譯者 | 李睿

審校 | 重樓

概述

API是一組指導(dǎo)方針和協(xié)議，用于促進軟件應(yīng)用程序之間的通信。它概述了軟件組件交互的方法，簡化了開發(fā)和集成系統(tǒng)的過程。

微服務(wù)架構(gòu)代表了一種將大型應(yīng)用程序劃分為多個服務(wù)的軟件開發(fā)方法。每個服務(wù)集中于一個業(yè)務(wù)功能。它們可以自主開發(fā)、部署和擴展。

云安全對API和微服務(wù)非常重要，其原因如下：

（1）數(shù)據(jù)保護：API和微服務(wù)經(jīng)常處理信息。維護安全性對于保護這些數(shù)據(jù)免受訪問、泄漏或破壞至關(guān)重要。

（2）用戶身份驗證和授權(quán)：在云計算環(huán)境中實現(xiàn)安全協(xié)議有助于驗證與API和微服務(wù)交互的用戶和服務(wù)的身份。這確保了授權(quán)實體可以使用服務(wù)。

（3）遵守法規(guī)：許多行業(yè)都有關(guān)于據(jù)隱私和安全的法規(guī)。遵守云安全實踐可以確保符合這些要求。

（4）確保安全通信：API和微服務(wù)依賴于網(wǎng)絡(luò)通信。通過加密和其他保護措施保護這些通道對于防止數(shù)據(jù)攔截或篡改至關(guān)重要。

（5）緩解DDoS攻擊：有效的云安全策略可以幫助最大限度地減少分布式拒絕服務(wù)(DDoS)攻擊的影響，這種攻擊有可能破壞服務(wù)的可用性。通過防御攻擊，API和微服務(wù)的可靠性得以維護。

（6）保護基礎(chǔ)設(shè)施：在云計算環(huán)境中運行的API和微服務(wù)是基礎(chǔ)設(shè)施的組成部分。安全措施在保護云計算基礎(chǔ)設(shè)施免受可能被利用的漏洞侵害方面發(fā)揮著重要作用。

對于API和微服務(wù)來說，優(yōu)先考慮云安全對于保護數(shù)據(jù)、確保合規(guī)性、維護服務(wù)可用性以及保護系統(tǒng)免受網(wǎng)絡(luò)威脅至關(guān)重要。

云安全在沒有人工智能幫助下面臨的挑戰(zhàn)

在沒有人工智能幫助的情況下應(yīng)對云安全挑戰(zhàn)可能相當(dāng)復(fù)雜。以下是一些典型的障礙：

（1）及時識別和應(yīng)對不斷變化的網(wǎng)絡(luò)威脅對于維護安全至關(guān)重要。如果沒有人工智能支持的威脅檢測功能的幫助，組織可能會發(fā)現(xiàn)很難檢測到可以逃避安全措施的威脅。

（2）人工實施安全程序耗時且容易出錯。人工智能技術(shù)提供了自動化執(zhí)行安全任務(wù)的能力，例如漏洞掃描、補丁管理和事件響應(yīng)，使安全團隊能夠?qū)Ｗ⒂趹?zhàn)略工作。

（3）識別用戶行為或網(wǎng)絡(luò)流量模式中的異常對于確定安全漏洞至關(guān)重要。人工智能可以篩選大量數(shù)據(jù)，發(fā)現(xiàn)行為偏差，并發(fā)出警報以供進行進一步審查。

（4）考慮到云計算設(shè)置的性質(zhì)不斷變化，密切關(guān)注所有資產(chǎn)和操作可能會帶來挑戰(zhàn)。如果沒有人工智能增強的監(jiān)控工具的支持，快速發(fā)現(xiàn)和解決安全事件將成為一項相當(dāng)艱巨的任務(wù)。

（5）云計算環(huán)境根據(jù)需要擴展，這使得確保跨所有實例的安全控制變得棘手。人工智能可以幫助自動化執(zhí)行安全策略，并保證安全措施與基礎(chǔ)設(shè)施一起可擴展。

