Detectar Configurações Incorretas do Amazon Bedrock com Datadog Cloud Security
Sources: https://aws.amazon.com/blogs/machine-learning/detect-amazon-bedrock-misconfigurations-with-datadog-cloud-security, https://aws.amazon.com/blogs/machine-learning/detect-amazon-bedrock-misconfigurations-with-datadog-cloud-security/, AWS ML Blog
TL;DR
- O Datadog Cloud Security agora oferece detecções e orientação de remediação para identificar e corrigir configurações incorretas do Amazon Bedrock antes que se tornem incidentes de segurança.
- A integração utiliza varredura sem agente e com agente para monitorar continuamente seu ambiente AWS em busca de configurações inadequadas, riscos de identidade, vulnerabilidades e violações de conformidade, priorizando com o Datadog Severity Scoring.
- Um risco representativo é o uso de buckets S3 publicamente graváveis para treino ou ajuste fino de modelos Bedrock, o que pode permitir envenenamento de dados; a Datadog oferece detecções prontas e passos de remediação.
- A solução utiliza diagramas em tempo real do Cloud Map para contextualizar os riscos de IA junto com exposição de dados sensíveis e outros sinais de segurança, melhorando clareza e velocidade de resposta.
- A parceria Datadog–AWS se estende a mais de 900 integrações, viabilizando cobertura de segurança de IA pronta para uso dentro de uma estratégia mais ampla de segurança em nuvem. Esta abordagem segue o AWS Shared Responsibility Model, com a AWS responsável pela segurança da infraestrutura e os clientes responsáveis por configurações seguras e controles de acesso dentro de seus ambientes Bedrock. Para mais detalhes, veja o post da AWS e Datadog.
Contexto e antecedentes
À medida que as organizações adotam cada vez mais o Amazon Bedrock para aplicações de IA generativa, a segurança de sua utilização se torna essencial. O Bedrock oferece segurança de nível empresarial ao incorporar proteções embutidas para privacidade de dados, controles de acesso, segurança de rede, conformidade e salvaguardas de IA responsável. Os dados do cliente são criptografados em trânsito (TLS 1.2 ou superior) e em repouso com o AWS KMS, com os clientes mantendo controle total sobre as chaves de criptografia. A privacidade de dados é central: suas entradas, prompts e saídas não são compartilhados com provedores de modelos nem usados para treinar modelos de base. O ajuste fino acontece em cópias privadas de modelos, assegurando confidencialidade dos dados. O acesso é rigidamente governado através do AWS IAM e políticas baseadas em recursos, permitindo autorização granular para usuários e funções. O Bedrock se integra ao AWS PrivateLink e oferece pontos de extremidade VPC para comunicação privada e interna, evitando que o tráfego saia da rede da Amazon. O serviço está em conformidade com padrões como ISO, SOC, CSA STAR, elegibilidade de HIPAA, GDPR e FedRAMP High, tornando-o adequado para setores regulados. Além disso, o Bedrock inclui salvaguardas configuráveis para filtrar conteúdos sensíveis ou prejudiciais, promovendo o uso responsável de IA. A segurança segue o AWS Shared Responsibility Model, com a AWS cuidando da segurança da infraestrutura e os clientes gerenciando configurações seguras e controles de acesso em seu ambiente Bedrock. A Datadog e a AWS firmaram parceria para oferecer uma visão holística de riscos de IA, vulnerabilidades, exposição de dados sensíveis e outras configurações incorretas. O Datadog Cloud Security utiliza varredura sem agente e com agente para ajudar as organizações a identificar, priorizar e remediar riscos em recursos de nuvem. As detecções são enriquecidas por dados de observabilidade, fortalecendo a postura de segurança na implementação de IA. Com a adoção acelerada de IA, incorporar segurança aos processos existentes torna-se crucial, especialmente com regulamentações mais restritas. Detalhes sobre por que a integração Bedrock foi priorizada aparecem na colaboração AWS-Datadog dentro do ecossistema Bedrock. Durante o quarto trimestre de 2024, a pesquisa de segurança da Datadog observou maior interesse de atores mal-intencionados em ambientes de IA na nuvem, ressaltando a relevância desta integração. Ao combinar as capacidades de IA da AWS com a expertise em segurança da Datadog, equipes podem acelerar a adoção de IA mantendo controles robustos.
