ความปลอดภัยไซเบอร์

Obsidian Security เปิดตัวกลไกตัดสินใจนโยบายขณะทำงาน เพื่อควบคุมการดำเนินการของเอเจนต์ AI

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
Obsidian Security illustration of centralized runtime policy control across AI agents and applications

Obsidian Security เปิดตัวกลไกตัดสินใจนโยบายขณะทำงาน ซึ่งออกแบบมาเพื่อให้องค์กรควบคุมสิ่งที่เอเจนต์ AI ดำเนินการภายในแอปพลิเคชันทางธุรกิจได้ ก่อนที่การดำเนินการนั้นจะเกิดขึ้น ประกาศนี้ต่อยอดแพลตฟอร์มรักษาความปลอดภัยเอเจนต์ของบริษัท โดยเพิ่มพร็อกซีรักษาความปลอดภัย MCP, API สำหรับตัดสินใจนโยบาย และการรองรับเครื่องมือเขียนโค้ดกับเอเจนต์ที่ฝังอยู่ในซอฟต์แวร์ของบุคคลที่สามให้ครอบคลุมยิ่งขึ้น

การเปิดตัวนี้มุ่งแก้ปัญหาที่การควบคุมการเข้าถึงทั่วไปยังจัดการได้ไม่หมด กล่าวคือ เอเจนต์อาจมีข้อมูลรับรองที่ถูกต้องและใช้แอปพลิเคชันที่ได้รับอนุมัติ แต่ยังพยายามดำเนินการที่ไม่เหมาะสมได้ ตัวอย่างเช่น การได้รับอนุญาตให้อ่านข้อมูลลูกค้าไม่ได้หมายความว่าจะได้รับอนุญาตให้นำข้อมูลนั้นส่งออกไปยังปลายทางภายนอกเสมอไป

แนวทางของ Obsidian คือประเมินการดำเนินการที่เสนอเทียบกับนโยบายที่จัดการจากส่วนกลาง โดยพิจารณาจากบุคคลที่อยู่เบื้องหลังเอเจนต์ สถานะการจ้างงานและสิทธิ์ของบุคคลนั้น แอปพลิเคชันที่เกี่ยวข้อง ตลอดจนการจัดประเภทข้อมูลที่ลูกค้ากำหนด จากนั้น จุดบังคับใช้นโยบายที่เชื่อมต่อกันจะอนุญาตหรือบล็อกการดำเนินการ หรือกำหนดให้ต้องได้รับอนุมัติในกรณีที่รองรับความสามารถดังกล่าว

จากการค้นหาเอเจนต์สู่การควบคุมการดำเนินการของเอเจนต์

การค้นหาเอเจนต์ช่วยตอบว่ามีเครื่องมือใดอยู่บ้าง และเครื่องมือเหล่านั้นเข้าถึงอะไรได้บ้าง ส่วนการกำกับดูแลช่วยลดสิทธิ์ที่ไม่จำเป็นหรือระบุการกำหนดค่าที่มีความเสี่ยง นโยบายขณะทำงานจึงเข้ามาตอบคำถามที่ยังเหลืออยู่ นั่นคือ ในขณะนี้ควรอนุญาตให้เอเจนต์ที่ได้รับสิทธิ์โดยชอบดำเนินการอะไรได้บ้าง

ประกาศของ Obsidian ครอบคลุมทั้งเอเจนต์ที่พนักงานใช้งานเองและเอเจนต์ที่มาพร้อมกับซอฟต์แวร์ซึ่งองค์กรใช้อยู่แล้ว ความสามารถด้านการค้นหาและการกำกับดูแลที่ขยายเพิ่มเติมรองรับ Salesforce Agentforce, Databricks, GitHub, Microsoft 365, Snowflake, ServiceNow และ Workday

