klinicznym i administracyjnym.
Wybierz wiersz rekomendacji. Otwiera się panel boczny, zapewniając szczegółowy kontekst dotyczący znaleziska.
Przejrzyj kartę Przegląd. Zobaczysz, które konta magazynu są dotknięte i dlaczego każde z nich otrzymało taki poziom ryzyka. Konto z ekspozycją internetową i poufnymi rekordami pacjentów jest oceniane jako krytyczne; inne z ekspozycją internetową, ale tylko dzienniki operacyjne, są oceniane jako wysokie. Pozostałe konta są zakwalifikowane jako średnie i niskie ze względu na niższy poziom ekspozycji i wrażliwości danych.
Przejrzyj kartę kroków naprawczych. Wskazówki wyjaśniają, co należy zrobić: wyłącz dostęp do sieci publicznej na każdym koncie magazynu, skonfiguruj reguły zapory, aby zezwalać tylko na zaufane sieci i usługi platformy Azure oraz przeprowadzić inspekcję tokenów SAS pod kątem nadmiernych uprawnień. W przypadku konta krytycznego firmy Contoso Healthcare oznacza to koordynację z zespołem danych klinicznych w celu potwierdzenia łączności aplikacji przed wyłączeniem dostępu publicznego.
Sprawdź kartę Podgląd mapy. Odkrywasz, że krytyczne konto magazynu pojawia się w dwóch ścieżkach ataku. Pierwsza ścieżka przedstawia osobę atakującą korzystającą z poświadczeń z naruszonymi zabezpieczeniami w celu uzyskania dostępu do konta uwidocznionego w Internecie i bezpośredniego eksfiltrowania rekordów pacjentów. Druga ścieżka pokazuje ruch lateralny z konta magazynu do warstwy aplikacji klinicznej za pośrednictwem połączenia z usługą z zbyt permisywnymi regułami sieciowymi. Ponieważ ten zasób pojawia się w aktywnych ścieżkach ataków, pilność korygowania znacznie wzrasta.
Sprawdź kartę Powiązane inicjatywy. Potwierdź, na które struktury zgodności to wpływa. Odkrycia odnoszą się do kontroli zgodnych z Microsoft Cloud Security Benchmark w zakresie zabezpieczeń sieci i ochrony danych, a także szczególnych wymagań w standardach regulacyjnych opieki zdrowotnej. Ta dokumentacja pomaga uzasadnić pracę korygowania podczas inspekcji zgodności.
Po zakończeniu badania można przypisać odpowiedzialność za działania naprawcze i ustawić terminy realizacji przy użyciu reguł zarządzania CSPM w usłudze Defender. Zasady zarządzania umożliwiają automatyczne przekazywanie rekomendacji do określonych właścicieli na podstawie tagów zasobów lub ręczne przypisywanie ich podczas priorytetyzacji. Dla firmy Contoso Healthcare zdiagnozowanie krytycznego problemu z kontem magazynu jest przypisane do zespołu platformy danych z 48-godzinnym terminem realizacji. Zdiagnozowanie problemu z tokenem SAS o średnim priorytecie jest przypisane do zespołu deweloperów w celu rozwiązania w następnym oknie serwisowym.
Zrozumienie sposobu klasyfikacji zaleceń według poziomu ryzyka i badanie pełnego kontekstu problemu z zabezpieczeniami — zarówno w przypadku obciążeń magazynu, obliczeń, sieci, jak i sztucznej inteligencji — stanowi podstawę efektywnego korygowania.