Skip to content
KitploitKITPLOIT
工具漏洞利用博客
Log in
提交
工具漏洞利用博客
提交

黑客、渗透测试和网络安全工具,武装您的安全武器库!

Kitploit 是一个黑客、网络安全和渗透测试工具的目录。发现最新的项目更新,查找漏洞、分析系统、自动化测试并加强你的安全。

订阅源联系隐私© 2026 Kitploit

工具目录

分类

查看所有分类
Loading categories
OWASP-Top-10-Neocloud-and-AI-Data-Center-Security-Risks — OWASP 框架,对 neocloud 和 AI 数据中心基础设施中的十大安全风险进行编目,涵盖硬件、网络、隔离、管理平面和供应链。 | Kitploit
工具/GitHubGitHub/owasp/owasp-top-10-neocloud-and-ai-data-center-security-risks
防御工具容器安全网络安全云安全硬件安全身份与访问管理 (IAM)供应链安全论文与研究学习与教育
分享
精选资源
AI 安全
GitHubowasp/owasp-top-10-neocloud-and-ai-data-center-security-risks

OWASP-Top-10-Neocloud-and-AI-Data-Center-Security-Risks

OWASP 框架,对 neocloud 和 AI 数据中心基础设施中的十大安全风险进行编目,涵盖硬件、网络、隔离、管理平面和供应链。

查看仓库网站
5071574天前Kitploit 审核通过

十大 Neocloud 与 AI 数据中心安全风险

十大 Neocloud 与 AI 数据中心安全风险

加固模型之下的硬件底座。

🌐 项目页面: owasp.org/projects/top-10-neocloud-and-ai-data-center-security-risks

执行摘要

AI 工作负载依赖于复杂的基础设施,涵盖加速器、高速网络、存储、编排平台、身份系统、管理平面、固件以及物理设施。在 neocloud 和 AI 数据中心中,这些层次承载着高价值工作负载,并且可能在多个客户之间共享,这使得隔离、配置和运营控制方面的弱点尤为关键。

OWASP 十大 Neocloud 与 AI 数据中心安全风险提供了一个实用、厂商中立的框架,用于理解和降低这些环境中最重大的安全风险。它帮助提供商、运营商、客户和安全团队评估架构、评估安全控制、确定改进优先级,并为 AI 基础设施安全建立共同语言。

本框架涵盖的内容

本框架聚焦于 AI 基础设施及承载它的数据中心的安全性:即 AI 工作负载所运行的物理硬件、网络架构、管理平面、编排系统、存储系统和运营环境。

它不聚焦于 AI 模型本身或应用层风险,例如提示注入、不安全的智能体行为、模型滥用或模型层面的评估。这些风险由聚焦于 AI 技术栈其他部分的框架来处理,包括 OWASP Top 10 for LLM Applications、MITRE ATLAS、NIST AI Risk Management Framework 和 ISO/IEC 42001。这些资源共同为从业者提供了更完整的 AI 安全图景,从治理和应用层风险一直延伸到底层计算基础设施。

本文档中的某些风险同样存在于传统数据中心和云环境中。之所以将其纳入,是因为 AI 基础设施使这些风险在实质上更为严重:共享的高价值计算资源、复杂的加速器集群、密集的管理层次以及多租户运营,可能将普通的基础设施弱点转变为更严重的安全风险,因为任何事件的可能性和影响都远高于传统企业级软件和服务部署。

本框架面向的对象

Neocloud 提供商和数据中心运营商可将本框架作为实用指南,用于了解 AI 基础设施威胁态势、审查攻击面、加固环境、确定安全优先级以及展示成熟度。

Neocloud 客户可将本框架作为实用指南,用于采购、安全审查、合同要求、提供商比较,以及评估针对现实场景中租户到基础设施被攻陷的抵御能力。

混合云安全团队可将本框架作为实用指南,用于配置、维护和保护其本地部署环境以抵御现代攻击,因为现代攻击可能在不同环境之间快速横向转移。

致谢

本框架旨在随该领域的发展而演进,并保持开放,以便整个 AI 与安全社区能够使用、质疑和改进它。

我们谨向所有参与审阅和验证本文档的专家致以感谢与认可。

有反馈或想参与贡献?请提交 GitHub issue,或在 OWASP Slack 的 #project-neocloud-ai-infrastructure 频道加入讨论。请参阅 CONTRIBUTING.md 了解如何开始——贡献者将在每个新版本发布时获得署名。

作者

  • Michael Katchinskiy(Lava 安全研究负责人)
  • Yakir Kadkoda(Lava 首席技术官)

