外部攻擊面管理 (EASM) 究竟是什麼？

外部攻擊面管理是一項嚴謹且持續的紀律，旨在識別、追蹤、評估並緩解貴組織擁有的每一個面向網際網路資產的風險。

與其依賴已知裝置的內部遙測數據（如同傳統 EDR 或 SIEM 工具的作法），EASM 跨出了您的網路邊界。它提出了一個關鍵問題：當駭客從公共網際網路觀察我們的組織時，他們能看到什麼？

答案通常會揭露一個龐大、未記錄的數位足跡。因為基礎架構不斷在變動——開發人員啟用雲端執行個體、行銷部門推出活動網站、子公司購買 SaaS 應用程式——EASM 必須是一個持續的維運過程，而非定期的稽核。

描繪數位足跡：我們在尋找什麼？

您的攻擊面遠比企業網站大得多。它涵蓋了暴露於網際網路的每一個數位接觸點。以下是 EASM 正在追捕的目標：

由內而外 vs. 由外而內的分野 (IASM vs. EASM)

千萬別誤以為您的弱點掃描工具與端點防護能提供全面的能見度。內部攻擊面管理 (IASM) 與 EASM 是一體兩面，解決的是根本不同的問題。

為什麼您的攻擊面會失控

能見度的缺口鮮少是因為安全團隊的疏忽所造成。它們的出現是因為現代業務的發展速度超越了手動追蹤的極限。以下四個主要罪魁禍首推動了這種擴張：

1. 影子 IT (Shadow IT)：各部門繞過 IT 單位，使用便利的 SaaS 工具或啟用未經授權的雲端環境。（研究顯示，IT 部門追蹤的雲端應用程式約 108 個，但企業實際使用的數量卻將近 1,000 個）。
2. DevOps 的速度：雲端資源、容器與基礎架構即程式碼 (IaC) 的快速部署，意味著手動資產清單在寫下的那一刻就已過時。
3. 併購 (M&A)：收購一家公司意味著買下他們的技術債，包含被遺忘的網域、舊有應用程式以及未受管理的 IP 範圍。
4. 去中心化維運：當區域辦公室或獨立產品團隊管理自己的技術堆疊時，企業的攻擊面就會隨之分裂，若沒有自動化工具，集中式的能見度幾乎是不可能的任務。

EASM 工作流程剖析

一套強大的 EASM 解決方案能做的遠不止產生清單。它透過六個關鍵階段，扮演著持續運作的情資引擎角色：

1. 自動化探索：持續掃描 WHOIS 資料、DNS 紀錄、IP 範圍與 SSL 憑證，找出與您品牌相關的每一項資產。
2. 外部評估：評估這些資產是否有開放的通訊埠、過期的軟體、暴露的管理員面板與錯誤設定。
3. 主動漏洞利用驗證：超越理論上的警報。使用動態分析 (DAST) 安全地測試被發現的漏洞是否真的能被武器化。
4. 風險優先排序：根據資產重要性、漏洞利用的可用性以及威脅行為者的活躍程度，對已驗證的威脅進行評分，確保您的團隊優先處理最危險的問題。
5. 持續監控：留意配置偏移 (configuration drift)。如果防火牆規則改變或出現新的子網域，系統會立即發出標記。
6. 威脅情資整合：將暴露的資產與暗網討論、外洩的憑證以及已知的勒索軟體活動進行交叉比對，為修復工作增添關鍵的急迫性。

建構您的 EASM 策略

導入 EASM 不需要汰除您現有的技術堆疊；而是擴充它。請遵循以下步驟來建立主動防禦：

• 建立基準：記錄您已知的公共面向資產（網域、IP、雲端環境）。
• 獵捕未知資產：部署 EASM 工具，將您的基準與實際暴露的內容進行比較。特別注意影子 IT 與舊有系統。
• 驗證擁有權：在指派修復任務前，請確保發現的資產確實屬於您（在併購後尤其重要）。
• 依風險進行分類：將精力集中在高價值且有確認漏洞、弱身分驗證或有被主動利用證據的資產上。
• 應用威脅情資：使用外部資料（如外洩的憑證）來決定哪些修復工作刻不容緩。
• 致力於持續監控：安全防護不是一張快照；它是一部動態電影。保持持續的監控，以便在新的暴露發生時及時捕捉。

背景：擴展現代社交平台

Meet5 於 2017 年在德國成立，是一款旨在透過小型團體活動讓人們聚在一起的社交網路應用程式。該平台經歷了爆炸性的成長，將其用戶群擴展至北美和歐洲的 350 多萬人，而其內部團隊則從 30 人擴編至超過 75 名員工。

