專家專欄

    隨著香港在日益互聯的環境中加速數碼轉型,保障高風險數據已成為一項超越傳統邊界防禦的必要任務。在我負責本地身份安全工作的角色中,有一個事實變得非常明確:身份已成為網絡安全的第一道防線。無論是人類身份(如員工、供應商、合作夥伴)還是非人類身份(如自動化系統),在人工智能驅動的網絡威脅日益加劇的時代,身份已成為新的攻擊媒介。

    隨著自動化和人工智能的興起,身份生態系統在複雜性和規模上顯著增長。數以千計的身份需要在雲端、本地和混合環境中被安全管理,而機構必須意識到非人類實體同樣需要像人類身份一樣嚴格的治理。

    逾七成機構未有移除離職員工權限

    SailPoint 的研究顯示,72% 的機構曾意外授予對敏感數據的不當存取權限,超過 70% 的機構未能在員工離職後移除其存取權限,導致合規風險和潛在的資料外洩。這些數據突顯了即時可視性和自動化生命週期管理的迫切需求,以防止權限過度分配並降低身份遭入侵的影響範圍。

    威脅形勢不斷演變,對手利用人工智能進行高度針對性的網絡釣魚攻擊、憑證竊取和即時身份濫用。傳統的靜態角色存取控制已無法應對這些動態威脅。香港的機構必須採用人工智能驅動的統一身份安全解決方案,持續分析存取模式、挖掘角色、偵測異常並即時調整權限。這種方法以智能自動化取代被動治理,減少攻擊面,並提升預先識別受損帳戶的能力。

    許多機構擁有如個人識別資訊(PII)、敏感資料和財務數據等的關鍵數據。這類高風險數據必須有效治理,並應成為全面身份安全策略的第一步。若在治理生命週期中缺乏對敏感資產的可視性,當安全團隊在資訊不足的情況下運作時,可能導致合規漏洞。因此,了解誰在存取敏感數據以及其使用方式至關重要。將操作人員的背景資訊(如所屬部門、存取概況、地點或生命週期狀態)進行關聯,有助於區分合法與高風險的存取行為。

    機構須採取統一身份安全策略

    香港要求對敏感數據的存取進行全面可視化和問責的監管環境更增添了複雜性。機構必須採取統一的人工智能驅動身份安全策略,在機構變更發生時即時作出存取決策,而非依賴定期審查。這種主動的方法高度依賴維護良好且具背景資訊的數據,以建立和維持健康的存取模型,成為基於身份的存取的唯一真實來源。統一身份平台讓機構能夠主動監控敏感數據存取、執行最小權限政策並自動化修復流程。這種整合方法有助於加快合規準備並強化整體安全姿態。

    展望未來,隨著高風險數據類型和身份(尤其是與物聯網和雲原生應用相關的身份)持續擴展,傳統安全模型將面臨更大挑戰。採用零信任原則,如最小權限存取、持續驗證和主動風險評估,不僅是防禦日益複雜攻擊的關鍵,更是推動安全創新和業務韌性的基石。

    香港高風險數據安全的未來在於策略性轉變:在人工智能驅動的世界中,將身份視為真正的安全控制平面。能夠善用智能、適應性身份安全的機構,不僅能降低風險,更能建立持續信任、強化合規能力,並在日益數碼化的經濟中實現穩健成長。

    撰文:SailPoint 香港、澳門及台灣副總裁戴健慶(Simon)
    欲觀看更多 Simon 撰寫的文章,可按此瀏覽。

    香港中小企的網絡安全挑戰日益嚴峻。隨著黑客攻擊手法愈趨複雜和精準,企業系統與資料隨時成為目標,而在資源、人手及專業知識有限的情況下,要建立完善的防護措施絕非易事。

    為協助中小企應對挑戰,「構建中小企多重防禦體系」網絡安全研討會暨安全方案專區將匯聚業界持份者及合資格網絡安全服務供應商,分享建立穩健多重防禦體系的實用策略。研討會內容涵蓋網絡保護、威脅偵測、事故應變及員工安全意識培訓等重點範疇,協助中小企加強整體防護能力。

    參加者可直接與經審核的網絡安全服務供應商進行諮詢,探索度身訂造的解決方案,並與業界交流經驗及最佳實務。

    在客戶會議、業界活動,以及我幾乎每日讀到的新聞中,我瞭解到一件事:當我們一步步實現 AI 新時代的願景,同時也應警覺這項技術帶來的安全難題。

    許多重大安全事件至今仍歷歷在目,這些事件都是未適當保護 AI 所致。在這些惡意的 AI 操弄事件中,最知名的就是美國加洲沃森維爾的雪佛蘭汽車經銷商聊天機器人事件。一名男性說服聊天機器人以 1 美元,將全新 Tahoe 休旅車賣給他。

    這起事件發生幾個月後,在 2024 年 2 月,加拿大法院宣判加拿大航空敗訴,須為 AI 聊天機器人向消費者提供的錯誤資訊負責。

    當然,這些例子只是問題的開始。目前,世界各地的企業,或許正將新的 AI 弱點,帶入自家環境而毫無自覺。這將造成相當嚴重的後果。許多企業可能因此重創聲譽和利潤,並因未遵循法規而受到懲處,甚至損失在一開始用來導入 AI 所投入的大筆資金。

    在最近的健康檢查中,醫師問我 AI 代理程式是否能用來做筆記。我們聊的話題不只是我的健康,還有週末的規劃、我女兒選擇的大學等等。因此我很好奇,這些資訊都會去哪裡?就連醫師自己真的知道嗎?這當中是否可能違反 HIPAA (美國健康保險流通與責任法案) 規定?

