推进 AI 零信任：保护 AI 代理与 DevSecOps 的新工具与指南
导语：微软扩展 Zero Trust for AI 战略，新增 AI 聚焦的零信任评估体验和 Workshop 中的 DevSecOps 支柱，涵盖 15 个控制组和 91 项任务，并将结果映射到 First/Then/Next 框架以驱动实施落地。
网络安全的方程式已经改变。AI 正在重塑组织构建、部署、运营和防御数字系统的方式。AI 驱动的开发工具、代理以及自主工作流正在加速创新，但它们也带来了新的攻击面、新的信任边界以及新的安全挑战。
微软长期以来一直帮助组织使用零信任（Zero Trust）原则保护其数字资产。KuppingerCole 分析师最近认可了这一领导力，在其 Zero Trust Platform Leadership Compass 中将微软评为 Overall Leader（全面领导者），在产品和创新领导力方面均排名第一。
随着组织加速采用 AI，安全的软件开发变得比以往任何时候都更加重要。因此，我们正在扩展 Zero Trust for AI 战略，新增两大内容：全新的 AI 聚焦 Zero Trust Assessment（零信任评估）体验，以及 Zero Trust Workshop（零信任研讨会）中的全新 DevSecOps 支柱。二者共同帮助组织为 AI 做好准备，评估暴露面和风险，确定修复优先级，并在源代码到部署的过程中保护 AI 驱动的开发。
这直接建立在 2026 年 RSA Conference 大会上宣布的 Zero Trust for AI 战略基础之上，将对话从架构推进到实施。如果说那次宣布是关于建立 Zero Trust for AI，那么本次宣布则是关于将其落地运营：为安全、工程和平台团队提供他们所需的特定控制措施以便采取行动。
Zero Trust Assessment 通过评估租户配置和环境中的活动信号，提供安全态势的自动化视图，并将这些发现转化为按优先级排序的建议。随着组织采用 AI 代理、Copilot、开发者工具和自主工作流，该评估可帮助安全和平台团队在传统和 AI 驱动的环境中建立基线、衡量进度并识别差距。它现在扩展了覆盖范围，新增了 AI、安全运营和基础设施三大支柱（除了现有的身份、设备、网络和数据支柱），并包含专注于 Zero Trust for AI 的检查项，帮助组织评估安全采用 AI 所需的控制措施。
此外，增强的报告功能既可提供面向从业者层面的指导，也能生成面向高管的摘要，传达风险、进展和下一步措施。结果直接映射到 Zero Trust Workshop 的 First、Then、Next 框架，将评估发现转化为按优先级排列的修复和实施路线图。评估和研讨会的结合，帮助组织从理解风险过渡到执行结构化的持续改进计划，涵盖其零信任和 AI 安全之旅。
AI 正在从根本上改变软件开发。开发人员越来越依赖 AI 助手来生成代码、推荐软件包、创建基础设施配置以及自动化测试。虽然这些能力加快了交付速度，但它们也放大了治理差距、过度的权限、不安全的依赖关系以及受攻击的供应链所带来的后果。
正因如此，微软正在 Zero Trust Workshop 中引入全新的 DevSecOps 支柱（包含 15 个控制组和 91 项任务，帮助团队将零信任从源代码应用到云部署）。该支柱将三条零信任原则——显式验证、使用最小权限和假设已被入侵——转化为针对开发者平台、持续集成与持续交付（CI/CD）流水线、源代码仓库、依赖关系、工件以及基础设施即代码的实用指导和控制措施。
Zero Trust Workshop 还改进了 AI 支柱，纳入了基于微软 AI Memory 框架的指南，帮助团队将记忆视为受控的安全边界，具备清晰的意图、可追溯性、生命周期可见性和用户控制能力。
Zero Trust Workshop 遵循简单的三步流程：规划合适的支柱和利益相关者，运行 Zero Trust Assessment 建立基线，并通过引导式研讨会将发现转化为 12 到 24 个月的路线图。任务按 First、Then、Next 阶段组织，以便团队从基础控制开始并逐步积累动力。新的 DevSecOps 支柱还突出了跨支柱工作，强化身份、基础设施和安全运营，并包含四项直接聚焦于 AI 辅助开发的任务：代码治理、工具白名单、数据保护以及 AI 和机器学习流水线的供应链安全。
为了帮助组织驾驭这一转变，微软最近发布了《Zero Trust for AI: Rebuilding security controls for autonomous and agentic systems》，这是一份实用指南，将零信任原则应用于 AI 代理、工具、记忆、数据和运行时操作。该电子书为安全领导者、架构师和从业者提供了一个用于评估 AI 风险和实施可随 AI 采用规模扩展的控制措施的框架。
知道该做什么是一回事，而知道如何大规模地将其落地运营则是另一回事。我们的模式与实践为最复杂的 AI 安全挑战提供了可重复的、经过验证的方法，类似于软件设计模式为常见工程问题提供可复用解决方案。下表突出展示了与零信任原则对齐的实用建议，帮助从业者将战略转化为具体实施。
来源信息
来源：Microsoft Security Blog
作者：Ron Pessner