Meet5 主要以法蘭克福中心採混合辦公模式運作，同時也依賴散布在歐洲各地的遠端工程師網路。隨著團隊的分散，對強大、企業級 VPN 以安全存取公司資源的需求變得至關重要。

挑戰：破碎的防禦與共用的憑證

在整合 NordLayer 之前，Meet5 的安全架構是高度去中心化的。工程小組依賴不同的私人 VPN，在孤島中管理他們自己的基礎架構存取權。這種破碎的方法導致了一種極度不安全的做法：透過密碼管理員共用靜態的登入憑證。

這種環境深受嚴重的能見度盲點與固有的安全漏洞所苦。Meet5 需要一個統一、企業級的 VPN，以提供集中的監管、支援多個閘道器，並利用專屬 IP 位址來清楚地劃分不同的使用者群組。

「從安全的角度來看，我們以前的基礎架構存在根本上的缺陷。因為每個團隊都分別管理自己的 VPN，並且只是透過密碼管理員共用登入資訊，我們完全缺乏一家正在擴張的公司所必需的追蹤與精細控制能力。」

— Viktor Mogurenko，Meet5 網路安全工程師

NordLayer 解決方案

身負尋找可擴展解決方案的任務，Viktor Mogurenko 利用 G2 和 Gartner 的見解評估了各種平台。NordLayer 脫穎而出成為理想的候選者，提供了符合預算的價格、企業級功能以及無縫的基礎架構相容性的最佳組合。為了確保運作的穩定性，Meet5 在全公司正式導入前，先針對 20 名使用者進行了為期兩個月、嚴謹的試行計畫。

核心維運效益

• 效益 1：統一存取與集中控制：Meet5 用 NordLayer 取代了由多家供應商組成的混亂網路。透過將專屬 IP 對應到特定的使用者群組，該公司消除了具有風險的憑證共用行為。Viktor 現在可以從單一儀表板掌握全面的網路能見度，強制遠端員工必須使用 VPN，並確保開發人員環境完全隱藏於公共網際網路之外。
• 效益 2：順暢無阻的入職體驗：在整個組織內部署 NordLayer 僅花了幾個小時。如今，員工入職就像發送自動化電子郵件邀請一樣簡單。新員工點擊連結、安裝客戶端並連線即可。這種效率已將 Viktor 的行政負擔大幅削減至每週約一小時。
• 效益 3：進階邊界防禦：隨著工程師跨國工作，Meet5 充分利用 NordLayer 的進階存取控制。國家限制功能會自動阻擋來自未授權地理區域的登入嘗試。此外，Always-On (永遠連線) VPN 和 Kill Switch (網路切斷開關) 協定保證了如果本地網際網路連線意外中斷，也不會有資料意外暴露。

可衡量的影響與結果

在使用 NordLayer 超過一年後，Meet5 徹底現代化了其安全態勢。這項轉變帶來了幾個明顯的維運優勢：

給成長中新創公司的專家網路安全建議

根據保護 Meet5 的經驗，Viktor Mogurenko 為正在擴張的企業提供了三個可行的策略：

1. 儘早實作架構：不要等到企業規模擴大才採用企業級工具。為一個 5 人的團隊部署安全協定，絕對比為 75 人的團隊容易得多。
2. 分配專屬預算：預留至少 15% 的 IT 預算專門用於網路安全。這個財務緩衝對於快速適應如 NIS2 等新的合規法規至關重要。
3. 擁抱「隱形」的投資報酬率 (ROI)：要明白最好的安全防護是無聲的。如果你的防護工具運作正常，你永遠不會真正感受到它們的影響——直到某次事件被成功化解為止。

資料外洩的新前線

這是一個在全球辦公室中不斷上演的場景：一名急於加快工作進度的員工，匆忙地將一段文字貼上至 ChatGPT。通常，這段文字包含了敏感元素——專有的原始碼、未公開的財務數據，或是個人識別資訊 (PII)。如果這些資料突破了企業的防護邊界，其後果可能是災難性的。

對生產力的追求在無意中滋生了粗心大意。員工鮮少帶有惡意；他們只是將 AI 視為一個能力強大的助手。然而，這種行為已經變成系統性的問題。

根據美國國家網路安全聯盟 (NCA) 的研究，高達 43% 的員工承認曾與人工智慧工具分享過公司的敏感資訊。

主要的風險在於失去控制。一旦資料進入公開的 AI 提示詞 (Prompt) 中，您的安全團隊就失去了能見度。這些資訊可能會被吸收到 AI 的訓練演算法中，在回覆外部使用者的內容時重新浮現，觸發嚴重的合規性罰款，甚至演變成大規模的資料外洩事件。