人工智能增強API和微服務(wù)的安全性

人工智能增強的云安全解決方案在保護API和微服務(wù)免受新出現(xiàn)的網(wǎng)絡(luò)威脅和漏洞方面發(fā)揮著作用。以下是人工智能增強API和微服務(wù)云安全的一些基本方法：

（1）檢測和響應(yīng)威脅：由人工智能增強的安全工具可以分析數(shù)據(jù)，以識別安全威脅模式，及時響應(yīng)事件，防止數(shù)據(jù)泄露和未經(jīng)授權(quán)的系統(tǒng)訪問。

（2）發(fā)現(xiàn)異常：人工智能算法可以識別API請求和微服務(wù)活動中的行為，為活動、潛在攻擊或未經(jīng)授權(quán)的訪問嘗試發(fā)出警報。

（3）行為分析：人工智能對與API和微服務(wù)交互的用戶和應(yīng)用程序進行分析，識別正常的行為模式和可能表明安全風(fēng)險的偏差。

（4）監(jiān)控API流量：人工智能工具監(jiān)控API流量，分析請求模式，并檢測異常情況，以查明DDoS攻擊、數(shù)據(jù)泄露或惡意活動等安全問題。

（5）安全策略的自動執(zhí)行：人工智能系統(tǒng)自動執(zhí)行API和微服務(wù)的安全策略，確保安全措施的應(yīng)用，同時最大限度地降低錯誤風(fēng)險。

（6）漏洞管理：人工智能增強的系統(tǒng)可以掃描API和微服務(wù)來識別漏洞，并根據(jù)風(fēng)險評估確定修補的優(yōu)先級。它們?yōu)榧訌姲踩詰?yīng)對威脅和風(fēng)險提供了建議。

（7）整合威脅情報：由人工智能增強的安全平臺可以整合威脅情報，以跟上新出現(xiàn)的威脅、模式和攻擊方法。這種集成有助于API和微服務(wù)的防御策略。

旨在加強網(wǎng)絡(luò)安全防御、保護信息和維護基于云計算的應(yīng)用程序安全的組織必須為API和微服務(wù)實施人工智能驅(qū)動的安全措施。通過利用人工智能技術(shù)，組織可以提高檢測威脅的能力，減少事件響應(yīng)時間，并在快速發(fā)展的數(shù)字環(huán)境中加強安全性。

1.檢測和響應(yīng)威脅

確保基于云計算的API和微服務(wù)的威脅檢測和響應(yīng)機制對于維護基礎(chǔ)設(shè)施的安全性和可靠性至關(guān)重要。以下是在這種情況下如何利用人工智能進行威脅檢測和響應(yīng)的方法：

• 實時網(wǎng)絡(luò)流量掃描：人工智能工具能夠持續(xù)觀察網(wǎng)絡(luò)流量、API請求和微服務(wù)之間的交互，及時查明任何違規(guī)行為、可疑活動或未經(jīng)授權(quán)的訪問企圖。
• 機器學(xué)習(xí)模型：利用人工智能增強的機器學(xué)習(xí)模型可以通過仔細檢查數(shù)據(jù)集來檢測建議采取行動的模式，從而識別網(wǎng)絡(luò)威脅，主動識別和響應(yīng)威脅。
• 自動事件響應(yīng)：能夠通過觸發(fā)預(yù)定義的操作來響應(yīng)安全事件，例如隔離受感染的服務(wù)阻止流量或隔離受影響的系統(tǒng)，從而自動執(zhí)行事件響應(yīng)過程。
• 取證分析：人工智能工具可以幫助在事件發(fā)生后進行分析，通過審查日志、審計跟蹤和網(wǎng)絡(luò)活動來重建事件序列，查明安全漏洞的原因，并指導(dǎo)補救工作。
• 自適應(yīng)安全措施：人工智能有能力調(diào)整安全控制和設(shè)置，以應(yīng)對不斷變化的威脅，使基于云計算的API和微服務(wù)能夠適應(yīng)不斷變化的風(fēng)險和漏洞。

