Google Cloud 将 AI 威胁防御推向董事会

Google Cloud 正将 AI 威胁防御推向董事会，称自动化攻击如今的推进速度已超过许多组织评估和遏制威胁的能力。

这一警告的重要性不止于最新一轮 Google 新闻周期。Google 正要求董事将机器速度的网络风险视为运营韧性问题，而非 CISO 需要处理的又一个技术事项。

该公司的立场建立在不断扩大的速度差之上。攻击者可利用 AI 识别漏洞、生成极具迷惑性的社会工程内容，并自动化执行入侵的部分环节。防御方则往往仍依赖人工审查、彼此割裂的工具，以及按人类速度运作的审批链。

Google 也给出了商业层面的答案。其 Google AI Threat Defense 平台整合了 Gemini、Mandiant、Google Threat Intelligence、Google Security Operations 和 Wiz 的技术。Google 表示，该系统能够对暴露风险进行优先级排序，并加速修复代码、云基础设施、身份系统及运行中应用中的问题。

这种组合形成了核心矛盾。董事会需要更好的防御能力来应对 AI 辅助攻击，但也必须决定应将多大程度的安全权限委托给另一个 AI 系统。

Microsoft、Amazon Web Services、Palo Alto Networks、CrowdStrike 及其他安全厂商也在推进各自的自动化战略。因此，Google 的论点既是一项警告，也是争夺在智能体时代定义企业安全平台主导权的尝试。

Google Cloud 实际改变了什么

Google Cloud 正将 AI 安全打包为一种持续运行模式，而不是一组彼此孤立的检测工具。

该公司于 2026 年 5 月 27 日推出 Google AI Threat Defense。Google 将其描述为一套始终在线的系统，旨在监控风险，并在 AI 驱动的威胁影响业务运营前协助阻止它们。

其设计覆盖从软件创建到生产运行的攻击面。该平台检查代码、云配置、身份、已部署工作负载和威胁情报，随后利用这些背景识别具有最高实际风险的暴露问题。

这一区别至关重要，因为漏洞扫描器产生的发现通常多于安全团队能够处理的数量。技术评级为严重，并不总意味着某个缺陷可被触达、可被利用，或与敏感数据相连。

Google 表示，其系统利用更广泛的组织背景来判断哪些发现值得关注。资产归属、应用关系、身份权限、暴露路径和活跃威胁情报都可能影响该排序。

该公司的 威胁防御发布公告提出了四个相互关联的阶段，目标是保护软件开发、扫描并确定漏洞优先级、防御已部署应用，以及改进检测和响应。

Gemini 为各类安全数据提供推理能力。Mandiant 贡献事件知识和一线专业能力。Google Threat Intelligence 则补充有关对手、漏洞和活跃攻击活动的信息。

Wiz 将云安全态势和暴露数据纳入更广泛的产品组合。Google 围绕 Wiz 完成收购布局，以强化对多云环境的可见性；在这些环境中，工作负载和身份很少局限于单一提供商。

CodeMender 在开发早期处理软件漏洞。Google 表示，它可以在应用进入生产环境前帮助发现、验证和修复缺陷。

这些组件此前各自已有价值。此次变化在于，Google 试图通过统一的安全架构和共享的 AI 辅助优先级排序层将它们连接起来。

这种平台化方法也反映了现代安全运营的经济现实。企业积累了大量工具，但每个产品都可能产生新的告警队列。更多检测并不会自动带来更快遏制。

Google 的主张是，背景信息可以减轻这一负担。AI 系统可以审视那些分析师原本需要在工单、仪表板、代码库和身份系统之间重建的关联。

一个实际案例是，与特权服务账号相连的易受攻击应用。扫描器可能报告软件缺陷，另一款产品则标记权限过度。第三个平台可能识别出正在发生的利用活动。

如果这些发现彼此分离，分析师就必须手动将它们关联起来。Google AI Threat Defense 的设计目标是汇集这条链路，并提升综合风险等级。

该平台并未消除对专业人员的需求。仍然需要有人判断建议的修复是否安全、应用能否承受停机，以及自动化系统是否正确理解了业务背景。

不过，Google 已经改变了采购讨论的方式。它不再仅将 AI 作为汇总告警的助手，而是将 AI 定位为企业防御的协调层。

关于 AI 安全的 Google 新闻为何如今应进入董事会议程

董事会层面的关键不在于攻击者是否使用 AI，而在于公司能否在不断缩短的响应窗口内作出可辩护的决策。

Google Cloud 的《2026 年上半年 Threat Horizons 报告》称，在 2025 年下半年，公开披露漏洞到其被积极利用之间的间隔已从数周缩短至数天。

