การจัดการความเสี่ยงของ AI

การจัดการความเสี่ยงด้าน AI: สองสาขาวิชา หนึ่งรายการตรวจสอบ

TL; DR

"การจัดการความเสี่ยงด้าน AI" หมายถึงสองสาขาวิชาที่ตรงข้ามกัน แต่มีชื่อเดียวกัน การจัดการความเสี่ยงที่เกิดจาก AI นั้นไม่เหมือนกับการใช้ AI ในการจัดการความเสี่ยง องค์กรส่วนใหญ่ทำอย่างหนึ่ง ถูกโน้มน้าวให้ซื้ออีกอย่างหนึ่ง และไม่ได้รายงานผลลัพธ์ของทั้งสองอย่างอย่างถูกต้อง

  • การจัดการความเสี่ยงของ GenAI เป็นปัญหาด้านการค้นหาสาเหตุก่อนที่จะเป็นปัญหาด้านการกำกับดูแล คุณไม่สามารถปกครองทรัพย์สินที่คุณไม่เคยนับได้ และบัญชีทรัพย์สินมักจะอยู่ในที่ที่... .mcp/servers.json ไฟล์ที่ไม่มีใครเปิดตั้งแต่นั้นมา commitเท็ด
  • AI สำหรับการบริหารความเสี่ยงนั้นเหมาะสมกับงานสามประเภทหลักๆ ความสัมพันธ์ คำอธิบาย และปริมาณ มันไม่เก่งเรื่องการตัดสินใจ นั่นเป็นเหตุผลที่ AI เสนอแนะ และมีการตรวจสอบอย่างเป็นระบบก่อนที่ใครจะเห็นมัน
  • สองสาขาวิชานี้มาบรรจบกัน ณ จุดหนึ่ง AI ที่คุณนำมาใช้ในการจัดการความเสี่ยงนั้น ถือเป็นสินทรัพย์ AI อย่างหนึ่ง โดยมีทั้งโมเดล การเข้าถึงเครื่องมือ และข้อมูลรับรอง มันจึงเป็นส่วนหนึ่งของสินค้าคงคลังของคุณเอง
  • เริ่มจากการนับ ไม่ใช่จากการเขียนนโยบาย นโยบายที่เขียนขึ้นก่อนการค้นพบนั้นอธิบายถึงทรัพย์สินที่สมมติขึ้น ตัวเลขสามตัวบนสไลด์เดียวเอาชนะกรอบการทำงานที่ไม่มีใครสามารถตรวจสอบได้

เหตุใด “การจัดการความเสี่ยงด้าน AI” จึงมีความหมายแตกต่างกันสองอย่างในปัจจุบัน?

พิมพ์วลีดังกล่าวลงในช่องค้นหาใดก็ได้ แล้วคุณจะพบผลลัพธ์เป็นฐานข้อมูลที่แตกต่างกันอย่างสิ้นเชิงสองแห่ง

หนึ่งในนั้นเกี่ยวกับ... ความเสี่ยงที่ปัญญาประดิษฐ์สร้างขึ้น: โมเดลที่ทำงานอย่างคาดเดาไม่ได้ เอเจนต์ที่มีสิทธิ์มากกว่าที่ใครตั้งใจไว้ โค้ดที่สร้างขึ้นโดยอัตโนมัติส่งข้อบกพร่องในวงกว้าง หน่วยงานกำกับดูแลสอบถามเกี่ยวกับสิ่งที่คุณกำลังใช้งาน เรียกได้ว่านี่คือการบริหารความเสี่ยงของ GenAI

อีกเรื่องหนึ่งเกี่ยวกับ... ปัญญาประดิษฐ์ในฐานะเครื่องมือในการบริหารความเสี่ยง: โมเดลจะคัดกรองการแจ้งเตือน สรุปความเสี่ยง ร่างแผนแก้ไข และอธิบายผลการตรวจสอบให้แก่ผู้ที่ไม่สามารถอ่านข้อมูลการวิเคราะห์ข้อผิดพลาดได้ เรียกได้ว่าเป็น AI สำหรับการบริหารความเสี่ยง