2.發(fā)現(xiàn)異常

異常檢測在人工智能驅(qū)動的API和微服務(wù)中發(fā)揮作用，使系統(tǒng)能夠識別與模式或行為的偏差。這個功能對于確保服務(wù)的可靠性、安全性和效率至關(guān)重要。

在人工智能增強的API和微服務(wù)領(lǐng)域，檢測違規(guī)行為的算法可以用來監(jiān)控請求/響應(yīng)時間、流量、錯誤率和資源利用率等指標(biāo)。通過及時檢查這些指標(biāo)，可以及時識別任何異常，促進干預(yù)和解決潛在問題。

將異常檢測納入到人工智能增強的API和微服務(wù)中，需要利用機器學(xué)習(xí)模型和算法來建立行為模式。任何偏離這些模式的情況都可能觸發(fā)警報或自動響應(yīng)，以解決風(fēng)險或性能問題。

通過將不規(guī)則檢測集成到人工智能增強的API和微服務(wù)中，組織可以提高系統(tǒng)的可靠性、安全性和有效性，最終提高用戶體驗和運營效率。

3.行為分析

當(dāng)涉及到人工智能驅(qū)動的API和微服務(wù)時，分析用戶行為包括監(jiān)控和評估行為、趨勢和偏好。通過觀察用戶如何與這些服務(wù)交互，組織可以發(fā)現(xiàn)不同的模式、異常和可以改進的領(lǐng)域。

該分析涵蓋了用戶參與程度、響應(yīng)時間、錯誤頻率和使用趨勢等方面。在人工智能工具的幫助下，組織可以收集有關(guān)用戶行為的信息，從而有效地定制他們的服務(wù)。

通過對人工智能增強的API和微服務(wù)進行分析，組織可以確定障礙、安全風(fēng)險或需要性能升級的領(lǐng)域。通過掌握用戶行為，企業(yè)可以改進其服務(wù)的可用性和響應(yīng)性。

人工智能增強的API和微服務(wù)分析的整體集成可以提高用戶滿意度，提高系統(tǒng)效率，并根據(jù)數(shù)據(jù)驅(qū)動的見解做出明智的決策。

以下是一些在人工智能增強的API和微服務(wù)中通常用于分析行為的流行工具：

• Google Analytics：除了用于網(wǎng)絡(luò)分析，Google Analytics還可以跟蹤API和微服務(wù)中的用戶行為，提供用戶參與度、交互和轉(zhuǎn)化率方面的見解。
• Mixpanel：一個專門從事事件跟蹤的分析平臺，Mixpanel允許組織監(jiān)控用戶行為，例如API和微服務(wù)中的功能使用、保留率和用戶路徑。
• Amplitude：另一個專注于產(chǎn)品分析和行為分析的工具，Amplitude幫助組織通過隊列分析和跟蹤應(yīng)用程序和服務(wù)的用戶旅程來了解用戶行為。
• Hotjar：提供用于分析目的的熱圖、會話記錄和用戶反饋工具，Hotjar直觀地展示了用戶如何使用API和微服務(wù)。
• Kibana：作為Elastic Stack的一部分，Kibana是一個數(shù)據(jù)可視化工具，用于分析日志數(shù)據(jù)，以識別API和微服務(wù)中的用戶行為模式、異常和趨勢。

4.監(jiān)控API流量

監(jiān)控API流量對于確保人工智能API和微服務(wù)的效率、安全性和可靠性至關(guān)重要。通過監(jiān)視API流量，組織可以監(jiān)控、分析和增強其系統(tǒng)內(nèi)的數(shù)據(jù)流和請求。這種監(jiān)視有助于查明可能影響API和微服務(wù)正常運行的問題、異常和模式。