สิ่งเหล่านี้เป็นจุดควบคุมคนละประเภท การค้นพบเอเจนต์ภายในแอปพลิเคชัน SaaS ไม่ได้หมายความว่าได้ดักจับการดำเนินการทุกอย่างในแอปพลิเคชันนั้นโดยอัตโนมัติ การบังคับใช้นโยบายขณะทำงานขึ้นอยู่กับการผสานระบบที่รองรับและจุดที่การดำเนินการผ่าน

บริษัทยังเพิ่มการรองรับนโยบายขณะทำงานสำหรับ OpenAI Codex ควบคู่ไปกับการควบคุมเอเจนต์เขียนโค้ดที่มีอยู่แล้ว ประกาศของบริษัทระบุความเสี่ยงต่าง ๆ เช่น คำสั่งที่ก่อให้เกิดความเสียหาย การเปิดเผยข้อมูลรับรอง และการอ่านข้อมูลนอกขอบเขตที่กำหนดไว้สำหรับโครงการ ซึ่งเป็นการดำเนินการที่อาจเกิดขึ้นระหว่างการพัฒนาอย่างถูกต้องตามปกติได้

Knowledge Graph เติมบริบทที่ขาดหายไป

เกตเวย์สามารถตรวจสอบคำขอได้ แต่ตัวคำขอเพียงอย่างเดียวอาจไม่อธิบายถึงอำนาจที่อยู่เบื้องหลัง การตัดสินใจด้านความปลอดภัยที่มีประสิทธิภาพอาจต้องทราบว่าบัญชีที่เรียกใช้เป็นของพนักงานหรือผู้รับเหมา การจ้างงานสิ้นสุดลงแล้วหรือไม่ และบัญชีนั้นมีสิทธิ์ใดบ้างในแอปพลิเคชันปลายทาง

สถาปัตยกรรม Knowledge Graphของ Obsidian เชื่อมโยงบุคคล บัญชี แอปพลิเคชัน โทเค็น สิทธิ์ที่ได้รับ และความสัมพันธ์ระหว่างสิ่งเหล่านี้เข้าด้วยกัน บริษัทอธิบายว่าได้นำข้อมูลจาก API สำหรับผู้ดูแลระบบ สตรีมกิจกรรม และการผสานระบบต่าง ๆ มาปรับให้อยู่ในรูปแบบมาตรฐานเดียวกัน โดยใช้เอนทิตีและความสัมพันธ์ที่มีการกำกับเวอร์ชันเพื่อบันทึกการเปลี่ยนแปลงในช่วงเวลาต่าง ๆ

โครงสร้างดังกล่าวช่วยติดตามการเข้าถึงข้ามหลายระบบ แทนที่จะตรวจสอบแต่ละบัญชีแยกจากกัน บทบาทที่ปรากฏของเอเจนต์อาจมีขอบเขตแคบ แต่โทเค็นหรือสิทธิ์ที่ได้รับสืบทอดมาอาจเปิดทางให้เข้าถึงได้กว้างกว่าในระบบอื่น การเชื่อมโยงความสัมพันธ์เหล่านี้ช่วยให้กลไกนโยบายมีพื้นฐานที่รัดกุมยิ่งขึ้นในการพิจารณาว่าการดำเนินการใดสอดคล้องกับกฎขององค์กรหรือไม่

ลูกค้าสามารถเพิ่มบริบทของตนเองได้ รวมถึงป้ายกำกับการจัดประเภทข้อมูล นโยบายจึงสามารถแยกความแตกต่างระหว่างไฟล์ทั่วไปกับไฟล์ที่ธุรกิจกำหนดให้มีความอ่อนไหวสูง แทนที่จะอาศัยเพียงคำจำกัดความทั่วไปของข้อมูลลับจากผู้ให้บริการด้านความปลอดภัย

จุดที่การตัดสินใจกลายเป็นการบังคับใช้

สถาปัตยกรรมนี้แยกการตัดสินใจออกจากการดำเนินการ ในคำอธิบายเกี่ยวกับกลไกขณะทำงานของ Obsidian จุดบังคับใช้นโยบายจะพักการดำเนินการที่เสนอไว้ ส่งรายละเอียดไปประเมิน แล้วนำผลการตัดสินใจและเหตุผลที่ได้รับกลับมาใช้

