云服務的采用正在上升，企業出于多種原因正在快速采用多云戰略，例如更好的成本管理、多樣化的運營靈活性、更高的彈性、支持并購的敏捷性等等。根據最近一項關于云安全的研究，超過79%采用云的企業擁有不止一家云提供商。然而，隨著每個云提供商的發展，多云部署的復雜性增加，導致網絡攻擊的威脅和風險也相應增加。

需要一種整體方法來一致地應用零信任架構來保護多個異構云環境。這樣的架構：

• 確定誰有權訪問什么以及出于什么目的，并通過職責分離適當限制特權訪問。
• 管理身份和設備的安全狀況，并保護對跨云計算環境和SaaS應用的企業應用和數據的訪問。
• 基于請求的風險環境和行為分析，動態實施安全策略。

“安全設計”是應用零信任架構和保護資源(包括基礎設施、工作負載、身份和多云環境中的數據)的關鍵方法。鑒于零信任在保護云安全方面的重要性，讓我們討論一下在采用零信任之前需要考慮的一些關鍵方面：

• 實現最少權限框架：黑客可以利用過多的權限訪問云資源，并增加攻擊半徑。權限設置中的錯誤配置可能導致對敏感數據的未經授權訪問、對關鍵資源的未經授權訪問導致服務中斷以及類似事件。最小權限原則確保云中的所有身份(人類或非人類)僅具有執行任務所需的最小權限，從而減少了攻擊面。
• 管理數據安全的盲點：企業必須通過上下文感知的數據安全解決方案保護存儲在云中的敏感數據對象，并通過數據安全態勢管理(DSPM)解決方案管理其安全狀態。這些解決方案有助于自動發現和分類存儲在云中的數據，并防止由于盲點而導致的數據可見性錯誤配置。
• 增強的威脅檢測：在異構云環境中，缺乏跨基礎設施和應用程序堆棧的可見性增加了挑戰。人工智能驅動的技術可以在基線云安全框架中檢測威脅和異常。
• Shift-Left的安全性：隨著基于代碼的云資源部署的廣泛采用，企業尋求應用左移來保護DevOps管道。在云計算之旅的所有生命周期階段考慮安全性的轉型轉變加強了多云環境的安全態勢。
• 基于人工智能和機器學習的自適應云安全：人工智能和機器學習被認為是云中網絡安全戰略網格的基本要素。云服務的快速擴展需要快速與基于AI和ml的云安全控制用例保持一致，包括管理云配置、檢測異常和防止未經授權的操作。
• 無服務器安全性：隨著無服務器計算的流行，攻擊者和云資源之間的屏障已經減弱。無服務器應用程序是細粒度的、基于微服務的，具有多個入口點。因此，在無服務器功能中構建安全控制，以保護對應用程序的細粒度和權限訪問。
• 云錯誤配置：云資源的錯誤配置是一種廣泛流行的云攻擊向量，它為未經授權訪問云數據和資源打開了大門。根據美國國家安全局(National Security Agency)的數據，云配置錯誤是云安全的首要漏洞，近80%的云數據泄露都與此有關。云服務推出速度的加快也增加了安全策略的復雜性。錯誤配置可能會在云架構中引入深度防御和零信任原則可以解決的故障。
• 供應鏈安全：云中的錯誤配置風險可能使企業容易成為供應鏈攻擊的目標。因此，需要采取適當的措施，通過分層安全來減少攻擊面，并在供應鏈上妥協時限制損害。

因此，隨著多云服務采用的增加，需要一種基于零信任的方法來保護云服務，以減少攻擊面并優化安全配置的總體成本。此類云安全實踐應與企業的架構框架保持一致，并建立創新實踐，以確保云轉型之旅的未來需求。