Drošības komandas uzraudzīja augsta riska darbiniekus, kuri bija pakļauti failu lejupielādei pirms uzņēmuma atstādināšanas, vai nolaidīgus darbiniekus, kuri iesaistījās neapdomīgā uzvedībā (piemēram, noklikšķinot uz viltus saites). AI ir fundamentāli mainījis šo paradigmu.Risks vairs neaprobežojas ar ļaunprātīgiem darbiniekiem, bet arī ar tiem, kas vēlas padarīt savu darbu vieglāku.Izmantojot plaši pieejamos AI rīkus un platformas darbam, viņi var nejauši kopīgot sensitīvus datus ārpus savas drošās uzņēmējdarbības vides. The data on heightened insider risks tracks. Based on Proofpoint’s  Pēdējā gadā divas trešdaļas CISO piedzīvoja būtisku datu zudumu, un insider-driven incidenti ieņem augstāko vietu cēloņu sarakstā. Voice of the CISO Report Voice of the CISO Report Datu kustība arī ir dramatiski mainījusies. Tā vietā, lai pārvietotos vertikāli pa standarta apstiprināšanas kanāliem, dati tagad pārvietojas horizontāli pa komandām, rīkiem un AI palīgiem. Savukārt drošības līderi cenšas iegūt redzamību savā darbībā.  in the U.S. are concerned about customer data leaking through public generative AI platforms. 80% no CISO 80% no CISO A user may ask an AI assistant a simple question. The model will subsequently gather data from internal systems (e.g., CRM, ERP) and multiple external sources (e.g., websites, social media), then forward the combined results to all members of the user's collaboration platform (Slack). AI kā datu kustības slānis AI būtiski mainīja datu dzīves ciklu organizācijās. Tradicionāli bija skaidri rīki, kur darbinieks lejupielādēja failu, rediģēja to un nosūtīja to kolēģim. AI workflows are not the same. A worker asks a question. The AI assistant pulls information from many sources to answer the question. It condenses documents, changes the data format, and produces an output that can be shared on collaboration platforms. Each step happens in seconds with very little human oversight. "Kad organizācijas pieņem autonomus aģentus, kas var pārlūkot, rakstīt kodu un rīkoties vairākās sistēmās, autonomija kļūst par galveno riska reizinātāju," saka Proofpoint speciālisti. . Saistītie autoru raksti Saistītie autoru raksti AI aģenti un spraudņi var tikt instalēti vairāk nekā vienā sistēmā.Viņi vāc datus no jūsu CRM, salīdzina tos ar e-pasta arhīviem, pievieno tos informācijai no sadarbības platformas un nosūta rezultātus analīzes rīkam, kas nav daļa no jūsu uzņēmuma. Insider paplašinājums: nodoms vs. ērtības Jums bija slikti aktieri uzņēmumā, kas nozaga datus, un neuzmanīgi darbinieki, kuri nepievērsa uzmanību drošības apmācībai. Darbinieki nemēģina nodarīt kaitējumu. Viņi cenšas strādāt efektīvāk un izpildīt rītdienas termiņus. Klientu līguma ievietošana ChatGPT un pieprasījums pēc kopsavilkuma ir ātrāks nekā manuāla lasīšana 40 lapās. Finanšu tabulas augšupielāde AI palīgam rada grafikus sekundēs, nevis stundās. Lielākā daļa darbinieku joprojām nezina, kur ir politikas līnijas.Uzņēmumi ir lēni, lai definētu, ko datu darbinieki var sniegt AI rīkiem. vai kas notiek ar datiem, kad tie ir ievadīti AI sistēmā.Kad noteikumi nav skaidri, cilvēki dara to, kas viņiem jādara, lai veiktu savu darbu. Pieņemama AI izmantošana darba vietā Pieņemama AI izmantošana darba vietā Collaboration Platforms as AI Gateways Sadarbības platformas ir pirmā vieta, kur lielākā daļa datu nonāk AI sistēmās.Slack, Teams, Gmail, Google Workspace un Microsoft 365 ir "pirmais lēciens" datiem, jo tie atstāj jūsu uzņēmuma telpas un tiek uzņemti ar šodienas AI rīkiem. OAuth atļaujas un API savienotāji ļauj savienot. Darbinieks instalē produktivitātes spraudni, kas apgalvo, ka tas apkopo Slack sarunas vai palīdz viņiem rakstīt e-pasta atbildes. Lietotne pieprasa plašu piekļuvi darba vietas datiem. Daudzi cilvēki noklikšķina uz "ļauj", nezinot, ko viņi atļauj. CISO ir ievērojamas nepilnības viņu spējā redzēt, kas notiek šajās darba plūsmās.Viņi bieži nevar atbildēt uz vienkāršiem jautājumiem par to, kādus AI rīkus darbinieki izmanto, lai strādātu kopā.Viņiem nav telemetrijas, lai izsekotu, kādi dati iet caur šīm integrācijām.Viņi nezina, kas sūta privāto informāciju AI sistēmām vai kur iznākumi notiek pēc to ģenerēšanas. Kāpēc tradicionālās kontroles nav tīras Vecās drošības sistēmas tika izveidotas dažādiem, vairāk paredzamiem draudu modeļiem.Tādējādi tiem ir ievērojami trūkumi, risinot to, kā AI faktiski pārvieto datus mūsdienu organizācijās. 
 
