最近的一场虚拟讨论邀请到了Arnica的首席执行官兼联合创始人Nir Valtman。Valtman在网络安全领域拥有丰富的经验，他曾担任Kabbage（被美国运通收购）的首席信息安全官，并在Finastra领导产品和数据安全工作，同时还在NCR管理应用程序安全。他是Salt Security的顾问委员会成员。
Valtman被视为行业中的创新力量，积极参与开源项目，拥有七项软件安全方面的专利，并且常常受邀在Black Hat、DEF CON、BSides和RSA等重大网络安全活动上发言。在他的引导下，Arnica正在开创下一代为开发者量身定制的应用安全工具。
以下是访谈摘录：
问：您如何看待生成式人工智能在网络安全领域在未来3-5年的发展？
Valtman： 我们正在逐步理解生成式人工智能可以带来最大效益的领域。它在应用安全上具有潜力，能够为开发者提供默认安全的工具，特别是帮助经验不足的开发者实现这一目标。
问：您正在关注哪些新兴技术或方法论，这些可能影响生成式人工智能在安全中的应用？
Valtman： 对于安全漏洞，需要可执行的修复路径。这个过程开始于优先考虑关键资产，识别负责的修复负责人，并有效地减轻风险。生成式人工智能将在风险修复中发挥关键作用，但这需要清晰的资产优先级和责任划分。
问：组织在哪些方面应优先投资，以最大化生成式人工智能在网络安全中的潜力？
Valtman： 组织应重点解决重复且复杂的问题，例如减轻特定类别的源代码漏洞。随着生成式人工智能展现出更多应用，投资重点将会逐步演变。
问：生成式人工智能如何将安全防护从被动转变为主动？
Valtman： 生成式人工智能要实现真正的预测性，必须在高度相关的数据集上进行训练。更精确的模型将增强对人工智能驱动决策的信心。建立这种信任需要时间，特别是在像安全这样的高风险领域。但一旦稳定，生成式人工智能工具可以在最小的人为干预下主动减轻风险。
问：为了将生成式人工智能纳入安全，组织需要进行哪些变革？
Valtman： 组织必须进行战略和战术上的调整。决策者需要了解AI技术的优缺点，并与公司的安全目标保持一致。从战术角度出发，预算和资源应配置用于将AI与资产、应用和数据发现工具集成，同时制定纠正措施手册。
问：生成式人工智能可能面临哪些安全挑战，如何解决？
Valtman： 数据隐私和泄露构成重大风险。减缓策略包括内部托管模型、在外部处理前对数据进行匿名化、并定期审计以确保合规。此外，模型完整性（例如模型中毒）问题需要进行彻底的漏洞评估和高级渗透测试。
问：生成式人工智能如何自动化威胁检测、安全补丁和其他过程？
Valtman： 生成式人工智能可以通过分析各种数据源（包括网络日志和交易记录）的历史行为来检测威胁。潜在的用例可能包括在软件开发中的威胁建模、具有足够测试覆盖率的自动补丁部署和自我改善的事件响应协议。
问：组织应该制定哪些计划或策略来应对生成式人工智能和数据保护？
Valtman： 组织必须建立清晰的数据收集、存储、使用和共享政策，确保角色和责任的明确定义。这些政策应与整体网络安全战略一致，以方便实施数据保护功能，如事件响应、 breach 通知及第三方风险管理。
排行榜
