数字化转型的目标始终是建立“默认数字化”的运营模式。我已经想不起上一次有人把电话簿放在我家门廊，或递给我一张新电影DVD让我观看是什么时候了。想玩新游戏时，我会使用游戏机上的商店，当然不会再起身开车去实体游戏店挑选游戏卡带。至于更新？系统会自动推送。说真的，如今就连我最喜欢的桌面角色扮演游戏（RPG）也已数字化。我不必再带着13本书和好几磅重的骰子去别人家玩，只需要一台笔记本电脑。
但这并不意味着我要放弃我的骰子。那也太离谱了。
但我确实在更多地使用数字化工具，因为业务正在为我们提供更多数字化选择。
过去一年，在现实需求的推动下，各行各业都迅速迈入了数字化转型的第二和第三阶段。
第1阶段
任务自动化
在这一阶段，数字化推动企业以各种形式“自动化”原本由人工完成的业务任务。这意味着，更多应用被引入或创建，并成为业务流程的一部分。企业最初通过自动化定义明确的单项任务来提高效率。常见示例是交互式语音应答（IVR）系统，它可以回答有关产品或服务的常见问题，但有时仍需转接人工客服。在此阶段，单项任务实现了自动化，但尚未形成一致的集成。
意外后果：代码增多
代码量增加不仅是因为应用数量增多，也是新应用架构带来的结果。iPhone应用的平均代码量不到50,000行，而Google的代码量超过200万行。大多数应用介于两者之间。所有这些代码都需要维护、更新和保护，多年来，各组织的代码库一直在不同架构中不断扩展。如今，它们要运营5种不同的架构，以及大约3至4个不同的代码库，涉及COBOL、C、JS和Go等语言。
此外，随着各组织采用“基础设施即代码”，JSON、YAML和Python的使用也日益增多，而这还没有计算在内。根据我们的年度研究，采用这种做法的组织已超过半数（52%）。随着初步探索AI和ML的组织开始采用将“模型和算法”也视为代码的运维实践，这一比例还将继续增长。
第2阶段
数字化扩展
随着企业开始利用云原生基础设施，并通过自主软件开发推动自动化，新一代应用应运而生，助力企业扩展并进一步拓展其数字化模式。这一阶段由业务领导者推动，他们开始参与应用决策，旨在实现差异化或提供独特的客户互动体验。例如，医疗服务提供商正逐步将患者记录和计费系统与入院、出院及排期系统集成。随后，自动预约提醒可以取代人工流程。这一阶段的共同主题是专注于改进端到端业务流程。
意外后果：连接增多
但这还不是全部。默认采用数字化方式和推进IT现代化，意味着应用、系统、设备、消费者、合作伙伴和API之间会建立更多连接。每个连接都可能成为潜在入口，最终可能导致严重的数据泄露或系统失陷。
这里的风险不容忽视：恶意软件、勒索软件、欺诈和收入损失。未能保护所有可能遭受攻击的对象，代价将难以承受；而如何全面落实保护，同样是一项艰巨挑战。
第3阶段
AI辅助型业务
随着企业进一步推进数字化进程，并充分利用应用平台、业务遥测和数据分析以及机器学习和人工智能技术的更多高级功能，企业将进入AI辅助阶段。这一阶段为提升业务生产力开辟了以往无法实现的新途径。例如，一家零售商发现，在其失败的登录尝试中，有10%至20%来自难以完成验证流程的合法用户。默认拒绝访问可能会造成重大收入损失。行为分析可用于区分合法用户与试图获取访问权限的机器人。借助技术和分析，企业可以通过AI辅助识别这些用户并允许其访问，从而增加收入并提高客户留存率。
意外后果：数据量增加
最后，默认采用数字化方式必然会产生更多数据。这不仅包括订单、产品、地址和付款详情等客户数据，还包括指标和日志等运营数据。数字化企业需要通过遥测数据了解访客、互动模式、性能、异常流量和异常行为。遥测数据不能在分析后立即丢弃。为了正确建立运营基线，进而发现可为业务决策提供依据的模式，以及可能表明存在攻击的异常情况，可能需要保留数天乃至数周或数月的遥测数据。
所有这些数据都需要妥善管理，包括标准化、存储、处理、分析和整理。此外，还需要保障数据安全，因为其中一些数据可能包含受保护的客户信息，必须满足合规要求并接受监管。
数字化转型的意外结果：复杂性增加
无论组织以多快或多慢的速度推进这些阶段，结果都一样：复杂性进一步增加。
我们都知道，复杂性是安全的大敌。
因此，对安全专业人员而言，默认采用数字化方式意味着新的挑战。应对这类安全挑战的一种方法，是将其划分为更易于管理的类别。
化繁为简，从容应对
大多数安全挑战大致可分为三类：应用、基础设施和业务。当需要争取资金或管理层支持时，这些较高层级的分类有助于向上沟通。在确定适当的缓解方法时，它们也有助于进行优先级评估。
