30 秒看懂
a16z 的 David George 与 Kevin Mandia 讨论 AI 可能如何影响网络安全。Mandia 介绍 Armadin 的测试与防守设想、防护措施的必要性,以及工具快速变化时建设安全公司的挑战。
- 1规模和速度Mandia 预计模型会改变并行探索攻击路径的数量。
- 2持续测试变化其公司先梳理资产,后续测试聚焦变化的部分。
- 3连接测试与防御他提议通过现有安全平台快速实施补偿性控制。
- 4分层防护隔离、监控和人工升级分别应对不同失效方式。
要点建议
- AI 可能让攻击者与防守者并行探索更多路径。
- 系统变化时,持续的授权测试可以帮助确定可利用风险的优先级。
- 快速控制应补充调查和修复,而不是取代它们。
- 智能体安全需要分层防护、审计记录和领域专业知识。
- 访谈中的公司业绩说法和预测并非独立验证。
按章节阅读整理后的全文
为何重返网络安全
David George 采访 Kevin Mandia,讨论 AI 与网络安全。Mandia 曾创办 Mandiant,如今领导提供 AI 安全测试的 Armadin;文中有关产品效果的说法来自他本人。
David George 采访 Kevin Mandia,讨论 AI 与网络安全。Mandia 曾创办 Mandiant,如今领导提供 AI 安全测试的 Armadin;文中有关产品效果的说法来自他本人。
Mandia 说,认识 Armadin 创始团队并看到 AI 带来的变化,让他重新投入创业。他认为自己的安全经验与人脉可以帮助团队接触客户。
他介绍,Armadin Red 利用模型测试客户系统中的可利用风险;规划中的 Armadin Blue 则希望帮助控制测试发现的风险。
AI 攻击与规模
Mandia 说,AI 辅助攻击可以并行探索比人工操作者更多的路径,但当前系统可能重复操作或产生明显噪声。他认为速度和规模是重要区别,同时承认协调能力还有改进空间。
Mandia 说,AI 辅助攻击可以并行探索比人工操作者更多的路径,但当前系统可能重复操作或产生明显噪声。他认为速度和规模是重要区别,同时承认协调能力还有改进空间。
他预计,能力较强的模型会降低攻击者的技术门槛,并使攻击归因更困难。这是他对威胁环境的判断,不代表每次 AI 辅助攻击都会成功。
谈及国家级行动与 AI 攻击的区别,Mandia 将有选择的定向行动与未来可能出现的广泛并行探测作比较。他说,操作者仍需权衡速度、隐蔽性和暴露行动的风险。
他预测,技术能力较弱的攻击者使用模型后可能显得更有能力,防守方也可能更难辨别行动背后的主体。他将此描述为未来的担忧。
持续授权测试
Mandia 认为防守方需要真实、持续的测试,类似体育球队用强大的进攻阵容训练防守。他认为攻击速度加快会推动战术响应更多依靠自动化。
Mandia 认为防守方需要真实、持续的测试,类似体育球队用强大的进攻阵容训练防守。他认为攻击速度加快会推动战术响应更多依靠自动化。
他介绍先进行一次评估,梳理暴露的服务和资产,再检查新增服务或应用更新等变化。后续测试可以聚焦发生变化的部分,而不必每次都以完整强度重复测试。
公司希望区分真正可能带来访问权限的发现与大量理论漏洞。Mandia 说,这能让客户更清楚地安排修复优先级。
从发现到行动
Mandia 认为,仅靠周期性渗透测试无法提供他希望的持续覆盖。他把传统渗透测试描述为只扫描已知问题,这只是他的概括;实际测试范围因项目而异。
Mandia 认为,仅靠周期性渗透测试无法提供他希望的持续覆盖。他把传统渗透测试描述为只扫描已知问题,这只是他的概括;实际测试范围因项目而异。
他表示,Armadin 在访谈所讨论的年份里,在客户生产环境中发现了 90 多个零日漏洞。这是节目中的公司说法,此处未独立核实数量。