O que há de novo
Datadog e AWS expandem para três capacidades centrais dentro do Datadog Cloud Security para proteger implementações Bedrock:
- Segurança de IA holística: integra a segurança de IA à sua estratégia de segurança em nuvem, contextualizando riscos de IA com outros sinais de segurança (exposição de identidade, configurações inadequadas, etc.).
- Detecção de risco em tempo real: detecta potenciais problemas de segurança relacionados à IA assim que surgem, permitindo resposta e remediação mais rápidas.
- Conformidade simplificada: fornece detecções prontas e orientações de remediação para ajudar a atender a regulamentações de IA em evolução. Essa parceria habilita detecções para clientes Bedrock e se integra ao Cloud Map para visualizar diagramas de arquitetura em tempo real, colocando riscos de IA no contexto da infraestrutura circundante. A varredura sem agente continua, monitorando o ambiente AWS a cada 15 minutos a 2 horas. Além das detecções específicas do Bedrock, o sistema oferece um catálogo com centenas de regras prontas para identificar configurações incorretas e caminhos de ameaça exploráveis por adversários, mantendo o contexto de segurança em toda a AWS.
Por que isso importa (impacto para desenvolvedores/empresas)
Para desenvolvedores e empresas, essa integração traz benefícios concretos conforme a IA se torna mais presente:
- Adoção de IA segura mais rápida: ao incorporar a segurança de IA aos fluxos de segurança em nuvem existentes, as equipes inovam mais rápido sem abrir mão do controle.
- Visibilidade precoce de riscos: detecções em tempo real com pontuação de risco contextualizada ajudam equipes a priorizar problemas críticos, reduzindo ruído e acelerando a remediação.
- Melhor postura de conformidade: detecções prontas e fluxos de remediação ajudam a alinhar-se a regulamentações e governança interna, com pontuações de postura refletindo remediações concluídas.
- Segurança escalável: a ampla base de integrações (mais de 900) e a experiência em segurança em nuvem da Datadog permitem monitoramento escalável em ambientes híbridos e multi-nuvem. Os clientes podem visualizar as questões junto de infraestrutura relacionada usando o Cloud Map, o que facilita entender como os recursos Bedrock interagem com outros recursos da AWS e com data stores. A abordagem enfatiza criptografia forte, redes privadas e controles de acesso rígidos para manter cargas de IA seguras em setores regulados.
Detalhes técnicos ou Implementação
- Abordagem de varredura: Datadog Cloud Security suporta varredura sem agente e com agente para identificar configurações incorretas, riscos de identidade, vulnerabilidades e violações de conformidade em recursos AWS.
- Programação: a varredura sem agente ocorre em intervalos configuráveis entre 15 minutos e 2 horas, permitindo detecção oportuna conforme as configurações se alteram.
- Pontuação de risco: as descobertas são priorizadas pelo Datadog Severity Scoring, que considera status de produção, exposição pública e acesso a dados sensíveis.
- Detecções focadas em IA: o sistema inclui detecções específicas para Bedrock, como identificar buckets S3 com escrita pública usados para treinamento.
- Remediação: fornece orientações passo a passo para remediação, com opções de corrigir em AWS, criar tickets no Jira ou acionar automação de fluxo de trabalho. Remediações atualizam a postura no Datadog.
- Visibilidade da arquitetura: diagramas no Cloud Map mostram recursos e relações, fornecendo contexto de IA dentro da infraestrutura.
- Privacidade e conformidade: Bedrock oferece salvaguardas para filtrar conteúdo sensível e orientar uso responsável de IA; dados são protegidos com criptografia em trânsito (TLS 1.2+) e em repouso (KMS) e não são compartilhados com provedores de modelos nem usados para treinar modelos de base.
- Opções de implantação: o Datadog Cloud Security pode ser implantado com o agente Datadog, de forma sem agente, ou com ambos, para cobrir todo o ambiente AWS.