ถึงแม้จะมีชื่อเดียวกัน งบประมาณใกล้เคียงกัน และมักจะมีสไลด์ประกอบกัน แต่ก็ไม่ใช่สาขาวิชาเดียวกัน สาขาวิชาหนึ่งเน้นการป้องกันและตั้งคำถามว่าอะไรอาจผิดพลาดได้บ้าง ส่วนอีกสาขาวิชาหนึ่งเน้นการปฏิบัติงานและตั้งคำถามว่าเราสามารถหยุดการทำงานด้วยมือได้อย่างไรบ้าง CISใครก็ตามที่นำสิ่งเหล่านี้มาปะปนกัน จะลงเอยด้วยนโยบายการกำกับดูแลที่ไม่ช่วยลดภาระงาน และโปรแกรมระบบอัตโนมัติที่ไม่มีใครประเมินความเสี่ยง

การตั้งชื่อส่วนแบ่งนั้นไม่ใช่เรื่องจุกจิก แต่เป็นวิธีที่เร็วที่สุดในการค้นหาว่าองค์กรของคุณกำลังให้ทุนสนับสนุนส่วนใดของทั้งสองส่วนนั้นกันแน่

การจัดการความเสี่ยงของ GenAI ครอบคลุมอะไรบ้าง?

มีสามชั้น และมีเพียงชั้นเดียวที่เป็นแบบจำลอง

  • สิ่งที่ AI เขียน โค้ดที่สร้างขึ้นโดยอัตโนมัติมีระดับความเสี่ยงด้านความปลอดภัยเช่นเดียวกับโค้ดที่เขียนโดยมนุษย์ และมันมาถึงเร็วกว่าที่การตรวจสอบจะทันทัน ชั้นนี้จึงได้รับความสนใจเกือบทั้งหมดเพราะเป็นชั้นที่คุ้นเคยมากที่สุด
  • สิ่งที่ AI ถูกกำหนดมาให้ทำ ไฟล์ทักษะ, ไฟล์กฎ, การกำหนดค่าเซิร์ฟเวอร์ MCP, ขอบเขตเครื่องมือ, ข้อมูลประจำตัวที่เอเจนต์ใช้ในการทำงาน ทั้งหมดเป็นข้อความธรรมดา commitเหมือนกับเอกสารประกอบการตรวจสอบ และมันกำหนดขอบเขตที่ผู้ช่วยสามารถเข้าถึงข้อมูลได้ นี่คือชั้นที่ตัดสินว่าการโจมตีที่ประสบความสำเร็จจะแพร่กระจายไปได้ไกลแค่ไหน และมันมองไม่เห็นสำหรับสิ่งใดก็ตามที่ทดสอบโมเดลผ่านทางเอนด์พอยต์
  • สิ่งที่ AI ดึงเข้ามา การพึ่งพา โมเดล ชุดข้อมูล เครื่องมือภายนอก ผู้โจมตีไม่จำเป็นต้องเจาะระบบผู้ดูแลระบบอีกต่อไป เมื่อพวกเขาสามารถลงทะเบียนชื่อแพ็กเกจที่เอเจนต์ของคุณสร้างขึ้นได้ งานวิจัยที่นำเสนอในงาน USENIX Security ปี 2025 สร้างตัวอย่างโค้ด 2.23 ล้านตัวอย่างใน 16 โมเดล และพบว่า 19.7% ของแพ็กเกจที่แนะนำไม่มีอยู่จริง ทำให้เกิดชื่อปลอมที่ไม่ซ้ำกันมากกว่า 205,000 ชื่อ

