克雷格·里德尔（Craig Riddell），Wallarm全球现场首席信息安全官 – 采访系列

克雷格·里德尔，Wallarm全球现场首席信息安全官，是一位经验丰富的网络安全高管，专注于帮助企业管理与API和AI驱动系统相关的日益增长的风险。在他的当前角色中，他与首席信息安全官、首席信息官和工程领导者密切合作，将现实世界的攻击模式和滥用场景转化为可行的安全策略，强调可观察性——了解API和AI系统在生产环境中如何跨用户、应用程序和集成表现。他的职业生涯跨越了身份和访问管理、零信任架构和企业安全等领域的领导角色，曾在Netwrix、Kron和HP等组织任职，他在这些组织中推动了大规模的IAM转型和现代化的安全框架。里德尔的专业知识集中在新出现的威胁，如商业逻辑攻击、API滥用、AI系统漂移和欺诈，始终专注于弥合高层次的安全策略和运营执行之间的差距。

Wallarm是一家专门保护现代云环境中API、应用程序和AI驱动系统的网络安全公司。其平台提供持续发现、测试和实时保护，抵御API滥用、商业逻辑攻击和自动化利用等威胁，同时提供对系统在复杂基础设施中如何表现的深入可见性。为多云和云原生架构设计，Wallarm集成到现有的DevOps和安全工作流中，允许组织在攻击发生时检测和阻止，而不是事后。通过结合API库存、AI驱动的威胁检测和自动响应能力，平台解决了API和AI系统已成为现代数字业务的主要攻击面的日益增长的现实。

您从直接与系统和基础设施合作开始您的职业生涯，之后转入专注于身份、访问、API和AI安全的领导角色。在这段旅程中，有哪些关键的转变使您得出这样的结论：真正的风险已经从周边转移到API和机器驱动的系统中？

在我早期的职业生涯中，重点是保护边缘。防火墙、分段、基础设施加固。这种模型在系统更加静态、信任边界更容易定义时是有效的。

发生变化的是应用程序的构建方式以及系统之间的交互方式。API成为一切的连接组织，AI进一步加速了这一过程。现在，系统正在做出决定、调用其他系统并以人类无法介入的规模和速度执行操作。

