<p><strong>阿聯酋迪拜</strong> - 思科強調組織在擴大人工智能應用的採用時應考慮的四個優先關注領域。該指導方針概述了安全團隊如何將經過驗證的應用安全實踐適應於人工智能，幫助中東地區的組織管理新興風險並維護數字信任。</p>
<p>隨着人工智能在中東地區的廣泛應用，包括政府、金融服務、能源和關鍵基礎設施，首席信息安全官（CISO）和 IT 領導者面臨着確保人工智能應用在整個生命週期內安全的壓力，從它們所依賴的數據到它們部署的模型。</p>
<p><strong>人工智能應用安全的四個關注領域</strong> <strong>:</strong></p>
<ul>
<li>開源掃描：人工智能應用開發在很大程度上依賴於開源模型、公共數據集和第三方庫等組件。這些依賴項可能包含漏洞或惡意插入，危及整個系統。</li>
<li>漏洞測試：人工智能應用的靜態測試涉及驗證人工智能應用的組件，包括二進制文件、數據集和模型，以識別後門或被污染的數據等漏洞。動態測試評估模型在生產中如何應對各種場景。算法紅隊測試可以模擬多種多樣且廣泛的對抗技術，而無需手動測試。</li>
<li>應用防火牆：生成性人工智能應用的出現催生了一類新的人工智能防火牆，專門針對大型語言模型（LLM）的獨特安全風險。這些解決方案作為模型無關的保護措施，檢查人工智能應用在傳輸中的流量，以識別和防止故障，並執行減輕威脅（如個人身份信息泄露、提示注入和拒絕服務（DoS）攻擊）的政策。</li>
<li>數據丟失防護：人工智能的快速普及和自然語言內容的動態特性使傳統的數據丟失防護（DLP）變得無效。相反，人工智能應用的 DLP 檢查輸入和輸出，以防止敏感數據泄露。輸入 DLP 可以限制文件上傳、阻止複製粘貼功能或限制對未批准的人工智能工具的訪問。輸出 DLP 使用保護過濾器，確保模型響應不包含個人身份信息（PII）、知識產權或其他敏感數據。</li>
</ul>
<p>思科中東、非洲、土耳其、羅馬尼亞和獨聯體網絡安全總監 Fady Younes 評論道：“隨着人工智能在該地區的快速採用，組織正在迅速從試點轉向生產，這一轉變改變了風險概況。確保人工智能應用的安全需要超越傳統的應用控制，以保護整個人工智能生命週期，從為模型提供數據和第三方組件到這些模型在現實世界中的表現。通過以特定於人工智能的方式應用熟悉的安全原則，中東地區的組織可以自信地擴大創新，同時降低如提示注入和敏感數據泄露等風險。”</p>
<p>保護人工智能應用從開發到生產</p>
<p>在人工智能生命週期的幾乎每個環節都存在風險，從採購供應鏈組件到開發和部署。上述安全措施有助於減輕不同的風險領域，每個措施在全面的人工智能安全策略中都發揮着重要作用。</p>
<p>請將您的新聞稿發送至 pressrelease.zawya@lseg.com</p>
<p>免責聲明：本新聞稿的內容由外部第三方提供。本網站不對該外部內容負責，也不控制該內容。該內容以 “現狀” 和 “可用” 基礎提供，未經過任何編輯。本網站及我們的附屬機構不保證本新聞稿中表達的觀點或意見的準確性。</p>
<p>本新聞稿僅供信息參考。內容不提供税務、法律或投資建議，也不對任何特定證券、投資組合或投資策略的適用性、價值或盈利能力發表意見。本網站及我們的附屬機構對內容中的任何錯誤或不準確之處，或您依賴該內容所採取的任何行動不承擔任何責任。您明確同意，您使用本文中的信息風險自負。</p>
<p>在適用法律允許的最大範圍內，本網站、其母公司、子公司、附屬機構及各自的股東、董事、高級職員、員工、代理、廣告商、內容提供者和許可方對您不承擔任何直接、間接、後果性、特殊、附帶、懲罰性或示範性損害賠償，包括但不限於利潤損失、儲蓄損失和收入損失，無論是因過失、侵權、合同或任何其他責任理論，即使各方已被告知可能性或可以預見到任何此類損害。</p>

思科

<p>思科概述了在中東地區人工智能應用加速採用的背景下，確保這些應用安全的四項關鍵策略。這些策略包括開源掃描以識別漏洞、對人工智能組件進行漏洞測試、使用人工智能防火牆來降低風險，以及加強數據丟失防護措施。思科網絡安全董事總經理 Fady Younes 強調，組織需要將傳統安全實踐調整到人工智能生命週期中，以有效管理新興風險。重點是保護人工智能應用從開發到生產的全過程，確保各個行業的數字信任</p>

<p><strong>Dubai, United Arab Emirates</strong>- Cisco highlights four priority focus areas organizations should consider to secure AI applications as they scale adoption. The guidance outlines how security teams can adapt proven application security practices to AI, helping organizations across the Middle East manage emerging risks and maintain digital trust.</p>
<div class="lb-trans"><p><strong>阿聯酋迪拜</strong> - 思科強調組織在擴大人工智能應用的採用時應考慮的四個優先關注領域。該指導方針概述了安全團隊如何將經過驗證的應用安全實踐適應於人工智能，幫助中東地區的組織管理新興風險並維護數字信任。</p>
</div><p>As AI adoption scales across the Middle East, including government, financial services, energy, and critical infrastructure, CISOs and IT leaders are under pressure to secure AI applications across the full lifecycle, from the data they rely on to the models they deploy.</p>
<div class="lb-trans"><p>隨着人工智能在中東地區的廣泛應用，包括政府、金融服務、能源和關鍵基礎設施，首席信息安全官（CISO）和 IT 領導者面臨着確保人工智能應用在整個生命週期內安全的壓力，從它們所依賴的數據到它們部署的模型。</p>
</div><p><strong>Four focus areas for AI applications security</strong> <strong>:</strong></p>
<div class="lb-trans"><p><strong>人工智能應用安全的四個關注領域</strong> <strong>:</strong></p>
</div><ul>