在人工智能增強的環(huán)境中，可以使用各種工具和方法來監(jiān)控API流量。

• 監(jiān)控API網(wǎng)關(guān)：這些網(wǎng)關(guān)作為API的入口點，并提供對傳入和傳出流量的洞察。Kong、APIgee或AWS API Gateway等工具可以監(jiān)控請求率、響應(yīng)時間和錯誤率等指標(biāo)。
• 日志記錄和跟蹤：在API和微服務(wù)中結(jié)合日志記錄和跟蹤機制，可以捕獲有關(guān)API流量的詳細信息。
• API監(jiān)控工具：因為Elasticsearch，Logstash和Kibana (ELK堆棧)等工具在系統(tǒng)中移動，它們能夠分析日志并跟蹤請求。對于監(jiān)控API，可以使用Postman、Insomnia或Paw等工具來觀察API端點、發(fā)送試用請求和評估響應(yīng)時間。事實證明，這些工具對于從用戶的角度深入了解API行為很有價值。
• 實時監(jiān)控解決方案：為了實現(xiàn)對API和微服務(wù)的實時監(jiān)控，Prometheus、Grafana或Datadog等解決方案提供了一些功能，使組織能夠即時可視化指標(biāo)、創(chuàng)建警報并及時分析性能。
• 流量分析工具：當(dāng)涉及到分析網(wǎng)絡(luò)流量和檢查API通信中的有效負(fù)載時，Wireshark、Fiddler或Charles Proxy等工具可以提供有用的見解。
• 安全監(jiān)控解決方案：為了增強圍繞API流量的安全措施，可以利用OWASP ZAP、Burp Suite或AWS WAF等安全解決方案來有效監(jiān)控安全威脅、異常和漏洞。

5.安全策略的自動執(zhí)行

確保人工智能驅(qū)動的API和微服務(wù)的安全性和機密性需要自動執(zhí)行安全策略。通過自動化這一過程，組織可以一致地跨其系統(tǒng)應(yīng)用，監(jiān)視和執(zhí)行安全措施。以下是一些可用于自動執(zhí)行人工智能驅(qū)動的API和微服務(wù)中的安全策略的具體策略和工具：

• 基于令牌的身份驗證：采用基于令牌的身份驗證機制，例如OAuth 2.0或JSON Web令牌(JWT)來驗證和授權(quán)訪問API和微服務(wù)；用于發(fā)布令牌和驗證令牌的自動化流程。撤銷它們有助于增強安全性。
• 安全策略即代碼：使用開放策略代理(OPA)或HashiCorp Sentinel等工具將安全策略定義為代碼。通過將安全策略轉(zhuǎn)換為代碼格式，組織可以在整個軟件開發(fā)生命周期中自動化其實現(xiàn)。
• 行為分析工具：利用Splunk、Elastic Security或IBM QRadar等分析工具，可以監(jiān)控和評估用戶行為，以識別違規(guī)行為，并維護API和微服務(wù)內(nèi)活動的安全協(xié)議。
• 訪問控制列表（ACL）：實現(xiàn)訪問控制列表有助于根據(jù)既定法規(guī)限制對API端點和微服務(wù)的訪問，并通過自動化管理確保只有授權(quán)用戶或服務(wù)才能訪問資源。
• 運行時應(yīng)用程序自我保護(RASP)：采用運行時（Runtime）應(yīng)用程序自我保護(RASP)解決方案，例如Contrast Security或Veracode，涉及將安全策略嵌入到API運行時環(huán)境中，以強制執(zhí)行針對注入攻擊和數(shù)據(jù)暴露等常見威脅的措施。

6.漏洞管理

有效的漏洞管理通過識別、評估、緩解和監(jiān)控漏洞來保護系統(tǒng)免受潛在的安全風(fēng)險和破壞，在保護人工智能驅(qū)動的API和微服務(wù)方面發(fā)揮著重要作用。