- Padrões de conformidade: Bedrock está em conformidade com ISO, SOC, CSA STAR, elegibilidade HIPAA, GDPR e FedRAMP High, tornando-o adequado para setores regulados. Essas capacidades se apoiam na expertise existente de segurança em nuvem da Datadog e na integração já estabelecida com a AWS, permitindo uma visão unificada de riscos de IA e um caminho mais rápido para implantações de IA seguras.
Principais pontos
- Adição de detecções específicas do Bedrock e orientações de remediação no Datadog Cloud Security.
- Detecção de risco em tempo real, segurança de IA holística e conformidade simplificada com detecções prontas.
- Priorização de achados com pontuação de risco que considera produção, exposição pública e sensibilidade de dados.
- Remediação acionável integrada, com opções para corrigir em AWS, criar tickets no Jira ou usar automação de fluxo de trabalho.
- Visibilidade via Cloud Map para contextualizar riscos de IA na arquitetura de nuvem.
FAQ
-
O que é o Amazon Bedrock e por que é relevante para o Datadog Cloud Security?
O Bedrock é um serviço totalmente gerenciado que disponibiliza modelos de IA de base por meio de uma API unificada, tornando-se ponto de partida ideal para as capacidades de segurança de IA da Datadog. Veja o post da AWS para detalhes.
-
Como o Datadog Cloud Security detecta configurações incorretas no Bedrock?
Ele usa varredura sem agente e com agente para identificar configurações inadequadas, riscos de identidade, vulnerabilidades e violações de conformidade, com priorização pela pontuação de severidade.
-
ual risco específico é destacado em implantações do Bedrock?
Buckets S3 graváveis publicamente usados para treinamento do Bedrock podem levar a envenenamento de dados; Datadog oferece detecções prontas e orientações de remediação.
-
Como as equipes podem remediar os problemas detectados?
s etapas de remediação podem ser executadas diretamente na AWS, criar tickets no Jira ou usar automação de fluxo de trabalho, com as atualizações refletidas na pontuação de postura.
-
Com que frequência as varreduras são executadas?
s varreduras sem agente ocorrem em intervalos entre 15 minutos e 2 horas, permitindo detecção oportuna conforme as configurações mudam.
Referências
More news
Levar agentes de IA do conceito à produção com Amazon Bedrock AgentCore
Análise detalhada de como o Amazon Bedrock AgentCore ajuda a transformar aplicações de IA baseadas em agentes de conceito em sistemas de produção de nível empresarial, mantendo memória, segurança, observabilidade e gerenciamento de ferramentas escalável.
Monitorar Bedrock batch inference da Amazon usando métricas do CloudWatch
Saiba como monitorar e otimizar trabalhos de bedrock batch inference com métricas do CloudWatch, alarmes e painéis para melhorar desempenho, custo e governança.
Prompting para precisão com Stability AI Image Services no Amazon Bedrock
O Bedrock now oferece Stability AI Image Services com nove ferramentas para criar e editar imagens com maior precisão. Veja técnicas de prompting para uso empresarial.
Aumente a produção visual com Stability AI Image Services no Amazon Bedrock
Stability AI Image Services já estão disponíveis no Amazon Bedrock, oferecendo capacidades de edição de mídia prontas para uso via Bedrock API, ampliando os modelos Stable Diffusion 3.5 e Stable Image Core/Ultra já existentes no Bedrock.
Use AWS Deep Learning Containers com o SageMaker AI gerenciado MLflow
Explore como os AWS Deep Learning Containers (DLCs) se integram ao SageMaker AI gerenciado pelo MLflow para equilibrar controle de infraestrutura e governança robusta de ML. Um fluxo de trabalho de predição de idade de ostra com TensorFlow demonstra rastreamento de ponta a ponta, governança de model
Construir Fluxos de Trabalho Agenticos com GPT OSS da OpenAI no SageMaker AI e no Bedrock AgentCore
Visão geral de ponta a ponta para implantar modelos GPT OSS da OpenAI no SageMaker AI e no Bedrock AgentCore, alimentando um analisador de ações com múltiplos agentes usando LangGraph, incluindo quantização MXFP4 de 4 bits e orquestração serverless.