此时，边缘变得不再相关。真正的风险转移到决策和操作执行的地方，即API和机器驱动的工作流中。

如果您没有可见性和控制力，那么您就相信您无法完全看到的行为。那就是业务风险出现的地方，从财务暴露到意外结果和运营中断。

您将网络安全握手描述为“破碎的”，指的是系统如何在日益复杂的API和自动化流程链中建立信任和交换操作。在当今的企业环境中，这种破坏是什么样的？

在大多数环境中，系统基于身份和身份验证相互信任。令牌是有效的，请求是格式良好的，交互是允许的。

问题在于，这假设有效等于安全。这不再是真的。

我们验证身份，但不验证意图。我们验证访问权限，但不验证行为链。

服务可能被授权调用另一个服务，这会触发跨多个API的下游操作。每个步骤在隔离中看起来是合法的，但在整个链中，您开始看到意外的行为或逻辑滥用。

在AI驱动的环境中，这种情况被放大。代理可以在没有人工审查的情况下链接操作并执行工作流。

握手仍然发生，但没有人问行为在上下文中是否有意义。信任被建立，但不被持续验证。

为什么AI和API风险通常会落在组织边界之间，而不是被明确拥有？

因为系统不符合组织的结构方式。

DevOps拥有交付权。安全团队拥有政策权。业务团队拥有结果权。数据团队拥有模型权。每个团队拥有一个部分，但没有人拥有系统在生产中的行为方式。

API在系统之间执行业务逻辑。AI引入了非确定性决策。它们都跨越了每个边界。

它们是由一个团队构建的， 由另一个团队保护，并被第三个团队使用，监控不一致地分布在所有这些团队中。

这造成的差距不是团队的失败，而是运营模型未能反映现代系统实际工作方式的失败。

在您的经验中，哪些团队通常认为自己拥有AI风险，而安全性、DevOps和业务单元之间的最大盲点在哪里？

安全团队倾向于从治理和合规的角度拥有AI风险。DevOps拥有部署和可靠性。业务团队专注于结果。

盲点出现在这些领域之间。

安全团队定义了应该发生什么。DevOps确保系统运行。业务团队关注结果。但很少有团队在实时中持续关注系统实际正在做什么。

风险就在那里，尤其是当行为在技术上是有效的，但在上下文中是错误的时。

许多现代攻击表现为有效和经过身份验证的行为，而不是明显的入侵。组织应该如何在这个新现实中重新思考检测？

我们需要超越识别“坏”请求的范畴。

在许多情况下，请求是有效的。凭证是合法的。API调用是预期的。意外的是操作的序列、数量或结果。

检测必须变得行为化和上下文化。它不再是阻止单个请求，而是理解系统如何随时间交互。

在规模上起作用的方法超越了模式匹配。它们将请求结构化地分解， 将每个交互视为一组行为标记，而不是尝试匹配已知的坏模式。

这使您能够理解行为如何随时间演变以及它在哪里偏离，即使表面上一切看起来都是有效的。

如果您依赖静态规则或签名，您将会错过大多数重要的东西。

您强调了对现实世界行为的可观察性的重要性。对于生产环境中的API和AI系统，什么样的可观察性是有意义的？

有意义的可观察性不仅仅是日志和指标。它是了解行为在上下文中的情况。

对于API来说，这意味着完整的请求和响应可见性、端点的使用方式以及交互如何随时间演变。

对于AI系统来说，这意味着了解输入、决策和结果操作。

最重要的是，它意味着将这些连接到系统中的完整工作流，而不是孤立的事件。

没有它，您将根据对系统行为的假设进行操作，而不是根据现实情况进行操作。

为什么传统的人工审查和批准模型在机器驱动的环境中变得不那么有效？

因为速度和规模已经改变了。

系统每分钟进行成千上万或数百万次调用，攻击或意外行为可能在几分钟或几秒内展开。您无法将人类放入每个决策的循环中而不破坏性能。

AI系统也不是总是确定性的，这使得预批准模型不那么有效。

人类监督仍然很重要，但它需要从批准单个操作转变为定义防护栏和监控结果。

当公司尝试使用传统的安全框架来保护AI系统时，您看到最常见的操作差距在哪里？

最大的差距是对设计时控制的过度依赖。

组织专注于保护模型、审查代码和在部署前定义策略。这很重要，但它假设系统一旦部署就会表现得像预期一样。

实际上，系统会演变。API会改变。AI模型会与新数据和工作流交互。行为会随时间而改变。

如果没有在生产环境中持续验证行为，组织基本上是盲目的。

当多个利益相关者共享AI和API风险的责任时，什么样的实际运营模型是可行的？

它从承认没有单个团队可以从头到尾拥有这一责任开始。

一个实用的模型定义了共享的责任，围绕着一个共同的真相来源：运行时行为。

安全团队定义了风险和政策。工程团队构建和运营系统。业务团队定义了可接受的结果。

领先的团队在一个封闭的循环中运作。持续发现、执行和完善，所有这些都基于系统在生产环境中实际的行为，而不是设计时的假设。

所有利益相关者都需要对系统在生产环境中的运行情况有可见性。从那里，团队可以就“什么是好的”达成一致，检测偏差，并做出响应。

这种转变是从孤立的所有权到协调的责任，基于运行时的洞察力。

展望未来，您是否预计安全责任将再次变得更加集中，还是会继续随着系统变得更加自治而分散？

责任将保持分布式，因为这反映了系统的构建方式。

将会改变的是这种责任如何协调。

我们将看到更多统一的治理模型，团队拥有自己的领域，但具有共享的可见性和上下文。

成功的组织将不是那些试图集中一切的组织。它们将是那些将利益相关者与系统在现实世界中实际的行为方式对齐的组织。

因为如果没有人理解运行时行为，那么没有人真正拥有风险。

感谢您接受这次精彩的采访，希望了解更多的读者可以访问Wallarm。