內建 AI 安全性的錯覺

ChatGPT 是否提供自身的 DLP 機制？如果我們以嚴格的企業級安全標準來定義 DLP，答案是否定的。ChatGPT 的核心功能是語言處理與生成，而不是作為企業受限資料的守門員。

雖然 ChatGPT 企業版 (ChatGPT Enterprise) 引入了強大的管理功能和更嚴格的資料處理政策，但這些功能的作用是工作空間控制，而非主動的攔截器。它們不具備即時分析提示詞，並在使用者點擊「發送」之前阻擋機密資料傳輸的能力。有效的緩解措施需要一個直接部署在使用者互動節點上的安全層：瀏覽器。

為什麼傳統 DLP 難以應對生成式 AI

傳統的 DLP 架構是為數位通訊的不同時代而設計，優先考慮端點、電子郵件閘道和受管雲端儲存。生成式 AI 基本上繞過了這些檢查點。

如果您目前的 DLP 基礎設施缺乏動態監控瀏覽器行為的能力，那麼當敏感文字被貼上到 AI 提示詞的那個確切時刻，它將毫無察覺。當傳統系統記錄到異常時，資料早已經離開了您的管轄範圍。

ChatGPT DLP 策略的三大支柱

有效的防禦應在不扼殺創新的前提下將風險降至最低。建立一個強大的 AI 資料安全框架需要三個基礎組件：

• AI 稽核與資料分類：您無法保護您尚未識別的東西。進行稽核以發掘目前團隊工作流程中嵌入了哪些 AI 平台（通常會識別出「影子 AI」）。同時，實施嚴格的資料分類架構，以明確定義什麼構成受限資訊（例如：PII、原始碼、財務預測）。
• AI 的可接受使用政策 (AUP)：模糊不清會導致違規。起草一份全面的 AI 政策，明確概述被認可的使用案例、禁止的資料類別，以及處理受規範資訊的協定。一個成功的政策應作為實用的決策指南，而不僅僅是一份禁止清單。
• 具備情境考量的員工訓練：如果員工不了解背後的「為什麼」，規則就毫無意義。訓練必須揭開 AI 吸收資料機制的神秘面紗。使用具體、現實世界的範例來展示一個簡單的複製貼上動作如何危及公司，將威脅從理論層面轉移到實際層面。

執行您的 AI DLP 部署

將策略轉化為行動需要有系統的方法。遵循以下四個維運步驟來確保您的 AI 整合安全性：

1. 對映並分割您的資料資產：準確找出一旦外洩將帶來最高風險的資料集——例如客戶合約、API 金鑰或戰略藍圖。按敏感度層級分割這些資料，讓員工清楚了解可接受的 AI 查詢與絕對限制之間的界線。
2. 分析目前的行為工作流：觀察不同部門目前如何利用像 ChatGPT 這樣的工具。了解他們的目標——無論是針對程式碼除錯還是起草電子郵件——能讓您識別出最有可能發生敏感資料處理不當的特定節點。
3. 建立並宣導界線：將您的 AI 使用政策轉化為清晰、易懂的指導方針。在內部積極推廣這些規則。當員工了解資料外洩的嚴重後果時，他們在將資料貼上到提示詞之前，更有可能會先停下來思考。
4. 部署具備情境感知的工具：人為錯誤是不可避免的。您必須部署能主動防止敏感資料分享的技術防護欄。這需要一個存在於互動發生之處的解決方案——直接在網頁瀏覽器內部。

使用 NordLayer Browser 保護邊界

為了消除傳統 DLP 設定所遺漏的脆弱點，安全控制必須轉移到直接的風險點上。NordLayer Browser 提供了企業實施細微、瀏覽器層級 DLP 政策的能力。

透過 NordLayer，管理員可以在特定 URL（包含 ChatGPT 和其他生成式 AI 介面）上阻擋複製貼上功能，從而主動消除威脅。除了文字控制外，它還允許 IT 團隊在受限網站上嚴格管理檔案上傳、下載以及周邊設備存取（如攝影機和麥克風）。

藉由基於特定網域、應用程式和使用者群組來定義 DLP 參數，NordLayer 使企業能夠擁抱 AI 的高效率，而無需放棄對其最機密資料的控制權。

了解 DLP 治理

DLP 治理是政策、明確角色與持續監督機制的基礎層，精確指示組織應如何保護其敏感資產免於未經授權的曝露。技術控制負責執行指令，而治理則提供架構藍圖。

它確立了資料安全的「人、事、物」：識別誰承擔特定資料集的法律所有權、決定哪些資訊需要嚴格加密、定義可接受的風險閾值，並在違反政策時規劃出確切的程序性回應。