Code Velocity
Öryggi gervigreindar

Lénsstýring gervigreindarkerfa: Tryggja vefaðgang með AWS Network Firewall

·7 mín lestur·AWS·Upprunaleg heimild
Deila
Skýringarmynd sem sýnir hvernig AWS Network Firewall stýrir vefaðgangi gervigreindarkerfa með lénsíaðgangi í Amazon VPC umhverfi.

Skref 3: Stilla AWS Network Firewall leyfðalistann

Kjarninn í lénsstýringarstefnu þinni felst í því að stilla regluhóp með ástandi innan AWS Network Firewall. Þessi regluhópur skilgreinir leyfðalistann þinn – tiltekin lén sem gervigreindarkerfum þínum er leyfilegt að fá aðgang að. Það er mikilvægt að hafa með forskeytið punktur (.) í lénsfærslum þínum til að samsvara undirlénum, sem tryggir alhliða umfjöllun.

Til dæmis, til að leyfa aðgang að Wikipedia og Stack Overflow, myndi reglustillingin þín líta svona út:

{
  "RulesSource": {
    "RulesSourceList": {
      "Targets": [
        ".wikipedia.org",
        ".stackoverflow.com"
      ],
      "TargetType": "TLS_SNI",
      "GeneratedRulesType": "ALLOWLIST"
    }
  }
}

Þessi stilling tryggir að aðeins umferð sem ætluð er þessum sérstaklega leyfðu lénum, þar á meðal undirlénum þeirra, er leyfð í gegnum eldvegginn. Öll önnur umferð getur verið óbeint bönnuð með sjálfgefna bannstefnu.

Handan SNI: Alhliða varnarstefna

Þótt SNI-undirstöðu síun sé öflug, krefst sönn núll trausts arkitektúr fyrir gervigreindarkerfi margra öryggislaga. Eins og getið er, bætir það við öðrum mikilvægum stjórnpunkti að para AWS Network Firewall við Amazon Route 53 Resolver DNS Firewall. Þetta kemur í veg fyrir að kerfi geti leyst lokað lén í gegnum DNS, og lokar þannig mögulegri hjáleið þar sem kerfi gæti reynt að tengjast beint við IP-tölu ef lénsupplausnin er ekki einnig stjórnað.

Ennfremur, með því að samþætta aðrar öryggisþjónustur, svo sem AWS Web Application Firewall (WAF) fyrir HTTP/S umferðarskoðun (ef umferðin er að lokum ókóðuð til skoðunar á öðru lagi) og auðkenningarbundna aðgangsstýringu fyrir köllun kerfa, styrkir öryggisstöðu þína. Þessi marglaga nálgun er í samræmi við bestu venjur fyrir að byggja upp núll trausts arkitektúr fyrir trúnaðar-gervigreindverksmiðjur.

Niðurstaða: Styðja örugga innleiðingu gervigreindarkerfa

Hæfni til að stjórna hvaða lén gervigreindarkerfi þín geta fengið aðgang að er ekki bara eiginleiki; það er grundvallar öryggiskrafa fyrir innleiðingu gervigreindar í fyrirtækjum. Með því að innleiða AWS Network Firewall með Amazon Bedrock AgentCore fá fyrirtæki nákvæma stjórn á útleiðandi umferð kerfa, draga úr umtalsverðri öryggisáhættu eins og gagnaútflæði og innspýtingu skilaboða, og uppfylla strangar samræmiskröfur.

Eftir því sem gervigreindarkerfi verða flóknari og samþættari í mikilvæga viðskiptaferla, verður öflugur öryggisrammi ómissandi. Þessi lausn veitir fyrirtækjum skýra leið til að nýta kraft gervigreindarkerfa á sama tíma og þau viðhalda stjórn, sýnileika og órofinni öryggisstöðu. Að tileinka sér slík byggingarmynstur er lykillinn að að gera virka gervigreind aðgengilega hluta 1: leiðbeiningar fyrir hagsmunaaðila og efla örugga, nýstárlega framtíð.

Algengar spurningar

Why is domain-level control essential for AI agents browsing the internet?
AI agents with internet access offer powerful capabilities but also introduce significant security risks. Unrestricted web access can lead to unintended data exfiltration to unauthorized domains, exposure to malicious content, or exploitation through prompt injection attacks that trick agents into navigating to harmful sites. Domain-level control, specifically allowlisting, ensures that agents can only access pre-approved websites, drastically reducing the attack surface. This is critical for maintaining data privacy, adhering to regulatory compliance standards, and safeguarding sensitive enterprise information, especially in regulated industries where strict network egress policies are mandatory.
How does AWS Network Firewall enhance the security posture of AI agents using Amazon Bedrock AgentCore?
AWS Network Firewall acts as a crucial layer of defense for AI agents deployed via Amazon Bedrock AgentCore. By routing all outbound traffic from AgentCore Browser through the firewall, organizations can implement granular domain-based filtering rules. The firewall inspects TLS Server Name Indication (SNI) headers to identify destination domains and applies allowlist or denylist policies. This ensures that agents only connect to approved external resources, logs all connection attempts for auditing, and can block access to known malicious domains or undesirable categories, thereby bolstering the overall security and compliance of AI agent operations.
What are the primary challenges addressed by implementing domain-based egress filtering for AI agents?
Domain-based egress filtering addresses several critical challenges for AI agent deployments. Firstly, it mitigates the risk of data exfiltration and unauthorized access by ensuring agents only interact with trusted domains. Secondly, it helps prevent prompt injection attacks, where malicious prompts could instruct an agent to visit harmful or unintended sites, by enforcing an allowlist of approved URLs. Thirdly, it meets stringent enterprise security and compliance requirements, particularly in regulated sectors, by providing transparent control and auditability of agent network interactions. Finally, for multi-tenant SaaS providers, it allows for customized, per-customer network policies, enabling specific domain restrictions based on individual client needs.
Can SNI-based domain filtering completely prevent all unauthorized connections by AI agents, and if not, what are the limitations?
While SNI-based domain filtering is highly effective for controlling web access at the TLS layer, it does have a limitation: it relies on the Server Name Indication field during the TLS handshake. An advanced attacker or a sophisticated agent could potentially resolve a blocked domain's IP address through an uninspected DNS query and attempt to connect directly via IP, bypassing SNI inspection. To address this, a defense-in-depth strategy is recommended. This involves pairing SNI filtering with DNS-level controls, such as Amazon Route 53 Resolver DNS Firewall, which can block DNS queries for unauthorized domains and prevent DNS tunneling, ensuring comprehensive egress control.
What is the typical traffic flow for an AI agent's web request when using AWS Network Firewall for domain control?
When an AI agent within Amazon Bedrock AgentCore initiates a web request, the traffic flow is meticulously controlled. First, the AgentCore Browser, residing in a private subnet, attempts to establish an HTTPS connection. This request is routed to a NAT Gateway in a public subnet, which then forwards it to the Network Firewall endpoint. The AWS Network Firewall inspects the TLS SNI header to identify the target domain. If the domain is on the allowlist, the firewall permits the traffic to pass to an Internet Gateway, which then routes it to the external destination. All return traffic follows a symmetric path back through the firewall, ensuring continuous inspection and adherence to security policies.

Fylgstu með

Fáðu nýjustu gervigreindarfréttirnar í pósthólfið.

Deila