โปรแกรมบริหารความเสี่ยงของ GenAI ที่ครอบคลุมเฉพาะชั้นแรก จะสร้างรายงานที่สะอาดตาและโปรไฟล์ความเสี่ยงที่ไม่เปลี่ยนแปลง OWASP Top 10 สำหรับการสมัครเรียน LLM โครงสร้างนี้ตั้งอยู่บนความเป็นจริงที่ว่า: อำนาจที่มากเกินไปอยู่ในอันดับต้นๆcisเนื่องจากเป็นปัญหาเกี่ยวกับการเดินสายไฟ ไม่ใช่ปัญหาที่ตัวรุ่น

และทั้งสามชั้นนี้ล้วนขึ้นอยู่กับบางสิ่งที่น่าเบื่อกว่านั้นเสียอีก คุณต้องรู้ว่าคุณมี AI ประเภทไหน การค้นหาข้อมูลไม่ใช่ขั้นตอนเบื้องต้นในการจัดการความเสี่ยงของ GenAI แต่เป็นสิ่งที่ส่วนที่เหลือทั้งหมดตั้งอยู่ และเป็นจุดที่โครงการส่วนใหญ่หยุดชะงักอย่างเงียบๆ

AI มีประโยชน์อย่างไรในการบริหารความเสี่ยง?

หากมองข้ามเรื่องการตลาด คำตอบที่ตรงไปตรงมานั้นอาจแคบไปบ้าง แต่ก็มีคุณค่า AI ในการบริหารความเสี่ยงนั้นเหมาะสมกับงานสามด้านหลักๆ

  • สหสัมพันธ์. เครื่องมือหกชนิดให้ผลลัพธ์ที่แตกต่างกันหกแบบ แต่มีความแตกต่างกันในระดับความรุนแรงหกระดับ การตัดสินใจว่าปัญหาเหล่านั้นเป็นปัญหาเดียวกัน อยู่ในส่วนประกอบเดียวกัน และมีสาเหตุเดียวกัน เป็นงานที่ต้องใช้ความละเอียดรอบคอบ ซึ่งมนุษย์ทำได้ช้าและไม่สม่ำเสมอ
  • คำอธิบาย ช่องว่างระหว่างการค้นพบและการแก้ไขมักอยู่ที่ความเข้าใจ คำอธิบายที่ระบุเส้นทางการโจมตี ส่วนประกอบที่ได้รับผลกระทบ และขอบเขตความเสียหาย จะเปลี่ยนตั๋วที่ใครบางคนปิดไปโดยระบุว่า "แก้ไขไม่ได้" ให้กลายเป็นตั๋วที่ได้รับการแก้ไขจริง ๆ
  • ปริมาณ เมื่อโปรแกรมเมอร์สร้างไฟล์ได้เป็นพันไฟล์ในหนึ่งสัปดาห์ การตรวจสอบก็จะไม่ใช่การควบคุมอีกต่อไป แต่จะกลายเป็นเพียงคิวงาน ไม่มีอะไรที่มนุษย์จะรับมือได้ และการจ้างงานเพิ่มก็ไม่สามารถเปลี่ยนแปลงอะไรได้

สิ่งที่ AI สำหรับการบริหารความเสี่ยงทำได้ไม่ดีคือการตัดสินใจ โมเดลที่เสนอวิธีแก้ไขที่ยังไม่ได้รับการตรวจสอบนั้นเปรียบเสมือนภาระที่มาในรูปของฟีเจอร์ รูปแบบที่ได้ผลคือการใช้เหตุผลของ AI ควบคู่กับการวิเคราะห์แบบกำหนดได้: AI เสนอแนวทางแก้ไข และสิ่งที่ไม่ใช่แบบสุ่มจะตรวจสอบข้อเสนอนั้นว่าสอดคล้องกับนโยบายหรือไม่ สามารถนำไปใช้ประโยชน์ได้หรือไม่ และส่งผลกระทบต่อการเปลี่ยนแปลงอย่างไร ก่อนที่ใครจะเห็นมัน