该报告还描述了一起尝试性的 AI 辅助供应链入侵。威胁行为者利用大语言模型自动化窃取凭据，并从开发者环境向云管理访问权限推进。

据 Google 称，攻击者滥用了与 OpenID Connect 有关的信任关系；该协议允许服务在不直接交换密码的情况下验证身份。相关活动在不足 72 小时内展开。

这一案例并不意味着自主 AI 在没有人为参与的情况下完成了整场入侵。它表明，攻击者可以利用模型加速更大规模攻击活动中的单项任务。

报告的其他发现进一步印证了一个不那么未来主义的问题。身份泄露仍是云事件的核心因素，而数据窃取依然是主要目标之一。

Google 的云威胁发现称，在涉及主要云环境和软件即服务环境的已审查事件中，83% 的初始访问由身份问题促成。威胁行为者在 73% 的云相关事件中以数据为目标。

这些数据来自 Mandiant 在 2025 年下半年开展的响应和防御工作。它们反映的是 Google 观察到的案例构成，并不代表全球所有数据泄露事件。

尽管如此，它们仍凸显了为什么董事会不能仅将 AI 安全视为模型治理问题。易受攻击的系统可能是一个智能体，但决定性的弱点仍可能是权限过高的身份、暴露的应用，或未修补的依赖项。

董事们本已负责监督类似的企业风险。美国证券交易委员会要求上市公司说明董事会对网络安全威胁的监督情况，以及管理层在处理重大网络风险中的职责。

在公司认定事件具有重大性后，重大事件通常必须在四个工作日内披露。该规则将重点放在业务影响、治理和决策质量上，而非技术新颖性。

因此，SEC 披露规则为 Google 的论点增添了监管分量。董事需要获得足够的信息，以便在事件进入披露阶段前理解潜在的财务和运营损害。

AI 智能体使这一责任更加复杂。一个智能体可以访问文档、调用软件工具、创建代码，或通过用户凭据采取行动。它的运营身份可能比底层模型更重要。

员工通常在既定的入职、访问审查和离职流程中运作。AI 智能体则可能由业务部门迅速创建、连接至多个系统，并在缺乏同等监督的情况下持续运行。

这会产生“影子智能体”风险。该术语指部署在中央安全团队可见性或控制范围之外的 AI 智能体。

董事会不需要掌握每个智能体的清单。它需要证据证明管理层了解哪些智能体能够访问敏感系统、由谁负责，以及其行动受到哪些限制。

董事会还需要有意义的韧性衡量指标。检测到的告警数量几乎无法说明组织是否能够经受住一次攻击。

更有价值的问题涉及暴露和恢复。有多少关键系统依赖不具备抗钓鱼能力的身份验证？特权访问权限可以多快被撤销？如果对手删除常规日志，组织能否重建攻击过程？

Google 的信息将网络安全从控制措施的归属问题转向运营表现问题。政策可以存在，但补丁修复可能依然缓慢、身份权限可能依然过度、事件证据可能依然不完整。

对董事而言，这使 AI 防御成为资本配置问题。如果公司无法将发现关联至关键业务资产，那么为另一个仪表板提供资金的价值有限。

相关问题在于，安全投入是否能降低预期的业务中断。这要求管理层将技术暴露转化为潜在停机、数据损失、法律义务和恢复成本。

Google 新闻凸显自动化攻击与自动化防御之间的竞赛

Google 的主要对手并非另一家云服务提供商，而是仍支配许多企业响应流程的人类速度安全模式。

Google 的 2026 年预测预计，AI 将在攻击生命周期的各个环节得到更广泛应用。威胁行为者可以利用模型编写诱饵内容、研究目标、修改恶意代码并分析窃取的信息。