审阅者

  • Tony Rea(Dell 全球 AI 基础设施负责人)
  • Daniel Iziourov(Nebius 平台安全总监)
  • Vjaceslavs Klimovs(Roblox 高级技术总监)
  • Assaf Namer(Google AI 安全负责人)
  • Tyson Macaulay(NC CIPSER 副主任)
  • Golan Ben-Oni(IDT 首席信息官/首席信息安全官)
  • Florina Ciorba(巴塞尔大学副教授、高性能计算组负责人)
  • Arthur Reed(PNNL 安全工程师)
  • Erik Deumens(佛罗里达大学研究计算主任)
  • Saad Malik(Spectro Cloud 首席技术官)
  • Selim Aissi(Visa 与 Intel 前全球信息安全副总裁)
  • Guy Bilitski(SDS AI AI 运营负责人)
  • Dan Farmer(安全研究员)
  • Michael Bargury(Zenity 首席技术官)
  • Amir Jerbi(Aqua Security 前首席技术官)
  • Bill Stout(ServiceNow 前 AI 产品安全技术总监)
  • Roey Yaacovi(IBM DSPM 与 AI 安全首席技术官)
  • Guy Shanny(Polar Security 联合创始人兼首席执行官,该公司已被 IBM 收购)
  • Ziv Karliner(Pillar 首席技术官)
  • Assaf Morag(安全研究员)
  • James Berthoty(Latio 创始人兼首席执行官)

十大风险

风险按严重程度从高到低排列。下表展示了每项风险的可能性、影响和检测难度。

ID风险风险等级可能性影响检测难度
风险 01硬件与固件完整性受损严重中严重高
风险 02网络与互连漏洞严重中严重高
风险 03不安全的多租户隔离与资源复用严重低严重极高
风险 04不安全的带外管理平面严重中高极高
风险 05AI 基础设施供应链受损严重高高高
风险 06不安全的设施与数据中心管理系统高低高极高
风险 07不安全的数据与工件处理高高高中
风险 08认证缺口与提供商透明度缺失高中高中
风险 09不安全的运营基础设施服务高高中中
风险 10供应商禁运缺口与补丁速度不足中中中低

每项风险均遵循一致的结构:定义、描述、影响与失效模式、预防与缓解策略(分别面向提供商和客户)、攻击场景以及参考资料。

引言

现代数据中心和 AI 基础设施的建设速度已远远超过对其进行安全防护的能力。当这些基础设施——GPU 集群、训练流水线、高性能网络和推理端点——遭到入侵时,其影响范围与常规计算截然不同。攻击者能够获取价值数亿美元的专有模型、获得污染基础训练数据的能力,并在可用的最高权限环境中建立持久立足点。

这种态势又被一种结构性的市场失衡所强化:GPU 稀缺使 neocloud 提供商获得了过大的议价能力。当对加速计算的需求远远超过供给时,客户往往无法根据安全态势来选择提供商——他们只能接受现有可用的资源。提供商几乎没有市场压力去投资于安全成熟度,而客户则接受了他们在传统云中不会容忍的风险。这种失衡是阅读本文档中每一项风险时应有的背景。

与此同时,AI 赋能的安全研究与漏洞利用能力正在压缩防御者的时间窗口: 过去可能多年不为人所知的弱点,如今可能被更快地发现、串联并武器化。

为什么 AI 基础设施安全与众不同

AI 基础设施处于云计算、高性能计算和物理数据中心运营的交汇点。它使用服务器、存储、网络、调度器、管理平面和身份系统等熟悉的组件,但以改变安全模型的方式将它们组合在一起。

传统 HPC 环境通常是为可信用户、研究社区或内部运营者设计的。现代 AI 基础设施则越来越多地支持来自互不相关客户的高价值、多租户商业工作负载。因此,在可信或单一组织环境中可以接受的假设,一旦应用于共享 AI 基础设施,就可能变成严重的安全风险。

保护 AI 基础设施和数据中心将需要 neocloud、云提供商、硬件和网络供应商、安全公司、系统集成商以及客户之间的协作。这在高性能网络、东西向可见性、分段、管理平面保护和基础设施安全控制等领域尤为重要。

近期报道

攻击者已经开始瞄准支撑高级 AI 和 HPC 工作负载的基础设施、供应链和数据中心生态系统。在某些情况下,目标是直接窃取敏感研究、模型或工程数据;在另一些情况下,则是间谍活动、预先部署,或破坏具有战略重要性的计算环境的能力。近期报道同时展示了这两种模式:

