Azure AI 安全最佳做法

本文提供了在 Azure 中专门保护人工智能(AI)工作负载的最佳做法。 随着组织采用前所未有的 AI 功能,安全团队必须主动了解 AI 使用情况并实施适当的控制来降低风险。

本文重点介绍特定于 Azure 的 AI 安全注意事项。 有关与平台无关的 AI 安全指南(包括组织策略、治理框架和完整的 AI 安全生命周期),请参阅Microsoft安全文档中 的 AI 安全性

本文补充了 AI 共同责任模型,该模型解释了你与 Microsoft 针对 AI 工作负载之间的安全责任划分。 有关实施 Azure Policy 的规范性安全控制,请参阅 Microsoft云安全基准 v2 - 人工智能安全

启用对人工智能工作负载和使用情况的可见性

在保护 AI 工作负载之前,需要了解组织中正在使用和构建的 AI 应用程序。

  • 使用 Microsoft Defender for Cloud 发现 Azure 环境中的 AI 工作负载。Defender 云安全状况管理(CSPM)计划提供 AI 安全状况管理功能,包括发现生成 AI 材料清单(AI BOM)、内置安全建议和攻击路径分析。 有关详细信息,请参阅 使用 Defender for Cloud 进行 AI 安全状况管理

  • 使用 Microsoft Defender for Cloud Apps 发现 SaaS AI 应用程序。:Defender for Cloud Apps 目录包含一千多个生成式 AI 应用。 可以查看风险评估、制裁或阻止应用,并创建策略来检测新的 AI 应用。 有关详细信息,请参阅管理已发现的应用

  • 使用 Microsoft Entra 代理 ID 跟踪 AI 代理标识:Microsoft Entra 代理 ID 提供了跨 Microsoft Copilot Studio 创建的代理标识的统一目录,可帮助你管理代理生命周期和权限。

保护 Azure 机器学习

Azure 机器学习提供用于构建和部署 AI 应用程序的平台。 保护这些环境需要注意网络隔离、访问控制和模型治理。

  • 使用托管网络隔离。:使用托管虚拟网络创建 Azure 机器学习工作区,为依赖服务和出站流量控制提供专用终结点。 有关详细信息,请参阅 为 Azure 机器学习配置专用终结点

  • 实现最低特权访问控制。:使用内置角色配置 RBAC,并在项目或工作区级别分配权限。 使用 Microsoft Entra 代理标识进行 AI 代理身份管理,应用作用域限定的短期令牌来访问代理功能。

  • 仅部署批准的 AI 模型。:使用 Azure 机器学习模型注册表跟踪模型出处、验证状态和审批历史记录。 配置自动扫描,以在部署之前验证模型完整性并针对对抗输入进行测试。 部署“[预览版]:Azure 机器学习部署应仅使用经过批准的注册表模型”的 Azure Policy 以加强治理。 有关详细信息,请参阅 模型管理和部署

  • 保护计算资源。:配置没有公共 IP 的计算实例、使用托管标识身份验证、为共享群集启用用户隔离,以及使用客户管理的密钥加密磁盘。 有关详细信息,请参阅 保护 Azure 机器学习训练环境

实现特定于 AI 的威胁防护

AI 工作负载面临独特的威胁,包括提示注入、越狱攻击和模型操纵。 实现专为 AI 设计的威胁检测和持续测试。

将红队测试集成到 CI/CD 管道中,以在部署前验证安全性。 针对 MITRE ATLASOWASP 前 10 名 LLM 中的已知攻击模式进行测试。

  • 为关键操作实现人工干预。对于高风险 AI 操作,如外部数据传输或系统配置更改,请使用 Azure 逻辑应用或 Power Automate 设计工作流,以便在执行前等待人工审核和批准。

  • 监视有风险的 AI 使用模式。:使用 Microsoft Purview Insider Risk Management 和 Risky AI 使用策略模板来检测和调查与 AI 相关的风险活动。 有关详细信息,请参阅 内部风险管理策略模板

保护 AI 交互中的敏感数据

AI 应用程序通常与敏感数据进行交互。 实施数据保护控制以防止数据丢失并确保符合性。

  • 使用适用于 AI Microsoft Purview 数据安全状况管理(DSPM):适用于 AI 的 DSPM 提供 AI 活动的见解、随时可用的策略来保护提示中的数据,以及潜在过度共享的数据风险评估。 有关详细信息,请参阅 适用于 AI 的数据安全状况管理

  • 应用敏感度标签和 DLP 策略。:将 Microsoft purview 敏感度标签扩展到 AI 应用程序访问的数据,并配置 DLP 策略以检测和阻止 AI 提示中的敏感数据。 有关详细信息,请参阅敏感度标签入门

治理 AI 以确保合规

AI 应用程序必须符合法规要求和组织策略。

  • 实施负责任的 AI 控制。:遵循 Azure 负责任的 AI 原则,实现公平、透明、隐私和责任。

  • 维护审核线索。:为 AI 服务启用审核:Microsoft Purview 审核捕获 Copilot 交互、Azure Monitor 跟踪 Azure AI 服务使用情况,以及 Defender for Cloud Apps 监视 SaaS AI 活动。 有关详细信息,请参阅审核日志活动

后续步骤