智能体 AI 提高了风险，因为智能体能够跨多个步骤追求一个目标。它可以选择工具、根据结果采取行动，并在较少直接人工监督下调整下一步动作。

Google 预计，防御方将以“智能体 SOC”作为回应。安全运营中心，即 SOC，是负责监控和响应威胁的团队与技术体系。

在智能体 SOC 中，AI 系统将调查告警、收集证据、建议遏制措施，并执行部分响应任务。人类分析师则监督风险最高的决策。

Google 的安全预测将此描述为一场军备竞赛。攻击者获得速度和规模，而防御者利用智能体提升分析师能力。

自动化的理由很直接。人类分析师无法手动检查大型企业中产生的每一项身份事件、代码变更、漏洞和云配置。

AI 系统可以更快地关联这些信号，也能持续关注更多同时进行的调查。

然而，速度本身并不等于可靠的安全性。自动化响应可能中断生产、撤销合法访问，或在背景信息不完整时优先处理错误的漏洞。

这一风险使授权委托成为核心治理问题。防御智能体能够采取的行动越多，其阻止攻击的潜力就越大。同样的权限也会增加错误决策或智能体遭入侵所造成的损害。

因此，组织需要明确的自主权限边界。智能体或许可以自动收集证据，但在禁用账户前必须获得批准。它可以隔离测试工作负载，同时将针对营收系统的处置升级上报。

这些边界应反映业务影响，而不仅仅是技术严重性。暂停一个服务账户可能会中断整个客户工作流，而另一个账户即使被禁用，也未必造成可见的业务影响。

Google 的平台战略试图提供这种上下文。Wiz 可以映射云暴露面，Mandiant 可以提供事件知识，而 Gemini 可以对各项发现进行推理。

Microsoft 同样有动力通过其云、身份、终端和生产力产品连接安全数据。Amazon Web Services 正在为云安全和运营加入 AI 辅助功能。专业厂商则围绕其既有平台构建自主调查和修复能力。

这一竞争背景之所以重要，是因为企业很少只在单一安全环境中运营。一家公司可能使用 Microsoft 身份服务、AWS 基础设施、Google 生产力工具，以及多家供应商的安全产品。

自动化防御系统只能基于其能够访问的信息进行推理。平台之间的缺口可能掩盖攻击者从一个系统横向移动到另一个系统所采用的路径。

Google 认为，广泛的上下文赋予其平台优势。这一主张需要在异构客户环境中得到证实，而不能仅限于由 Google 管理的基础设施。

风险在于用自动化碎片化取代告警碎片化。多个防御智能体可能会调查同一事件、提出相互冲突的建议，或基于不一致的资产数据采取行动。

因此，董事会应询问管理层如何协调自动化系统。负责任的架构需要清晰的决策层级、共享证据，以及说明每项重大行动为何发生的记录。

这类记录在事件复盘期间尤为重要。如果智能体阻止访问、修补代码或更改云策略，调查人员需要还原该行动背后的推理过程和输入信息。

团队可以通过维护可搜索的工程知识库来支持这一过程。在快速变化的响应过程中，运行手册、架构决策、责任归属记录和事件证据必须始终可访问。

Google 面临的真正挑战，是证明其自动化能够减轻运营负担，同时不会掩盖具有重大影响的决策。一个行动更快却无法解释其证据的系统，可能会制造新的治理问题。

董事会无法委托出去的自动化权衡

AI 防御需要获得行动许可，但每增加一项权限，企业必须保护的系统范围也会随之扩大。

在客户发布独立的运营结果之前，Google 的平台主张应被视为供应商自身的声明。关键衡量标准并不是 Gemini 能总结多少项发现。

董事会需要看到证据，证明该系统能降低暴露风险、加快安全修复并改善恢复能力。这些结果的衡量不应排除自动化遗漏的事件。

误报是一个问题。自动化系统可能将合法行为推断为恶意行为，尤其是在应用突然变更或用户在既有模式之外工作时。

漏报同样重要。模型可能给出信心十足的解释，却忽略了了解其检测逻辑的攻击者。

对手还可能攻击 AI 层。提示注入是指隐藏或恶意的指令，旨在让 AI 系统忽略其预定规则。

如果防御智能体读取不受信任的日志、代码注释、工单或网页，攻击者可能会在这些输入中植入指令。智能体需要具备将证据与命令分离的控制机制。

数据投毒构成另一种威胁。攻击者可以操纵用于训练或引导模型的信息，削弱其结论，或将注意力从恶意活动上引开。

自主系统也会成为一个高权限身份。它需要访问安全遥测数据、资产清单、代码仓库和响应工具。

一旦该身份遭到入侵，攻击者可能获得企业防御体系的地图。过多的响应权限也可能为禁用系统或销毁证据提供路径。

美国国家标准与技术研究院将这些问题视为彼此相关但又各不相同的议题。其初步 Cyber AI Profile 涵盖保护 AI 系统、使用 AI 进行防御，以及阻止 AI 支持的攻击。

该 Cyber AI Profile 围绕 NIST Cybersecurity Framework 组织。它为组织提供了一个供应商中立的参考框架，用于审视 Google 的平台主张及其自身控制措施。

