设计安全，AI赋能：为智能威胁时代重新定义网络弹性

核心观点与关键数据

• 设计即安全（SbD）原则的必要性：随着人工智能（AI）改变攻击方式，设计即安全原则成为应对新型智能威胁的必要方法。91%的安全主管认为需要新的网络安全方法，融合架构、运营和文化。
• SbD与AI协同：AI不仅是威胁，也是解决方案。97%的技术领导者认为SbD至关重要，87%将其与长期收入增长联系起来，但只有40%的人将其融入工作流程。
• SbD的优势：69%的企业报告新产品和服务的回报率得到提升；72%的企业报告在治理、风险和合规（GRC）方面有显著提升；40%至2028年，48%至2030年，SbD预期投资回报率分别为22%。
• SbD的挑战：42%的高管将“我们自身的运营不足”列为组织面临的最大威胁；40%的企业遭受了涉及关键合作伙伴的安全breach；56%的高管表示，他们在跨职能和跨运营生命周期方面存在协作困难。
• AI对生态系统的影响：AI加深了生态系统依赖，提供了捍卫它的手段。91%的高管认为，安全不再是仅仅一套技术能力，而是一个运营成果。

研究结论与行动指南

• 关键成功因素：设计安全计划的成功需要C级赞助/倡导、充足的且持续的资金、商业/运营范围、技术/安全集成。
• 挑战：规模化挑战包括预算不足或资源配置不当、缺乏标准化的安全编码实践或指南、自动化不足、市场速度与安全治理遗产、缺乏高管支持或优先级、软件安全性集成有限、开发周期测量或证明困难、投资回报率缓慢或无效、事件反馈循环进入设计改进不足、安全专业知识不足。
• 行动指南：
  • 将安全要求嵌入到每一个设计和建设阶段。
  • 利用人工智能自动化治理、检测异常并触发实时响应。
  • 将韧性视为内置特性，而非附加的修复方案。
  • 桥接建筑与共享可见性的运营自动化。
  • 整合AI智能体以监控、适应并在各系统间做出响应。
  • 规范安全编码实践，并自动化安全测试。
  • 确保遥测和事件反馈回路持续提供信息设计改进。
  • 整合合作伙伴和服务提供商为一个统一安全框架。
  • 分享遥测和身份框架以构建联邦信任。
  • 监控第三方AI的输入输出，以验证数据完整性、决策质量和偏差。
  • 将行政支持与问责制相结合设计安全执行。
  • 使用共享指标来追踪弹性、响应能力和信任度。
  • 统一人工智能，安全设计优先，以构建自卫系统。
  • 利用AI代理进行情境威胁建模和“如果...将会发生什么”分析。
  • 使用人工智能预测故障点，并在设计调整之前提出建议。
  • 优先考虑人工智能驱动的透明度、可解释性和可审计性安全系统。