API สำหรับตัดสินใจนโยบายตัวใหม่ขยายแนวทางนี้ไปยังเกตเวย์ที่ลูกค้าดำเนินการเอง ชุดเครื่องมือสำหรับเอเจนต์ และเวิร์กโฟลว์ องค์กรสามารถใช้โครงสร้างพื้นฐานเดิมต่อไป พร้อมขอให้ Obsidian ประเมินและให้ผลตัดสินโดยคำนึงถึงบริบท จากนั้นองค์ประกอบบังคับใช้นโยบายของลูกค้าต้องนำผลตัดสินนั้นไปใช้ก่อนที่การดำเนินการจะดำเนินต่อ

Obsidian ยังอธิบายโหมดตั้งค่าสถานะสำหรับทดสอบว่าการรับส่งข้อมูลจริงตรงกับนโยบายหรือไม่ ก่อนบล็อกการดำเนินการ บันทึกการตัดสินใจจะเก็บข้อมูลเอเจนต์ บุคคลที่เรียกใช้ เครื่องมือ อาร์กิวเมนต์ ผลลัพธ์ และนโยบายที่ตรงกัน เพื่อให้ทีมรักษาความปลอดภัยตรวจสอบได้ว่าเหตุใดการดำเนินการจึงได้รับอนุญาตหรือถูกระงับ

การรองรับการอนุมัติมีขอบเขตแคบกว่าสถาปัตยกรรมโดยรวมที่อนุญาตหรือบล็อกการดำเนินการ เอกสารปัจจุบันของบริษัทระบุว่า การกำหนดให้ต้องได้รับอนุมัติมีให้ใช้กับนโยบาย Claude Code ที่ทำงานก่อนการดำเนินการเท่านั้น ดังนั้น ความสามารถในระดับการผสานระบบจึงเป็นสิ่งสำคัญเมื่อต้องออกแบบการควบคุมสำหรับเอเจนต์หลายประเภทที่ใช้งานร่วมกัน

พร็อกซี MCP ป้องกันไม่ให้โทเค็นของแอปพลิเคชันตกไปอยู่ในมือไคลเอนต์ AI

พร็อกซีรักษาความปลอดภัย MCPควบคุมการเชื่อมต่อระหว่างไคลเอ็นต์ AI กับแอปพลิเคชันทางธุรกิจที่รองรับ Model Context Protocol หรือ MCP ช่วยให้เอเจนต์มีมาตรฐานสำหรับเรียกใช้เครื่องมือที่เซิร์ฟเวอร์ภายนอกเปิดให้ใช้งาน Obsidian แทรกการตรวจสอบนโยบายไว้ระหว่างไคลเอ็นต์กับเซิร์ฟเวอร์ MCP ของแอปพลิเคชัน

เอกสารผลิตภัณฑ์อธิบายวิธีแทนที่ URL MCP โดยตรงของผู้ให้บริการด้วยเอนด์พอยต์ที่ Obsidian กำกับดูแล ผู้ใช้อนุญาตการเข้าถึงผ่านขั้นตอนการขอความยินยอมของผู้ให้บริการแอปพลิเคชัน ส่วนไคลเอ็นต์ AI จะได้รับโทเค็นที่พร็อกซีออกให้ แทนที่จะจัดเก็บโทเค็นการเข้าถึงของแอปพลิเคชันไว้เอง

พร็อกซีจะเชื่อมโยงเซสชันเข้ากับผู้ใช้ บัญชีผู้ใช้ของแอปพลิเคชัน และเทนแนนต์ที่เกี่ยวข้อง เช่น องค์กรหรือเวิร์กสเปซ Salesforce แห่งใดแห่งหนึ่ง พร็อกซีจะตรวจสอบการเรียกใช้เครื่องมือก่อนส่งต่อ และบันทึกว่าการเรียกใช้นั้นได้รับอนุญาตหรือถูกบล็อก Obsidian ระบุว่าระบบนี้ทำงานภายใต้สิทธิ์การใช้งานแอปพลิเคชันที่ผู้ใช้มีอยู่เดิม แทนที่จะเพิ่มสิทธิ์ผ่านบัญชีบริการที่ใช้ร่วมกัน