Mandia 对比了理论性发现与经过验证的可利用路径,并说客户会将严重的已确认问题作为事件处理。他预计 AI 能让更频繁的授权红队测试在经济上可行。
在防守方面,他的目标是利用测试信号快速触发补偿性控制。他说 Armadin 正与现有安全厂商合作,而不是取代客户已经使用的所有防御平台。
他说,临时控制类似止血:它可以争取时间,但不能替代调查和修复根本问题。与已部署安全系统集成是其方案的一部分。
安全运营的未来
谈到安全运营中心,Mandia 预测预防、检测和响应将更加自动化。他也说,面对尚未评估过的新路径,分层防御和假设某层会失效仍然必要。
谈到安全运营中心,Mandia 预测预防、检测和响应将更加自动化。他也说,面对尚未评估过的新路径,分层防御和假设某层会失效仍然必要。
他担心成功入侵后,攻击扩散速度会超过分析人员手动响应的能力。实际部署时,速度、误报和自动行动后果之间的平衡仍需要仔细设计。
Mandia 说,随着模型能力变化,安全负责人正在重新评估团队和暴露面。他描述一些组织扫描自身系统,并调集工程资源降低风险。
防护措施与评估
讨论转向涉及 Hugging Face 的一次事件,以及预判模型行为的困难。Mandia 得出的更广泛教训是,AI 研究人员和有经验的安全实践者需要共同设计防护措施。
讨论转向涉及 Hugging Face 的一次事件,以及预判模型行为的困难。Mandia 得出的更广泛教训是,AI 研究人员和有经验的安全实践者需要共同设计防护措施。
对于敏感安全测试,他描述了隔离执行、代理和监控等多层控制。他主张在行为触及边界时停止或升级处理,同时承认每层控制都可能失效。
他说,领域专家需要围绕实际环境和可能的失效方式设计评估。一个在通用测试中看似安全的系统,获得工具和实际访问权限后可能表现不同。
Mandia 描述了公司内部对开放和闭源模型在一组安全任务上的比较,称它们速度和成本不同,最终结果相近。访谈没有提供足够的方法细节,无法将结果推广到其他情境。
他将 AI 审计记录的需求比作云计算改变事件响应时安全团队所经历的调整。组织需要重建事件经过、识别智能体做过什么,并改进控制措施。
Mandia 反对因恐惧而停滞,也反对未经约束地部署。他建议逐步测试,检查输入和输出,对不熟悉的行为暂停或升级给人判断。
他说,团队已看到技术自行发现部分近期漏洞,同时人仍参与其中。他认为这反映了安全专业知识和自动化结合方式的变化。
建设安全公司
对话转向 Armadin 的创业过程。Mandia 将事后事件响应与在攻击者之前发现并处理弱点进行对比,同时承认预防失败时仍然需要响应能力。
对话转向 Armadin 的创业过程。Mandia 将事后事件响应与在攻击者之前发现并处理弱点进行对比,同时承认预防失败时仍然需要响应能力。
他感谢此前安全工作中积累的同事和校友网络。人脉可以帮助新公司接触客户,但产品仍必须解决企业的紧迫问题并赢得信任。
随着公司成长,Mandia 强调产品变化时要持续培训销售团队。他说,规模化需要清晰流程,并反复检验流程是否仍然有效。
创业者讨论了紧迫需求如何影响企业采用,以及快速行动的同时保持安全纪律有多困难。Mandia 强调解决客户的难题,并让公司围绕这些问题保持一致。
Mandia 最后表示,随着 AI 改变攻击和防御,安全组织也必须适应。整场对话展示的是他公司的策略与预测,并非对产品效果的独立测试。
同频道的其他文章
1:00:17EN → 简体中文
56:00EN → 简体中文
1:00:39EN → 简体中文
1:00:34EN → 简体中文
55:07EN → 简体中文
1:01:59EN → 简体中文