应用层 → DevSecOps
应用层漏洞可通过安全左移方法来应对，即将安全融入从开发、部署到运维的每个流水线环节。这些漏洞几乎都是非故意引入的，通常由人为操作造成，无论该操作是有意还是无意。此类漏洞遍布整个技术栈，例如通过开发人员的个人代码仓库共享密钥，以及S3存储桶配置错误。相关工具可以识别第三方组件及其他依赖项中的漏洞，帮助确保所用脚本版本为最新、功能更完善且有望更安全的版本。
从WAF、DAST、RASP到SAST，有大量工具可帮助扫描代码并保障代码安全。其中大多数都能与开发流水线充分集成。通过自动执行扫描，可以有效省去交接环节及其耗费的时间。业界称之为DevSecOps，也可以将其理解为并行处理或多任务处理。这意味着，即使某个团队或个人无法参与或工作安排已满，项目进度也不会停滞；同时还能进行更全面的分析，并在流程早期发现错误。
基础设施漏洞：分布式防御
容量型DDoS和DNS放大攻击等较为传统的漏洞存在于基础设施层。对于这些漏洞，确实无法通过安全左移来缓解，更不可能彻底消除，因为攻击者不受您的控制。您只能控制自己的响应方式。
基础设施层漏洞更需要采用“右侧防护”方法，由安全服务抵御正在发生的攻击，因为可以通过“处理”来消除这些攻击。
如今，应用就是边界，而组织的应用遍布全球。不考虑SaaS，组织平均使用2.7个不同的公有云来扩展现有数据中心。没错，不止一个。
这些组织还有大量分布式端点，例如我的公司笔记本电脑。即使在居家办公基本成为常态之前，人们也会出差，这意味着端点会随之移动并分散在各处。
这推动了对以分布式应用和身份为中心的解决方案的需求，以保护基础设施和应用。这意味着需要采用SASE和零信任，并利用边缘将基础设施防御服务部署到更靠近攻击源的位置。SASE和ZTNA将策略的关注点从IP地址和网络转向用户和设备，并要求提供身份证明才能访问应用和资源。
业务漏洞 → AI辅助
最后是业务层漏洞。与基础设施层漏洞一样，这些漏洞是固有的，无法通过流程将其消除。登录页面或密码重置流程实际上无法取消，因此只能持续防御那些必然会不断冲击防线的攻击。
而且，这些防御必然会遭到猛烈冲击。F5 Labs研究指出，过去一年中，DDoS攻击的平均规模增长了55%；2021年初，教育行业是遭受攻击较多的行业之一。2020年，针对电子游戏玩家发起的凭据填充攻击每小时超过500,000次。必须实时应对这些攻击。
因此，AI辅助安全技术正被快速采用，这并不令人意外，因为只有这样才能跟上新型攻击和旧攻击新手法不断涌现并发起攻击的惊人速度。
请记住，科学研究表明，人类每秒只能处理约50–60比特的信息，因此很难同时处理多项任务。来自系统、设备、应用、客户端和网络的数据流入速度远超人类的处理能力。为此，我们使用仪表板和可视化工具，但这些工具并不能真正说明实际情况。它们只是某一时刻的快照，而且往往仅基于二元指标，例如正常或异常、快或慢。在我们的年度研究中，45%的受访者表示，其当前监控解决方案“缺少”准确处理信息并预测潜在攻击的能力。AI是解决这一问题的一种方式，有望通过经过训练的模型实时分析数据，检测潜在攻击并发出警报。
数字化优先已成为新常态
归根结底，全面数字化正在催生一个分布式、数据驱动的世界。数字化已成为默认模式。这也意味着，攻击者有更多途径获取访问权限、窃取数据，并造成各种破坏。在默认数字化的世界中，安全防护需要数字化技术栈，包括DevSecOps、分布式防御模型和AI辅助安全。
关于作者
Lori MacVittie是F5首席技术官办公室的杰出工程师兼首席技术布道师，在应用交付、自动化战略和基础设施领域拥有深厚的专业知识。无论是为AI智能体定义防护机制、剖析脆弱的多云架构，还是探索可扩展系统的极限，她都善于化繁为简。她在应用开发、IT架构以及网络和系统运维领域拥有30多年的行业经验。加入F5之前，她曾担任技术编辑，并因出色表现获得奖项。 MacVittie拥有计算机科学硕士学位，著述颇丰，出版作品涵盖安全、云和企业架构领域。她还热衷于桌面游戏和电子游戏，并且对奶酪有着毫不掩饰的鲜明见解。
Lori Mac Vittie 的更多博客文章相关博客文章
2023年应用策略现状：成本与复杂性是推动多云网络发展的首要因素
多云网络解决方案可在核心、云和边缘环境之间实现无缝、安全的互联，为解决当今混合IT面临的挑战提供支持，因而备受业界关注。