 
 
 Static vs. dynamic: Tradicionālās DLP un CASB kontroles ir balstītas uz statisko pārvaldību, kas balstās uz iepriekš definētiem noteikumiem par to, kur datus var nosūtīt. Cilvēks vs automatizēts: Pēdējos gados iekšējās uzvedības dēļ cilvēkiem bija jāpieņem lēmumi lielākajā daļā soļu. AI daļēji automatizē datu uzņemšanu, transformāciju un pārdalīšanu, izmantojot aģentus un / vai palīgus. IAM sistēmas nodrošina piekļuvi lietotājiem, bet nav paredzētas, lai kontrolētu to, ko automatizētas AI darba plūsmas var pieprasīt lietotāja vārdā. Predictable vs. emergent: When workflows follow predictable patterns, security teams can typically pre-classify likely exposure pathways. AI workflows are emergent; an employee may ingest data from five different systems in a way no one anticipated. It's nearly impossible to create rules to protect all possible combinations of data. Ko CISO lūdz (vai drīz jautās) Jautājumi, kurus drošības līderi lūdz palīdzību, norāda uz to, kur tirgus virzās.Tie nav tikai teorētiski jautājumi; tie ir reālas problēmas, kas prasa stratēģisku pārvaldību. 
 
 
 
 
 
 Which AI tools are sanctioned versus shadow? To build a successful governance framework, you need to understand all the AI applications currently in use. Uzņēmumiem ir jābūt skaidriem par to, vai AI sistēmas var apstrādāt klientu ierakstus, finanšu datus, avota kodu vai datus, uz kuriem attiecas noteikumi. Kur AI radītais saturs pēc tam ceļo? AI izveido kopsavilkumus vai ziņojumus, kas tiek koplietoti ar citām komandām vai ārējiem partneriem. Kā mēs revidējam, klasificējam un reģistrējam AI mijiedarbību? Bez žurnalizācijas iespējām drošības komandas nevar izmeklēt incidentus vai saglabāt atbilstības regulatoriem gatavus ierakstus, kad viņi sāk uzdot jautājumus. Who owns AI data governance across the organization? Making it clear who is responsible for governance oversight (e.g., the CISO, data teams, legal, or compliance) helps avoid gaps where no one is held accountable. Industry Outlook on Insider Risk Insider risk will no longer be just a problem specific to people; it will also include studying AI workflows and data movement patterns. User behavior analytics alone won't help security teams deal with this. Automated agents, API connectors, and integrations with collaboration platforms are now part of the threat model. “Organizations will stop treating human signals, identity data, and technical events as separate streams,” predicts Proofpoint. “The next evolution of insider risk management depends on connecting these areas, because true risk rarely shows up in a single dimension.” For this reason, adopting AI will require the whole company to share responsibility. When it comes to managing data governance, application security, legal policy, and compliance mandates, CISOs can't handle this problem on their own. Expect to see joint accountability frameworks in which chief data officers and security leaders work together on AI-specific governance, rather than operating in isolated units. Takeaway AI isn't making new insiders. It's changing how people who work with data share it every day. Instead of asking about intent, the focus has shifted to making these tools more visible and to setting up rules that fit how employees actually use them. 
 
 Šis stāsts tika izplatīts kā Džona Stojana izlaišana HackerNoon biznesa emuāru programmas ietvaros. This story was distributed as a release by Jon Stojan under HackerNoon’s Business Blogging Program.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Šis audio ir izveidots stāsta oriģinālvalodā!

Jaunais Insider risks: AI maina to, kā dati pārvietojas uzņēmumā

About Author

KOMENTĀRI

PAKARINĀT TAGUS

ŠIS RAKSTS TIKS PĀRSTRĀDĀTS

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps