適用於雲端的Defender雲端安全性狀態管理 （CSPM） 計劃Microsoft Defender 可保護企業建置、多雲端或混合式雲端環境。 這些環境包括 Azure、Amazon Web Services（AWS）及 Google Cloud Platform（GCP），其中包含 Vertex AI。 Defender CSPM 計畫保障生成式 AI 應用與 AI 代理（預覽）在其整個生命週期中的安全。
適用於雲端的 Defender 透過以下方式降低跨雲端 AI 工作負載的風險：
- 探索生成式 AI 物料清單（AI BOM），其中包含應用程式元件、數據，以及從程式碼到雲端的 AI 產物。
- 採用內建建議，並探索並補救安全性風險，藉此加強生成式 AI 應用程式安全性態勢。
- 使用攻擊路徑分析來識別和補救風險。
- 強調外部可達的 AI 端點，讓團隊能強制執行強認證與最低權限身份。
這很重要
若要在 AWS 帳戶啟用 AI 安全性態勢管理功能，該帳戶必須符合以下條件：
- 已連線到您的 Azure 帳戶。
- 已啟用 Defender CSPM。
- 已將權限類型設為 [最低權限存取]。
您必須透過以下步驟重新設定該連接器的權限以啟用相關權限：
- 在 Azure 入口網站，前往環境設定頁面，選擇相應的 AWS 連接器。
- 選取 [設定存取權]。
- 確認權限類型已設為 [最低權限存取]。
- 請依照「連接你的 AWS 帳戶」中的第 7-11 步驟 完成設定。
探索生成式 AI 應用程式
適用於雲端的 Defender 會探索 AI 工作負載，並識別組織的 AI BOM 詳細資訊。 了解這項資訊透明度可讓您發現並解決弱點，並保護生成式 AI 應用程式免於潛在威脅。
適用於雲端的 Defender 會自動在下列服務持續探索已部署的 AI 工作負載：
- Azure OpenAI 服務
- Azure AI Foundry
- Azure Machine Learning
- 亞馬遜基岩
- Google Vertex AI
適用於雲端的 Defender 也可以掃描原始程式碼是否有基礎結構即程式碼 (IaC) 設定錯誤及容器映像是否有弱點，藉此探索生成式 AI 程式庫相依性內的弱點，例如 TensorFlow、PyTorch 和 Langchain。 定期更新或修補程式庫可防止惡意探索，保護生成式 AI 應用程式並維護其完整性。
透過這些功能，適用於雲端的 Defender 從程式碼到雲端都能提供完整的 AI 工作負載可見度。
探索 AI 代理（預覽）
自 2026 年 7 月 1 日起，Microsoft Foundry 代理及第三方雲端代理的 AI 代理發現與安全態勢需取得 Microsoft代理 365 授權。 這些功能過去可透過 適用於雲端的 Microsoft Defender 中的 Defender CSPM 方案提供。 Defender CSPM 持續偵測 Microsoft Foundry 帳號與專案，但代理層級功能現在需要 Agent 365。 欲了解更多關於此轉換的資訊，請參閱 Transition AI Agent Security Capabilities to Microsoft Agent 365。
AI 代理程式清單可在 Microsoft Defender 入口網站中查看，並提供集中式檢視，顯示您的代理程式及其安全性狀態。 欲了解更多資訊，請參閱 使用 Microsoft Defender 入口網站中的 AI 代理程式清查來探索 AI 代理程式並評估安全性狀態。
降低生成式 AI 應用程式的風險
Defender CSPM 為組織的 AI 安全性態勢提供脈絡化的深入解析。 透過安全建議與攻擊路徑分析，您可以降低 AI 工作負載中的風險。
利用建議探索風險
適用於雲端的 Defender 會評估 AI 工作負載。 它針對身份、資料安全及網路暴露提出建議，協助您識別並優先處理關鍵安全議題。
對於暴露於網際網路的 AI 端點，優先推薦強化認證並將身份權限限制為最低權限的建議。
偵測 IaC 設定錯誤
DevOps 安全性會偵測 IaC 錯誤設定，這些錯誤設定可能使生成式 AI 應用程式暴露於安全性漏洞，例如過度暴露的存取控制或無意中公開的服務。 這種設定錯誤可能會導致資料外洩、未授權存取和合規性問題，尤其是在處理嚴格的資料隱私權法規時。
當 IaC 變更創造外部可達的 AI 服務時，請使用強認證與最低權限管理的身份來降低風險。
Cloud Defender 會評估您的生成式 AI 應用程式配置，並提供安全建議以提升您的 AI 安全態勢。
為避免日後複雜問題，應在開發週期早期修正偵測到的錯誤配置。
目前的 IaC AI 安全性檢查包括：
- 使用 Azure AI 服務私有端點
- 限制 Azure AI 服務端點
- 對 Azure AI 服務帳戶使用受控識別
- Azure AI 服務帳號使用基於身份的認證
透過攻擊路徑分析探索風險
攻擊路徑分析會偵測並排除 AI 工作負載的風險。 資料可能在將 AI 模型與特定資料建立基礎，以及針對特定資料集微調預訓練模型以提升相關任務表現時曝光。
若 AI 端點可外部連線，若認證薄弱或缺失，將增加攻擊路徑影響，並使後續存取更為容易。
透過持續監控 AI 工作負載，攻擊路徑分析能找出弱點與潛在漏洞，並持續提出建議。 此外，該功能也可延伸運用在資料和計算資源分散在 Azure、AWS 和 GCP 的情況。