<li>Open-source scanningAI application development relies heavily on components such as open-source models, public datasets, and third-party libraries. These dependencies can include vulnerabilities or malicious insertions that compromise the entire system.</li>
<li>Vulnerability testingStatic testing for AI applications involves validating the components of an AI application, including binaries, datasets, and models, to identify vulnerabilities like backdoors or poisoned data. Dynamic testing evaluates how a model responds across various scenarios in production. Algorithmic red-teaming can simulate a diverse and extensive set of adversarial techniques without requiring manual testing.</li>
<li>Application firewallsThe emergence of generative AI applications has given rise to a new class of AI firewalls designed around the unique safety and security risks of LLMs. These solutions serve as model-agnostic guardrails, examining AI application traffic in transit to identify and prevent failures and enforce policies that mitigate threats such as PII leakage, prompt injection, and denial of service (DoS) attacks.</li>
<li>Data loss preventionThe rapid proliferation of AI and the dynamic nature of natural language content makes traditional DLP ineffective. Instead, DLP for AI applications examines inputs and outputs to combat sensitive data leakage. Input DLP can restrict file uploads, block copy-paste functionalities, or restrict access to unapproved AI tools. Output DLP uses guardrail filters to help ensure model responses do not contain personally identifiable information (PII), intellectual property, or other sensitive data.</li>
</ul>
<div class="lb-trans"><ul>
<li>開源掃描：人工智能應用開發在很大程度上依賴於開源模型、公共數據集和第三方庫等組件。這些依賴項可能包含漏洞或惡意插入，危及整個系統。</li>
<li>漏洞測試：人工智能應用的靜態測試涉及驗證人工智能應用的組件，包括二進制文件、數據集和模型，以識別後門或被污染的數據等漏洞。動態測試評估模型在生產中如何應對各種場景。算法紅隊測試可以模擬多種多樣且廣泛的對抗技術，而無需手動測試。</li>
<li>應用防火牆：生成性人工智能應用的出現催生了一類新的人工智能防火牆，專門針對大型語言模型（LLM）的獨特安全風險。這些解決方案作為模型無關的保護措施，檢查人工智能應用在傳輸中的流量，以識別和防止故障，並執行減輕威脅（如個人身份信息泄露、提示注入和拒絕服務（DoS）攻擊）的政策。</li>
<li>數據丟失防護：人工智能的快速普及和自然語言內容的動態特性使傳統的數據丟失防護（DLP）變得無效。相反，人工智能應用的 DLP 檢查輸入和輸出，以防止敏感數據泄露。輸入 DLP 可以限制文件上傳、阻止複製粘貼功能或限制對未批准的人工智能工具的訪問。輸出 DLP 使用保護過濾器，確保模型響應不包含個人身份信息（PII）、知識產權或其他敏感數據。</li>
</ul>
</div><p>Fady Younes, Managing Director for Cybersecurity at Cisco Middle East, Africa, Türkiye, Romania and CIS, commented: “As AI adoption accelerates across the region organizations are moving quickly from pilots to production, and that shift changes the risk profile. Securing AI applications requires looking beyond traditional application controls to protect the full AI lifecycle, from the data and third-party components feeding models to how those models behave in real world use. By applying familiar security principles in AI specific ways, organizations in the Middle East can scale innovation with confidence while reducing risks such as prompt injection and sensitive data leakage.”</p>