以下是一些重要的策略和工具，用于管理人工智能驅(qū)動的API和微服務(wù)中的漏洞：

• 定期漏洞掃描：利用Nessus、Qualys或OpenVAS等掃描工具檢查API和微服務(wù)是否存在已知漏洞。一致的掃描有助于查明攻擊者可能利用的弱點。
• 安全補丁：建立一個管理補丁的流程，以確保軟件組件和依賴項與安全補丁保持更新。及時打補丁可以解決已知的漏洞，降低攻擊的風(fēng)險。
• 安全代碼審查：定期審查代碼的安全問題，以解決不安全的做法和漏洞。像SonarQube、Checkmarx或Fortify這樣的工具可以自動進行代碼分析，以檢測代碼庫中的安全缺陷。
• API安全實踐：遵循API開發(fā)實踐，包括身份驗證、授權(quán)、加密、輸入驗證和錯誤處理。堅持這些實踐可以減少攻擊面，增強API和微服務(wù)的安全性。
• 整合威脅情報：整合威脅情報，及時更新與人工智能驅(qū)動的API和微服務(wù)相關(guān)的新出現(xiàn)的安全威脅和漏洞。像ThreatConnect或Recorded Future這樣的工具可以幫助檢測和響應(yīng)威脅。
• 事件響應(yīng)計劃：制定響應(yīng)涉及API和微服務(wù)漏洞事件處理過程的計劃。該計劃應(yīng)該概述處理安全事件的過程，包括修補漏洞的步驟、通信策略和恢復(fù)過程。

7.整合威脅情報

將威脅情報集成到人工智能驅(qū)動的API和微服務(wù)中，以加強安全措施，識別威脅并有效管理風(fēng)險，這一點至關(guān)重要。通過利用威脅情報資源，組織可以及時了解可能對其API和微服務(wù)構(gòu)成風(fēng)險的威脅、漏洞和惡意活動。

以下是在人工智能驅(qū)動的環(huán)境中整合威脅情報的一些重要策略和工具：

• 威脅情報反饋來源：通過訂閱CERT、ISAC和商業(yè)提供商等可信來源的威脅情報來保持最新信息。這些提要提供了對已知威脅、入侵指標(biāo)（IOC）以及與API和微服務(wù)相關(guān)的攻擊模式的實時洞察。
• 整合安全信息和事件管理(SIEM)：將威脅情報饋送集成到SIEM解決方案中，例如Splunk, ArcSight或logrhym。這種集成有助于關(guān)聯(lián)安全事件，分析日志，并根據(jù)威脅情報提供的指標(biāo)識別威脅。
• 監(jiān)控入侵指標(biāo)(IOC)：在API和微服務(wù)流量數(shù)據(jù)和系統(tǒng)活動的日志中，監(jiān)視來自威脅情報饋送的監(jiān)控入侵指標(biāo)(IOC)匹配。像MISP(惡意軟件信息共享平臺)或OpenCTI這樣的工具對于管理和關(guān)聯(lián)監(jiān)控入侵指標(biāo)(IOC)很有價值。
• 實現(xiàn)安全編排、自動化和響應(yīng)(SOAR)：部署SOAR平臺，例如Demisto、Phantom或Swimlane，以自動執(zhí)行與管理威脅情報相關(guān)的任務(wù)。這些平臺簡化了專門為API和微服務(wù)設(shè)計的事件響應(yīng)流程和修復(fù)工作流程。利用機器學(xué)習(xí)算法分析來自威脅情報的數(shù)據(jù)，識別模式，并預(yù)測人工智能驅(qū)動的API和微服務(wù)中的安全事件。機器學(xué)習(xí)模型可以增強檢測威脅和有效地自動響應(yīng)措施的能力。

結(jié)論

通過整合基于人工智能的技術(shù)來檢測和響應(yīng)基于云計算的API和微服務(wù)環(huán)境中的威脅，組織可以加強其網(wǎng)絡(luò)安全防御，提高事件響應(yīng)能力，并保護其資產(chǎn)免受網(wǎng)絡(luò)威脅。

原文標(biāo)題：Leveraging AI to Bolster Cloud Security for APIs and Microservices，作者：Nilesh Charankar