你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
Microsoft Defender for Cloud 的云安全态势管理 (CSPM) 计划保护企业构建的多云或混合云环境。 这些环境包括Azure、Amazon Web Services（AWS）和 Google Cloud Platform （GCP），包括顶点 AI。 Defender CSPM 计划在整个生命周期内保护生成式 AI 应用程序和 AI 代理（预览版）。
Defender for Cloud 通过以下方式降低各种云 AI 工作负载中的风险：
- 发现生成式 AI 材料清单（AI BOM），该清单包括从代码到云的应用程序组件、数据和 AI 工件。
- 通过内置建议以及探查并修正安全风险，改进生成式 AI 应用程序的安全态势。
- 使用攻击路径分析来识别并修正风险。
- 突出显示外部可访问的 AI 终结点，以便团队可以强制实施强身份验证和最低特权标识。
重要
如果要在符合以下情况的 AWS 帐户上启用 AI 安全态势管理功能：
- 已连接到 Azure 帐户。
- 已启用 Defender CSPM。
- 将权限类型设置为最低特权访问。
必须使用以下步骤重新配置对该连接器的权限才能启用相关权限：
- 在 Azure 门户中，转到“环境设置”页并选择相应的 AWS 连接器。
- 选择“配置访问权限”。
- 确保将权限类型设置为“最低特权访问”。
- 按照连接 AWS 帐户中的步骤 7-11 完成配置。
发现生成式 AI 应用
Defender for Cloud 可发现 AI 工作负载，并识别你的组织的 AI BOM 的详细信息。 这种可见性使你能够识别和解决漏洞，并保护生成式 AI 应用程序免受潜在威胁。
Defenders for Cloud 可以自动并持续发现以下服务中已部署的 AI 工作负载：
- Azure OpenAI 服务
- Azure AI Foundry
- Azure 机器学习
- Amazon Bedrock
- Google 顶点 AI
Defender for Cloud 还可以通过扫描源代码来查找基础结构即代码 (IaC) 配置错误和容器映像中的漏洞，从而发现生成式 AI 库依赖项（例如 TensorFlow、PyTorch 和 Langchain）中的漏洞。 定期更新或修补库可以防止漏洞利用，保护生成式 AI 应用程序并维护其完整性。
借助这些功能，从代码到云，Defender for Cloud 可提供 AI 工作负载的完整可见性。
发现 AI 代理（预览版）
自 2026 年 7 月 1 日起，Microsoft Foundry 代理和第三方云代理的 AI 代理发现和安全态势功能需要 Microsoft Agent 365 许可证。 这些功能以前通过 Microsoft Defender for Cloud 中的 Defender CSPM 计划提供。 Defender CSPM 将继续发现 Microsoft Foundry 帐户和项目，但代理级别功能现在需要 Agent 365。 有关此转换的详细信息，请参阅将 AI 代理安全功能转换为 Microsoft Agent 365。
AI 代理清单在 Microsoft Defender 门户中提供，并提供代理及其安全状态的集中视图。 有关详细信息，请参阅在 Microsoft Defender 门户中使用 AI 代理清单发现 AI 代理并评估安全状况。
降低生成式 AI 应用的风险
Defender CSPM 针对组织的 AI 安全态势提供情境式见解。 可以使用安全建议和攻击路径分析来降低 AI 工作负载内的风险。
使用建议探索风险
Defender for Cloud 可以评估 AI 工作负载。 它针对标识、数据安全和 Internet 公开问题发出建议，以帮助识别和确定关键安全问题的优先级。
对于 Internet 公开的 AI 终结点，优先考虑增强身份验证的建议，并将标识权限限制为最低权限。
检测 IaC 配置错误
DevOps 安全性能够检测到 IaC 配置错误，这些错误可能导致生成式 AI 应用程序暴露于安全漏洞中，例如过度暴露的访问控制或无意中公开的服务。 这些配置错误可能会导致数据泄露、未经授权的访问以及合规性问题，尤其是在处理严格的数据隐私法规时。
当 IaC 更改创建外部可访问的 AI 服务时，请使用强身份验证和最小特权托管标识来降低风险。
Defender for Cloud 会评估生成式 AI 应用配置，并提供安全建议来改善 AI 安全状况。
为了防止以后出现复杂问题，请在开发周期的早期修正检测到的错误配置。
当前的 IaC AI 安全检查包括：
- 使用 Azure AI 服务专用终结点
- 限制Azure AI 服务终结点
- 对 Azure AI 服务帐户使用托管标识
- 对Azure AI 服务帐户使用基于标识的身份验证
使用攻击路径分析了解风险
攻击路径分析检测并缓解 AI 工作负载的风险。 在将 AI 模型与特定数据关联并对预训练模型进行特定数据集上的微调以提升其在相关任务中的表现时，数据可能会被暴露。
如果 AI 终结点在外部可访问，则弱身份验证或缺失身份验证可能会增加攻击路径影响，并使后续访问更容易。
通过持续监视 AI 工作负载，攻击路径分析可以识别弱点和潜在漏洞，并跟进建议。 此外，它还扩展到数据和计算资源分布在 Azure、AWS 和 GCP 中的情况。