    全球各地的會議室和董事會正提出這些疑問:我們使用 AI 的方法安全嗎?我們建構 AI 的方式安全嗎?

    如果沒人問這些問題,就更應該提出。AI 帶來一波期待和創新。然而,全新型態的網絡安全弱點也隨之而來,既有的安全解決方案無法適切應對。這個情況導致 AI 長及其開發團隊,與資安長之間的關係變得緊張:

    • 前者急著部署新的 AI 應用程式與商業模式
    • 後者仍不知道該從哪裡著手防範還未知曉的威脅

    當企業正大舉投資 AI,然而,創新競賽也同時打開了新的攻擊大門,可能干擾 AI 運作並損害品牌聲譽。立即下載報告:https://tinyurl.com/jr2nn4ww

    您將瞭解:

    • 企業 AI 應用程式面臨的新興威脅,例如提示注入,惡意輸出和機密資料外洩
    • 保護 AI 應用程式,監控威脅並維持 AI 系統運作的關鍵能力
    • Akamai 全新解決方案,專為協助企業保護其 AI 應用與大型語言模型 (LLM)而打造:Firewall for AI

    MetaX 聯同 Red Hat 於 2025 紅帽論壇 - 北京站正式發布 MXAIE 方案,此方案不僅實現由底層算力至平台運維的全棧整合,亦透過深度參與開源社群,加速國產 GPU 與全球 AI 框架的生態融合。

    作為國內高性能通用 GPU 供應商,該方案亦標誌著 MetaX 在其「軟硬協同、開源共創」 的 AI 發展路徑上,邁出重要一步。透過與 Red Hat 的緊密協作,MetaX 將自身 GPU 技術優勢,與 Red Hat 於全球廣泛應用的開源操作系統及 AI 軟件生態相結合,使更多企業能夠在統一的開源框架下,以更安全、更靈活的方式在加速器上運行 AI 工作負載。

    基於 MXAIE 方案,MetaX 與 Red Hat 將進一步分享雙方在 vLLM 高性能推理引擎優化、開源生態共建、人才培育及生態拓展等多個領域的合作成果。

    因應 AI 運算專用趨勢,紅帽持續強化在地生態鏈合作,同時於 11 月在亞特蘭大舉行的 KubeCon 北美峰會上,發布一系列公告,重點強化其在 AI、Red Hat Enterprise Linux(RHEL)和混合雲方面的能力,其中包括:

    Red Hat Enterprise Linux 推出 AI 加速器優化體驗

    紅帽(Red Hat)宣布為紅帽企業 Linux(RHEL)客戶提供了一個簡化的體驗,使他們能夠更輕鬆地訪問和安裝來自 AMD、英特爾(Intel)、輝達(NVIDIA)及中國本土 GPU 供應商的領先 AI 加速器。

    此更新使 RHEL 成為 AI/ML 工作負載的可靠、經過驗證的基礎。它有效地減少了與安裝相關的停機時間,並最小化了故障排除週期,使 IT 隊伍能夠快速解鎖關鍵硬體能力,以加速在開放混合雲中,開發和部署 AI 模型及應用。

    Red Hat OpenShift 4.20 增強現代應用平台安全性,從虛擬機器到 AI 統一企業 IT

    紅帽(Red Hat)宣布 Red Hat OpenShift 4.20 正式上市,這是其業界領先、由 Kubernetes 驅動的混合雲應用平台的最新版本,並以 Kubernetes 為基礎,引入了專注於 AI 工作負載、數碼主權和安全性的關鍵新功能。

    此版本提供了一個統一且一致的基礎,使組織能夠安全地將 AI 生命週期 與資料中心、公共雲和邊緣的現有基礎架構銜接起來。

    主要更新包括對後量子加密(PQC)演算法的初步支援,以強化長期加密保護。此版本亦透過 Red Hat Advanced Cluster Security 4.9 等工具,提供增強的安全管理,提供了更高的營運靈活性,以滿足複雜的法規和數碼主權需求。

    Red Hat Developer Hub 1.8 實現上下文感知 AI、更快的自助服務和可擴展治理

    紅帽(Red Hat)宣布 Red Hat Developer Hub 1.8 正式推出,這是基於 Backstage 專案的企業級開發者入口網站的最新版本,旨在直接解決開發者因非編碼任務和情境切換中所導致的摩擦。

    此版本透過 Red Hat Developer Lightspeed 提供了情境感知型 AI 協助的基礎,並利用 Llama Stack 框架和 Model Context Protocol(MCP)的整合,將入口網站轉變為能即時理解用戶軟體環境的智能合作夥伴。

    此外,它透過自動化的範本生命週期管理,將手動式的管控模式轉化為持續自動化的流程。這項功能提供必要的治理即程式碼能力,有助於大規模執行組織標準,並能消除安全性和合規性負擔。