核心观点与关键数据
- 云安全挑战：随着80%的中、高、关键风险暴露发生在云环境中，传统安全工具和工作流程已无法应对云原生环境的复杂性。主要挑战包括可见性差距、责任划分不清、动态环境、风险优先级排序困难、访问管理混乱、配置管理不当以及攻击路径分析复杂。
- 团队协作障碍：应用安全（AppSec）、云安全（CloudSec）和安全管理（SecOps）团队因操作孤岛而难以协作，导致信息不共享、响应迟缓，使攻击者得以利用这些分割优势。
- CNAPP的局限性：虽然云原生应用保护平台（CNAPP）引入了容器安全、数据保护和云基础设施权限管理（CIEM）等高级功能，但它们仍存在威胁上下文有限、自动化受限和攻击链可见性不完整的问题，无法有效整合端到端的安全视图和响应。
研究结论与解决方案
- 统一安全基础：解决当前安全限制需要优化应用安全、云 posture 管理（Cloud Posture Management）和云运行时安全（Cloud Runtime Security）三个领域，但CNAPP无法满足跨云、应用和传统网络的全景安全需求。
- AI驱动架构：现代安全架构应通过统一数据、AI和自动化打破孤岛，实现从代码到云再到SOC的端到端可见性和控制。AI能够关联信号，描绘完整的攻击链，实现攻击的预测性防御。
- 云检测与响应（CDR）：CDR作为关键能力，提供跨多云环境的实时威胁检测、最佳云保护、关联分析和自动化响应，有效应对云原生威胁。
- 统一优势：集成解决方案通过整合数据和控制台，实现主动应用安全、AI驱动的运行时预防、云检测与响应、简化的DevSecOps和生成式AI生产力，显著提升运营效率并加速业务发展。
- 关键指标：研究显示，90%的警报可通过自动化解决，平均检测时间（MTTD）为10秒，平均响应时间（MTTR）为1分钟（响应），平均解决时间（MTTR）为5小时，且显著降低培训成本。
- 战略选择：组织应评估当前安全操作的痛点、现有工具的总成本，并考虑试点项目，制定最小化运营影响的过渡策略，转向统一安全模型，以实现更快的部署、更低的总拥有成本和更安全的创新。
未来展望
未来云安全的关键在于采用统一策略而非增加工具，通过AI和自动化实现AppSec、CloudSec和SecOps团队的协同工作，实时保护环境，同时不牺牲开发速度。