นอกจากนี้ยังมีข้อดีอีกประการหนึ่งที่ไม่ชัดเจนนัก นั่นคือ ระบบอัจฉริยะเดียวกันที่ใช้คัดกรองผลการตรวจสอบจากเครื่องสแกนของคุณเอง ก็สามารถคัดกรองข้อมูลของคนอื่นๆ ได้เช่นกัน หากเลเยอร์ AI อยู่เหนือเครื่องมือที่คุณซื้อไว้แล้ว แทนที่จะมาแทนที่เครื่องมือเหล่านั้น AI ในการบริหารความเสี่ยงก็จะกลายเป็นส่วนเสริมของระบบของคุณ แทนที่จะเป็นโครงการย้ายระบบ ซึ่งโดยปกติแล้วจะเป็นความแตกต่างระหว่างโครงการที่เริ่มต้นในไตรมาสนี้กับโครงการที่เริ่มต้นในปีหน้า

ปัญญาประดิษฐ์ (AI) ในการบริหารความเสี่ยงผิดพลาดตรงไหน?

มีรูปแบบความล้มเหลวสามแบบ ซึ่งล้วนเป็นรูปแบบที่พบได้ทั่วไป

  • ความมั่นใจที่ปราศจากที่มาที่ไป บทสรุปความเสี่ยงที่สร้างโดย AI อ่านง่ายแต่ไม่มีการอ้างอิงใดๆ เมื่อผู้ตรวจสอบถามว่าตัวเลขนั้นมาจากไหน คำตอบว่า “แบบจำลองบอกอย่างนั้น” ไม่ใช่คำตอบที่ถูกต้อง ผลลัพธ์ทุกอย่างในโปรแกรมบริหารความเสี่ยงต้องมีเส้นทางที่ตรวจสอบย้อนกลับไปยังข้อค้นพบ ไฟล์ และบรรทัดได้
  • ระบบอัตโนมัติที่ไม่มีประตูทางเข้าออก เมื่อมีเอเจนต์ที่มีความสามารถ เรามักจะปล่อยให้มันแก้ไขปัญหาเอง แต่สำหรับโค้ดที่ใช้ในการผลิตจริงนั้น ควรมีบุคคลใดบุคคลหนึ่งอนุมัติในขั้นตอนแรก pull requestนี่ไม่ใช่ความขี้ขลาด แต่เป็นท่าทีที่... พระราชบัญญัติ AI ของสหภาพยุโรป ผลักดันคุณไปในทิศทางนั้นอยู่ดี บนไทม์ไลน์ที่ไม่ต่อเนื่องซึ่งได้เลื่อนไปแล้วครั้งหนึ่ง การสร้างจุดอนุมัติในตอนนี้ทำให้ต้องเสียค่าใช้จ่ายในการออกแบบcisการปรับปรุงแก้ไขภายหลังการตรวจสอบมีค่าใช้จ่ายหนึ่งในสี่
  • วัดผลการนำไปใช้แทนที่จะวัดจากการรับรู้ “ทีมของเราใช้ AI ในการจัดการความเสี่ยงทุกวัน” เป็นเพียงสถิติการใช้งาน ไม่ได้บอกอะไรว่าความเสี่ยงลดลงหรือไม่

สองสาขาวิชานี้มาบรรจบกันได้อย่างไร?

นี่คือส่วนที่แทบไม่มีใครเคยใส่ไว้ในสไลด์เลย

AI ที่คุณนำมาใช้ในการจัดการความเสี่ยงนั้น ถือเป็นสินทรัพย์ AI อย่างหนึ่ง ระบบนี้มีโมเดล หรือหลายโมเดล มันสามารถเข้าถึงเครื่องมือได้ มันอ่านซอร์สโค้ด ผลการค้นพบ และบ่อยครั้งก็รวมถึงความลับของคุณด้วย มันทำงานภายใต้ข้อมูลประจำตัว มันอาจเชื่อมต่อกับเซิร์ฟเวอร์ MCP หากรายการจัดการความเสี่ยงของ GenAI ของคุณไม่มีระบบนี้ แสดงว่ารายการของคุณผิดพลาด และช่องโหว่อยู่ที่ระบบที่มีสิทธิ์สูงสุดเพียงระบบเดียวที่คุณมี