NIST 的工作很有价值，因为 AI 安全跨越多个边界。企业必须保护模型、周边应用、数据管道、身份以及执行行动的基础设施。

没有任何单一产品能够解决所有这些层面。Google AI Threat Defense 可以帮助连接它们，但客户仍然掌控应用架构、权限、变更管理和恢复规划。

此外还存在集中度风险。一家公司若依赖单一供应商提供云基础设施、威胁情报、安全分析和自动化响应，就能获得集成优势。

但这也会加大其对该供应商可用性、检测假设和产品路线图的依赖。共享控制平面的故障可能同时影响多个层面。

多云支持可以降低部分依赖，但前提是它足够深入，能够实施一致的控制。基础可见性并不等同于跨云服务商的可靠响应。

在扩大自动化权限之前，董事会应要求提供具体证据。管理层应说明智能体能够执行哪些行动、哪些系统被排除在外，以及紧急情况下审批机制如何变化。

安全领导者还应测试故障模式。当威胁情报延迟、身份数据不完整，或模型服务不可用时，会发生什么？

安全的设计需要人工备用方案。分析师应能够暂停自动化、撤销行动，并使用保留的证据继续调查。

组织应通过演练测试这些控制措施。桌面推演可以揭示责任归属不清的问题，但还需要技术模拟来衡量系统是否按预期运行。

评估应包括尝试进行提示注入、投毒证据、遭入侵的服务凭据，以及不同工具提出相互冲突的建议。

董事不需要批准每一份操作手册。他们应确认管理层已建立风险阈值、独立测试和明确的责任人。

他们也应避免将 AI 生成的指标视为客观事实。如果同一平台识别风险、对风险排序、实施修复并报告成功，独立验证就变得至关重要。

Google 的警告具有可信度，因为攻击速度正在加快。但其产品方案仍需要客户证据，证明自动化在真实运营约束下能够提升安全性。

董事会未来三个月应关注什么

下一阶段将由客户成果、竞争整合和治理证据决定，而不是又一轮 AI 安全公告。

第一个信号是 Google AI Threat Defense 可衡量的部署证据。客户应报告该平台是否缩短了从漏洞发现、优先级排序到安全修复之间的时间。

有价值的结果应包括暴露持续时间、调查时间和恢复表现的变化。仅凭告警数量无法证明系统提升了安全性。

如果独立案例研究涵盖复杂的多云环境，将增强 Google 的竞争地位。仅限于受控演示的证据，无法解决其核心整合主张。

董事会还应关注人工审批的细节。当读者知道哪些行动实现了自动化、哪些需要分析师介入时，客户成果才更具意义。

如果 Google 证明了更快的修复速度，同时没有增加宕机或漏报事件，其平台论点就会更有说服力。如果客户反映需要大量调优且持续依赖人工关联分析，人类速度瓶颈仍然存在。

第二个信号是竞争性安全平台的回应。Microsoft、AWS、Palo Alto Networks、CrowdStrike 等厂商将继续把 AI 推理与检测和响应能力连接起来。

重要的问题并非哪家供应商又增加了一名助手，而是哪一个平台能够跨身份、代码、云资源、终端和业务应用协调证据与行动。

开放集成将很重要。客户需要能够跨供应商边界交换发现、保留证据和控制行动的方法。

如果竞争平台发布可互操作的方法，企业将拥有更大的自由度来构建防御架构。如果每家供应商都建立封闭的智能体层，自动化碎片化将成为更大的风险。

收购和合作伙伴关系也可能改变竞争格局。Google 对 Wiz、Mandiant 和 Gemini 的整合，展示了云服务商能够多快地构建广泛的安全产品组合。

第三个信号是监管机构和标准组织更强的治理指引。NIST 正在制定其 Cyber AI Profile，而现有披露要求已经迫使董事会说明网络安全监督情况。

未来的指引应明确自主安全智能体的预期要求。组织需要通用的方法来记录权限、测试、审计记录、人工审查和事件责任。

这类指引可能强化或削弱 Google 面向董事会的论点。对持续监控和基于证据的响应提出明确要求，将有利于一体化平台。

要求严格隔离、独立验证或详细模型问责的规则，可能会减缓向供应商托管智能体广泛授予权限的进程。它们不会消除自动化，但可能限制其权限。

董事会应利用这些信号检验管理层战略，而不是等待最终标准出台。当前的任务是识别哪些依赖人类速度的流程会造成重大风险暴露。

审查应从身份、补丁、软件依赖关系和取证准备度开始。无论攻击者是否使用先进 AI，这些领域都会反复出现在事件证据中。

董事应要求提供一组与业务相关的指标。消除关键暴露风险所需时间、遏制高权限身份泄露所需时间，以及恢复关键服务的能力，都比原始告警总量更有价值。

他们还应要求提供安全自动化清单。该清单应展示每个智能体的责任人、可访问数据、允许执行的行动、审批阈值和紧急关停流程。

有关 Google 的新闻报道将持续聚焦日益自主化的攻击和防御。董事会应聚焦于其组织能否解释并控制已经存在于自身环境中的自动化。

眼下应采取的行动是，让安全、工程、法务、风险和业务运营部门共同审查。询问哪些响应决策仍依赖缓慢的人工协调，然后确定其中哪些可以安全地实现自动化。

Google Cloud 正确指出，年度审查周期对于机器速度的威胁来说过于缓慢。尚未回答的问题是，其平台能否在不造成不透明的权力集中的前提下，实现更快的防御。这正是董事应当要求下一步验证的关键。