沃爾瑪的 AI 安全策略：企業在風險、身分和防禦方面的重要經驗

VentureBeat 最近與 Walmart Inc. 執行副總裁暨資訊安全長 Jerry R. Geisler III 進行了一次虛擬訪談，探討這家全球最大零售商在自主式 AI 日漸普及時所面臨的網路安全挑戰。

我們的討論重點在於確保代理式 AI 系統的安全、現代化身分管理，以及開發 Element AI (沃爾瑪的集中式 AI 平台) 的主要心得。Geisler 提供了一個令人耳目一新的坦率觀點，說明公司如何應對前所未有的安全威脅，從對抗 AI 促成的網路攻擊，到保護其龐大的混合多雲架構。他以初創企業為導向，重塑身份和存取管理系統的方法，為各種規模的企業提供了寶貴的見解。

身為沃爾瑪這種跨 Google Cloud、Azure 和私有雲環境運作的大型企業的安全領導者，Geisler 在實施零信任架構和培養他所謂的「治理速度」（velocity with governance）方面擁有獨特的專業知識 - 在可信賴的安全環境中實現快速的 AI 創新。在 Element AI 的發展過程中所做的架構選擇，影響了沃爾瑪整合新興 AI 技術的整體策略。

以下是我們對話的精選摘錄：

VentureBeat：您目前的治理結構與安全防護措施是如何調整，以因應新的威脅，以及當產生式與代理式人工智慧愈來愈自主時，非預期的模型行動？

Jerry R. Geisler III：採用代理式人工智能會帶來繞過傳統防禦機制的全新風險。這些風險包括資料外洩、API 濫用，以及代理體之間的隱藏協作，其中任何一項都可能擾亂業務運作或違反法規要求。我們的方法重點在於透過先進的 AI 安全勢態管理 (AI-SPM) 建立主動、彈性的安全機制，以實現持續的風險監控、資料安全、合規性和信任。

VB：傳統的 RBAC 在動態 AI 環境中顯示出其限制性，Walmart 如何改進其身分管理和零信任模型，以提供細粒度、情境感知的資料存取？

Geisler：像我們這樣規模的組織需要客製化的策略，也就是抱持創業家的心態。我們的團隊經常從頭開始重新檢視，並問自己：「如果我們從今天開始，我們會做什麼？"如果我們從今天開始，身份與存取管理 (IAM) 會是什麼樣子？過去三十年來，IAM 發生了顯著的變化，我們的重點在於現代化 IAM 堆疊，以簡化複雜性。雖然有別於 Zero Trust，但我們仍然堅守最低特權原則。

我們對 MCP 和 A2A 等通訊協定的演進和採用感到樂觀，因為這些協定能解決真正的安全問題，並協助我們實施詳細且情境敏感的存取控制。這些協定支援使用短期、可驗證憑證的即時存取決策 - 持續評估身分、資料分類和風險。這可確保每個代理、工具和請求都經過一致的驗證，充分體現零信任原則。

VB：沃爾瑪的混合多雲設定（使用 Google、Azure 和私有雲）如何影響您針對 AI 工作負載的零信任分割和微分割策略？

Geisler：我們的區隔策略依賴於身分，而非網路位置。存取政策會一致地應用於跨雲端和內部部署環境的工作負載。由於 MCP 和 A2A 等通訊協定的進步，服務邊緣的執行逐漸標準化，可統一應用零信任。

VB：由於 AI 可實現更先進的攻擊 (例如令人信服的網路釣魚活動)，Walmart 部署了哪些 AI 驅動的防禦措施，以識別並解決這些不斷演進的威脅？

Geisler：在沃爾瑪，我們致力於預測和對抗新興威脅，尤其是在人工智能改變網路安全領域的時候。當惡意行為者越來越多地使用生成式 AI 來發動極具說服力的網路釣魚活動時，我們也在使用相同的技術來模擬對手的攻擊，並建立主動的應變能力。

我們已將先進的機器學習嵌入我們的安全系統中，以辨識異常行為並標示網路釣魚企圖。除了偵測之外，我們還使用生成式 AI 來模擬攻擊情境，並透過大型紅色團隊演練嚴格測試我們的防禦能力。

在數位生態系統演進的過程中，我們將人與人工智能巧妙結合，協助保護我們的員工和客戶。

VB: Element AI 廣泛使用開源 AI 模型。這帶來了哪些獨特的安全風險，你們的企業級安全方法又是如何適應的？

Geisler：我們的區隔是基於身分，而非網路位置。存取政策會在雲端和內部部署環境中一致執行。隨著 MCP 和 A2A 等協定逐漸受到重視，服務邊緣的執行也逐漸標準化，以確保統一執行零信任。

VB：考慮到沃爾瑪的全球永續營運，您有哪些自動化或快速回應系統可以管理同時發生的網路安全事件？

Geisler>以沃爾瑪的規模營運，需要快速且無縫的安全性。我們已在事件回應程序的多個層級中嵌入智慧型自動化。利用 SOAR 平台，我們可以協調跨區域的回應工作流程，讓威脅得以迅速遏止。

我們也非常依賴自動化來持續評估風險，並根據嚴重性排定回應的優先順序。這可確保我們的資源分配到最需要的地方。

透過將技術熟練的員工與快速的自動化和可操作的情境結合，我們能以 Walmart 所需的速度和規模提供有效的安全性。

VB：Walmart 採用哪些策略來吸引、培養和留住網路安全專業人員，讓他們能夠駕馭不斷演進的 AI 和威脅環境？

Geisler：我們的 Live Better U (LBU) 計畫提供員工可負擔 (通常是免費) 的教育，讓他們能夠取得網路安全與 IT 的學位與認證。這為來自不同背景的員工提供了明確的技能提升途徑。課程強調實作、實際的學習，直接應用於 Walmart 的安全需求。

我們也舉辦一年一度的 SparkCon (前身為 Sp4rkCon)，內容包括專家講座以及與頂尖專業人士的問答。這項活動探討網路安全的最新發展、技術、技術和威脅，為參加者創造交流和職涯發展的機會。

VB>回顧 Element AI 的發展，有哪些關鍵的網路安全或架構洞察，影響了您決定何時及如何集中管理新興的 AI 技術？

Geisler：這是一個關鍵問題--我們今天的架構決策將決定我們未來幾年的風險狀況。在開發集中式 AI 平台的過程中，我們汲取了兩項重要的教訓，為我們未來的發展方向提供了參考。

首先，集中化大大支援了「治理速度」。透過建立統一、簡化的 AI 開發路徑，我們降低了資料科學家的複雜性。從安全性的角度來看，它創造了一個單一的控制平面。我們從一開始就嵌入安全性，確保統一的資料實務、模型檢閱和輸出監控。這可讓創新在我們可以信任的框架內快速茁壯成長。

其次，它可以實現「集中防禦和專業知識」。AI 威脅環境變化迅速。與其將我們的 AI 安全專家分散在多個獨立專案中，集中化可讓我們在一個關鍵點上匯集頂尖人才和最有效的防禦。我們可以實施並精進先進的安全功能，例如情境感應存取控制、即時監控和資料遺失防護 - 將這種保護無縫延伸至所有使用個案。