นั่นทำให้ทั้งสองสาขาวิชาเป็นโปรแกรมเดียวกัน AI ด้านความปลอดภัยจะอยู่ในรายการเดียวกันกับ AI ที่นักพัฒนาของคุณติดตั้งไว้ มันมีสถานะการอนุมัติ มีเจ้าของที่ระบุชื่อไว้ มีขอบเขต บันทึก และมีการตรวจสอบสิทธิ์ pull request เหมือนกับสิ่งอื่นๆ ที่มีสิทธิ์ในการเขียนไปยังที่เก็บข้อมูลของคุณทุกประการ

องค์กรที่มองว่า AI สำหรับการบริหารความเสี่ยงเป็นเพียงการซื้อเครื่องมือมากกว่าการนำ AI มาใช้งานจริง จะพบข้อเท็จจริงนี้ในระหว่างการตรวจสอบครั้งแรก และมันจะเป็นการสนทนาที่น่าอึดอัดใจ ส่วนองค์กรที่มองทั้งสองอย่าง จะได้ข้อมูลสินค้าคงคลังชุดเดียว โมเดลความเสี่ยงเดียว และคำตอบเดียวเมื่อคณะกรรมการสอบถาม

รูปแบบการดำเนินงานด้านการบริหารความเสี่ยง AI ที่ใช้งานได้จริงนั้นมีลักษณะอย่างไร?

มีฟังก์ชันการทำงานหกอย่าง แต่ละอย่างมีเจ้าของที่ระบุชื่อไว้ และมีสิ่งที่พิสูจน์ได้ว่ากำลังทำงานอยู่

ความสามารถครอบคลุมอะไรบ้างใครเป็นเจ้าของมันอะไรคือสิ่งที่พิสูจน์ได้
การค้นพบ AIโมเดล เอเจนต์ ชุดข้อมูล เซิร์ฟเวอร์ MCP เครื่องมือเขียนโค้ด รวมถึง AI ด้านความปลอดภัยของคุณหัวหน้าทีม AppSecA สินค้าคงคลังแบบเรียลไทม์ โดยมีสถานะการอนุมัติต่อสินทรัพย์แต่ละรายการ
การตรวจจับความเสี่ยงด้วย AIเส้นทางการฉีดข้อมูลอย่างรวดเร็ว ขอบเขตเอเจนต์ที่ไม่ปลอดภัย ทักษะที่เป็นอันตราย และไฟล์กฎหัวหน้าทีม AppSecผลการค้นพบที่เชื่อมโยงกับ กรอบการทำงานที่ได้รับการยอมรับพร้อมด้วยไฟล์และบรรทัด
การตรวจสอบห่วงโซ่อุปทานความสัมพันธ์ที่ AI ดึงเข้ามา ก่อนที่จะมีลายเซ็นต์หัวหน้าทีม AppSecผลการตรวจสอบคัดกรอง ต่อแพ็คเกจ ต่อสัปดาห์
การคัดแยกผู้ป่วยด้วยความช่วยเหลือของ AIความสัมพันธ์ คำอธิบาย และการจัดลำดับความสำคัญในเครื่องมือทั้งหมดปฏิบัติการรักษาความปลอดภัยการลดลงของผลการค้นพบที่ส่งถึงนักพัฒนา
ประตูมนุษย์การอนุมัติทุกอย่างที่เข้าสู่โค้ดเวอร์ชันใช้งานจริงหัวหน้าฝ่ายแพลตฟอร์มหรือ DevOpsเปอร์เซ็นต์ของผลงานที่เขียนโดยตัวแทน pull requests โดยมีผู้ตรวจสอบที่เป็นมนุษย์
การรายงานท่าทางที่ยกขึ้นCISสำนักงาน Oรายการวัสดุ (BOM) ที่สามารถส่งออกได้ด้วย AI และตัวเลขสามตัวที่คณะกรรมการสามารถนำไปปฏิบัติได้