ประกาศดังกล่าวยังกล่าวถึงความร่วมมือกับ Cloudflare และ MCP Server Portal โดยมีเป้าหมายเพื่อผสานตำแหน่งของเกตเวย์ในเส้นทางการรับส่งข้อมูลเข้ากับบริบทด้านอัตลักษณ์ แอปพลิเคชัน และข้อมูลของ Obsidian

เหตุใดการควบคุมระดับการดำเนินการจึงสำคัญ

สำหรับองค์กรที่นำเอเจนต์มาใช้งาน ความท้าทายในทางปฏิบัติคือการอนุญาตให้ทำงานที่เป็นประโยชน์ได้ พร้อมกับจำกัดความผิดพลาดที่อาจก่อให้เกิดผลกระทบร้ายแรง การห้ามทั้งหมดอาจทำให้เวิร์กโฟลว์หยุดชะงักโดยสิ้นเชิง ขณะที่การตัดสินใจที่กำหนดขอบเขตอย่างแคบอาจอนุญาตให้อ่านข้อมูลตามปกติได้ แต่หยุดการส่งออกข้อมูลโดยไม่ได้รับอนุญาต หรือกำหนดให้ตรวจสอบการเปลี่ยนแปลงที่ทำลายข้อมูลก่อน

Obsidian กำลังรวบรวมการตัดสินใจเหล่านี้ไว้ในชั้นนโยบายร่วมที่ครอบคลุมเครื่องมือและจุดบังคับใช้นโยบายที่รองรับ คุณค่าของระบบจะขึ้นอยู่กับคุณภาพของบริบทการเข้าถึงที่เป็นพื้นฐานและความครอบคลุมของเส้นทางที่อยู่ภายใต้การควบคุม เมื่อเอเจนต์ได้รับมอบหมายความรับผิดชอบในการปฏิบัติงานมากขึ้น ความสามารถในการอธิบายและบังคับใช้การตัดสินใจก่อนดำเนินการก็จะยิ่งมีความสำคัญต่อความปลอดภัยขององค์กร

Miles Okada เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมปัญญาประดิษฐ์และความปลอดภัยไซเบอร์โดยมุ่งเน้นที่ภัยคุกคามใหม่ ๆ สถาปัตยกรรมการป้องกัน และพลวัตที่เปลี่ยนแปลงระหว่างผู้โจมตีและระบบอัตโนมัติ งานของเขาตรวจสอบว่า AI กำลังเปลี่ยนแปลงการดำเนินงานด้านความปลอดภัยอย่างไร ตั้งแต่การตรวจจับและตอบสนองต่อภัยคุกคามโดยอัตโนมัติจนถึงการเพิ่มขึ้นของเทคนิค AI ปฏิปักษ์

ด้วยมุมมองเชิงเทคนิคและการสืบสวน Miles วิเคราะห์งานวิจัยด้านความปลอดภัย การเปิดเผยเหตุการณ์ และการใช้งานจริงเพื่อเข้าใจว่าที่ไหน AI เสริมสร้างการป้องกัน—และที่ไหนมันสร้างช่องโหว่ใหม่ เขาให้ความสนใจเป็นพิเศษต่อการใช้โมเดลในทางที่ผิด การปนเปื้อนข้อมูล การทำงานอัตโนมัติของการโจมตี และความเป็นจริงในการดำเนินงานของการรักษาความปลอดภัยระบบที่ขับเคลื่อนด้วย AI ในระดับใหญ่

บทความที่เขียนโดย Miles Okada ถูกสร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อให้แน่ใจว่ามีความแม่นยำ ความเข้มงวด และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์ความปลอดภัย AI ที่เปลี่ยนแปลงอย่างรวดเร็ว