  • 已报道的美国 AI 数据中心遭攻击事件 - 2025 年 4 月,TIME 报道称,与国家安全官员和数据中心运营商交流的研究人员了解到一起案例:一家美国顶级科技公司的 AI 数据中心遭到攻击,知识产权被窃取。他们还描述了另一起案例:一处类似设施通过某个未具名的特定组件遭到攻击,若攻击成功,可能导致整个数据中心停运数月。
  • 民族国家对 AI 基础设施知识产权的针对性攻击 - 联邦起诉已证实,民族国家正直接在硬件和系统层面针对 AI 数据中心架构发起攻击。在其中一起案件中,一家美国大型科技公司的前工程师因窃取数千页 AI 数据中心设计资料(包括芯片架构、系统集成规范以及用于大规模模型训练的编排软件)而被判定犯有经济间谍罪。
  • 据报中国国家超级计算天津中心遭数据外泄 - 2026 年 4 月,公开报道描述了有关超过 10 PB 数据从天津超算中心被窃取的说法,该设施据报为数千名科研、工业及政府用户提供支持。据称源自此次入侵的数据在 Telegram 频道上挂牌出售。该事件凸显了当高价值工作负载、数据与研究成果集中汇聚于单一先进计算环境时所形成的集中化风险。

这些只是早期的案例。随着技术栈的成熟,攻击面很可能会扩大,本文档也将随之演进。

威胁行为者

通过审视潜在攻击者,可以最好地理解这一风险。威胁模型远不止经典的“外部攻击者”,本文档中的控制措施是针对以下全部对象进行校准的:

  • 外部攻击者 - 具有网络访问权限的未认证或未授权行为者。
  • 被攻陷的云客户 - 一个合法客户账户、租户或工作负载遭到攻陷,并在提供商的共享基础设施上运行。
  • 恶意企业内鬼 - AI 使用方组织中拥有合法访问权限的员工或承包商。
  • 恶意云承包商 - 对提供商环境拥有限定范围访问权限的第三方,例如硬件技术员、系统集成商、物流提供商或维修供应商。
  • 恶意云员工 - 提供商一方对虚拟机监控程序、BMC、物理主机、存储系统或租户数据平面拥有特权访问权限的员工。
  • 在途对手 - 在硬件或组件到达提供商受保护的数据中心环境之前,于制造、暂存、仓储、运输、海关处理或交付过程中接触这些硬件或组件的行为者。
  • 系统集成商 - 负责将单个组件组装、配置或发运为完整系统的组织。
  • 供应商 - 上游硬件、固件或驱动程序供应商。
  • AI 代理 - 代表上述任何一方行事并冒充其身份的任何 AI 代理。

企业沦陷作为初始访问途径

本框架中的风险聚焦于 AI 基础设施特有的或由 AI 基础设施放大的失效模式。它们并不取代对强大企业安全控制措施的需求。在实践中,许多针对 AI 基础设施的攻击可能始于常见的企业沦陷路径,包括 MFA 薄弱或缺失、网络钓鱼、凭据窃取、SaaS 沦陷以及身份控制薄弱。

这些路径应被视为跨领域的初始访问途径。被攻陷的身份、终端、SaaS 账户、CI/CD 系统或管理凭据,都可能为攻击者提供所需的立足点,以触达本框架中描述的若干风险。因此,这些章节重点讨论的是:一旦攻击者到达或能够影响 AI 基础设施环境本身,可能会发生什么。

风险是如何选定的

候选风险来源于:

  • 对影响 AI 特定组件的安全研究、事件报告和已发布 CVE 的分析。
  • 对 NVIDIA、AMD 及主要云服务提供商的安全文档的审查。
  • 在 neocloud 环境和 ML 编排平台中观察到的漏洞模式。
  • 与在多个垂直领域从事 AI 基础设施工作的安全从业者的讨论。

每个候选风险都依据三个维度进行评估:可能性、影响和检测难度,得分最高的风险被选入。

版本管理与贡献

这是一份持续更新的文档。AI 基础设施正在快速演进,针对它的攻击也是如此。未来的修订将增加新的风险、完善现有风险,并纳入来自实践的经验教训。欢迎从业者提供反馈和建议新增内容,新版本发布时将予以署名。

下载工具

最受欢迎

查看全部 →

发现我们社区最常用的工具。

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 终极 OSINT 工具包:调查图谱、置信度评分、别名家族、地图、时间线和报告。49 个模块、400+ 个站点,无需 API 密钥。

    945
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock 一键执行应用(CVE-2026-43499)

    555
  • 3

    redforge

    cybersecurity91/redforge

    浏览器端红队工具包,包含 102 个离线工具,用于侦察、载荷生成、凭据攻击、加密、编码和交战报告。

    350
  • 4

    ARTEX

    baarai/artex

    基于LLM的多智能体自主渗透测试平台,具备规划器/执行器智能体、资产与探索图谱、MITM流量记录以及漏洞复测功能。

    339
  • 5

    looking-glass

    anonghosty/looking-glass

    CSIRT 平台,可将 Shadowserver 报告导入 MongoDB,并将其重放为交互式地图、分析、发现、公告和高管仪表板。

    338
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI原生网络安全的行动系统——在这里,意图转化为受治理的执行,证据沉淀为运营记忆,每一次操作都让下一次更出色。

    292

探索所有工具

浏览我们的工具集合

查看所有工具 →