สิ่งที่คนส่วนใหญ่มักลืมคือข้อแรก ประโยคที่สองของคุณ ปัญญาประดิษฐ์ด้านความปลอดภัย เป็นสิ่งของในคลังของคุณเอง

คุณเริ่มอย่างไร

ไม่ใช่ด้วยกรมธรรม์ประกันภัย กรมธรรม์ที่เขียนขึ้นก่อนการค้นพบนั้นอธิบายถึงทรัพย์สินที่สมมติขึ้น

นับจำนวน AI ที่ทำงานในซอฟต์แวร์ของคุณ รวมถึง AI ที่ทีมรักษาความปลอดภัยของคุณนำมาใช้ เผยแพร่ตัวเลขภายในองค์กรโดยไม่ต้องระบุชื่อบุคคล เพราะการระบุชื่อบุคคลในขั้นตอนนี้จะทำให้การใช้งานซ่อนเร้นและทำลายความโปร่งใสที่คุณเพิ่งซื้อมา จากนั้นตกลงรายชื่อที่ได้รับอนุมัติซึ่งสะท้อนถึงสิ่งที่ทีมของคุณต้องการจริงๆ และจำกัดการใช้งานเฉพาะสิ่งที่ไม่สามารถแก้ไขได้เมื่อเกิดข้อผิดพลาด เช่น การพึ่งพาที่เป็นอันตราย ข้อมูลประจำตัวที่ยังใช้งานอยู่ หรือโมเดลที่ไม่ได้รับการอนุมัติซึ่งเกี่ยวข้องกับข้อมูลที่อยู่ภายใต้การกำกับดูแล

องค์กรที่จะประสบปัญหาในการจัดการความเสี่ยงด้าน AI ในปี 2027 ไม่ใช่องค์กรที่ดำเนินการอย่างรวดเร็ว แต่เป็นองค์กรที่ใช้เวลาในปี 2026 ในการเขียนนโยบาย AI และไม่ได้คำนึงถึงอะไรเลย

นี่คือตำแหน่ง ไซเกนี ระบบนี้สร้างขึ้นโดยยึดหลัก: บัญชีรายการเดียวที่ครอบคลุม AI ที่นักพัฒนาของคุณติดตั้งและ AI ที่ทีมรักษาความปลอดภัยของคุณนำมาใช้ โมเดลความเสี่ยงเดียวที่ใช้กับผลการค้นพบของคุณและสิ่งที่เครื่องมืออื่นๆ ของคุณสร้างขึ้น และบุคคลหนึ่งที่อนุมัติทุกอย่างที่เข้าสู่โค้ดที่ใช้งานจริง

สองสาขาวิชา แต่มีสินค้าคงคลังเดียวกัน ยิ่งเร็วเท่าไหร่ที่พวกเขาเลิกเป็นโปรแกรมแยกกันที่มีเจ้าของแยกกัน ทั้งสองอย่างก็จะยิ่งเริ่มทำงานได้เร็วขึ้นเท่านั้น

คำถามที่พบบ่อย

การจัดการความเสี่ยงด้าน AI เหมือนกับการกำกับดูแล AI หรือไม่?

การกำกับดูแลกำหนดกฎเกณฑ์: ใครสามารถใช้สิ่งใดได้บ้าง ภายใต้เงื่อนไขใด และต้องได้รับอนุมัติอย่างไร การจัดการความเสี่ยงด้าน AI คือการดำเนินงานเพื่อค้นหาว่าอะไรกำลังทำงานอยู่จริง วัดระดับความเสี่ยงที่เกิดขึ้น และลดความเสี่ยงนั้นลง การกำกับดูแลที่ปราศจากการจัดการความเสี่ยงจะทำให้เกิดนโยบายที่ไม่มีใครตรวจสอบได้ การจัดการความเสี่ยงที่ปราศจากการกำกับดูแลจะทำให้เกิดผลลัพธ์ที่ไม่มีใครมีอำนาจในการดำเนินการใดๆ องค์กรส่วนใหญ่มีอย่างแรกมากกว่าอย่างที่สองมาก

เราสามารถใช้ AI ในการจัดการความเสี่ยงได้หรือไม่ ก่อนที่เราจะแก้ปัญหาการจัดการความเสี่ยงของ GenAI ได้สำเร็จ?