<div class="lb-trans"><p>思科中東、非洲、土耳其、羅馬尼亞和獨聯體網絡安全總監 Fady Younes 評論道：“隨着人工智能在該地區的快速採用，組織正在迅速從試點轉向生產，這一轉變改變了風險概況。確保人工智能應用的安全需要超越傳統的應用控制，以保護整個人工智能生命週期，從為模型提供數據和第三方組件到這些模型在現實世界中的表現。通過以特定於人工智能的方式應用熟悉的安全原則，中東地區的組織可以自信地擴大創新，同時降低如提示注入和敏感數據泄露等風險。”</p>
</div><p>Protecting AI applications from development to production</p>
<div class="lb-trans"><p>保護人工智能應用從開發到生產</p>
</div><p>Risk exists at virtually every point in the AI lifecycle, from sourcing supply chain components through development and deployment. The security measures highlighted above help mitigate different risk areas and each plays an important role in a comprehensive AI security strategy.</p>
<div class="lb-trans"><p>在人工智能生命週期的幾乎每個環節都存在風險，從採購供應鏈組件到開發和部署。上述安全措施有助於減輕不同的風險領域，每個措施在全面的人工智能安全策略中都發揮着重要作用。</p>
</div><p>Send us your press releases to pressrelease.zawya@lseg.com</p>
<div class="lb-trans"><p>請將您的新聞稿發送至 pressrelease.zawya@lseg.com</p>
</div><p>Disclaimer: The contents of this press release was provided from an external third party provider. This website is not responsible for, and does not control, such external content. This content is provided on an “as is” and “as available” basis and has not been edited in any way. Neither this website nor our affiliates guarantee the accuracy of or endorse the views or opinions expressed in this press release.</p>
<div class="lb-trans"><p>免責聲明：本新聞稿的內容由外部第三方提供。本網站不對該外部內容負責，也不控制該內容。該內容以 “現狀” 和 “可用” 基礎提供，未經過任何編輯。本網站及我們的附屬機構不保證本新聞稿中表達的觀點或意見的準確性。</p>
</div><p>The press release is provided for informational purposes only. The content does not provide tax, legal or investment advice or opinion regarding the suitability, value or profitability of any particular security, portfolio or investment strategy. Neither this website nor our affiliates shall be liable for any errors or inaccuracies in the content, or for any actions taken by you in reliance thereon. You expressly agree that your use of the information within this article is at your sole risk.</p>
<div class="lb-trans"><p>本新聞稿僅供信息參考。內容不提供税務、法律或投資建議，也不對任何特定證券、投資組合或投資策略的適用性、價值或盈利能力發表意見。本網站及我們的附屬機構對內容中的任何錯誤或不準確之處，或您依賴該內容所採取的任何行動不承擔任何責任。您明確同意，您使用本文中的信息風險自負。</p>
</div><p>To the fullest extent permitted by applicable law, this website, its parent company, its subsidiaries, its affiliates and the respective shareholders, directors, officers, employees, agents, advertisers, content providers and licensors will not be liable (jointly or severally) to you for any direct, indirect, consequential, special, incidental, punitive or exemplary damages, including without limitation, lost profits, lost savings and lost revenues, whether in negligence, tort, contract or any other theory of liability, even if the parties have been advised of the possibility or could have foreseen any such damages.</p>
<div class="lb-trans"><p>在適用法律允許的最大範圍內，本網站、其母公司、子公司、附屬機構及各自的股東、董事、高級職員、員工、代理、廣告商、內容提供者和許可方對您不承擔任何直接、間接、後果性、特殊、附帶、懲罰性或示範性損害賠償，包括但不限於利潤損失、儲蓄損失和收入損失，無論是因過失、侵權、合同或任何其他責任理論，即使各方已被告知可能性或可以預見到任何此類損害。</p>
</div>

ZAWYA-PRESSR：思科在中東地區人工智能應用快速普及的背景下，推出了確保 AI 應用安全的關鍵策略