ใช่ และทีมส่วนใหญ่จะทำเช่นนั้น เพราะแรงกดดันด้านการปฏิบัติงานเกิดขึ้นทันที ในขณะที่แรงกดดันด้านการกำกับดูแลเกิดขึ้นทุกไตรมาส เงื่อนไขคือ คุณต้องจัดทำบัญชีรายการ AI ด้านความปลอดภัยตั้งแต่วันแรก แทนที่จะติดตั้งเพิ่มเติมในภายหลัง การเพิ่มสินทรัพย์หนึ่งรายการลงในบัญชีรายการนั้นเป็นเรื่องง่าย แต่การสร้างข้อมูลการเข้าถึงที่ไม่ได้รับการบันทึกไว้เป็นเวลาสิบแปดเดือนสำหรับผู้ตรวจสอบบัญชีนั้นไม่ใช่เรื่องง่ายเลย

โปรแกรมบริหารความเสี่ยงด้าน AI ควรสอดคล้องกับกรอบแนวคิดใด?

การขอ กรอบการบริหารความเสี่ยง NIST AI เป็นคำศัพท์ที่ได้รับการยอมรับอย่างกว้างขวางที่สุด และหน้าที่ทั้งสี่ของมัน ได้แก่ การกำกับดูแล การกำหนดแผนที่ การวัด และการจัดการ จะให้โครงสร้างที่คณะกรรมการจะเข้าใจได้ นำไปใช้ร่วมกับงานของ OWASP GenAI สำหรับชั้นเทคนิค เนื่องจาก NIST จะบอกคุณว่าควรตั้งเป้าหมายผลลัพธ์อะไร และ OWASP จะบอกคุณว่าการโจมตีมีลักษณะอย่างไร อย่างไรก็ตาม ทั้งสองอย่างจะไม่บอกคุณว่าต้องนับอะไร ซึ่งยังคงเป็นหน้าที่ของคุณcisไอออน

การนำ AI มาใช้ในการจัดการความเสี่ยงจะช่วยลดจำนวนพนักงานหรือไม่?

ไม่ใช่ในทีมที่ใช้งานได้ดี มันเปลี่ยนสิ่งที่ทีมใช้เวลาในแต่ละวันไป การหาความสัมพันธ์ การคัดกรอง และการอธิบายเบื้องต้น ย้ายไปอยู่ในโมเดล และเวลาของมนุษย์ก็ย้ายไปอยู่ที่การพัฒนาcisไอออนที่มีผลกระทบตามมา: อะไรจะถูกคัดกรอง ความเสี่ยงใดที่ยอมรับได้และโดยใคร และผลการค้นพบใดที่คุกคามการผลิตอย่างแท้จริง หากแผนธุรกิจของคุณขึ้นอยู่กับการลดจำนวนพนักงาน โครงการนั้นมักจะถูกประเมินด้วยตัวชี้วัดที่ไม่ถูกต้องภายในสองไตรมาส

sca-tools-software-composition-analysis-tools
จัดลำดับความสำคัญ แก้ไข และรักษาความปลอดภัยความเสี่ยงด้านซอฟต์แวร์ของคุณ
สมัครบัญชีฟรีได้เลย
ไม่ต้องใช้บัตรเครดิต

รักษาความปลอดภัยในการพัฒนาและส่งมอบซอฟต์แวร์ของคุณ

ด้วยชุดผลิตภัณฑ์ Xygeni