This is the Trace Id: 9353fc70ba495ae6912977989e082b32

Seriál o zabezpečení aplikací AI, díl 1: Bezpečnostní hlediska při zavádění nástrojů AI

Žena se dívá na obrazovku počítače

Rovnováha mezi riziky a přínosy AI

Umělá inteligence (AI) se rychle posunula od experimentování k reálnému nasazení a mění způsob, jakým organizace fungují, rozhodují se a řídí rizika. S tím, jak se AI stává součástí pracovních postupů v oblasti produktivity, spolupráce i zabezpečení, zásadně mění rychlost i rozsah, v jakém se práce odvíjí.

Tato akcelerace však zároveň otevírá další možnosti zneužití. Aktéři hrozeb už AI využívají k průzkumu, sociálnímu inženýrství i automatizaci a z mocného obranného nástroje dělají potenciální útočnou zbraň. Zabezpečení už proto není jen o ochraně tradičních systémů a dat; jde o pochopení a zabezpečení toho, jak je AI ve vaší organizaci zpřístupněna, využívána a nasazována.

Nástroje AI přinášejí také méně zjevné výzvy. Systémy mohou chybně vykládat data, chybovat nebo vykazovat neočekávané preference. Výstupy se mohou v čase měnit podle toho, jak jsou modely aktualizovány nebo znovu trénovány. Zabezpečení tedy není jen o ochraně softwaru – jde také o sledování chování, ověřování výsledků a zavedení rámců řízení, které zajistí zodpovědné používání nástrojů AI. Bez těchto opatření mohou i dobře míněné aplikace přinášet provozní rizika.

Tento článek se věnuje praktickým bezpečnostním hlediskům, která by organizace měly mít na paměti s tím, jak se AI stává klíčovou součástí práce. Od prevence zneužití a vynucování správy až po monitorování a řízení přístupu se podíváme na to, jak mohou organizace využívat AI bezpečně a efektivně.

Rozšiřující se cesty ke zneužití aplikací AI

Rostoucí závislost na AI otevírá aktérům hrozeb víc potenciálních vstupních bodů, které mohou zneužít. Aktéři hrozeb mohou AI využít k rozsáhlejším phishingovým kampaním, cílenějším zprávám sociálního inženýrství nebo k automatizaci opakujících se útočných úloh.

Jakmile se nástroje AI stanou nedílnou součástí firemního provozu, musí organizace počítat s tím, že jejich zavedení rozšiřuje útočný povrch a zesiluje stávající rizika. Mezi čtyři klíčové oblasti obav patří:

Riziko pro data: Při správně nastavených oprávněních může Microsoft Copilot přistupovat k vašim e-mailům, dokumentům a zprávám v Teams a poskytovat odpovědi s ohledem na kontext. Tento přístup může nechtěně zpřístupnit citlivé informace. Pokud například uživatel vloží do výzvy citlivé informace, jako jsou hesla, proprietární kód nebo důvěrná data, může dojít k jejich odhalení. Organizace mohou toto riziko omezit pomocí zásad prevence ztráty dat (DLP) v Microsoft Purview, přístupu s nejnižšími oprávněními a vynucené klasifikace dat.

Riziko související s chováním AI a jejím obsahem: Copilot odpovídá přímo na vstupy, které obdrží. Škodlivé nebo zavádějící pokyny – ať už vložené, nebo skryté v dokumentech či znalostních bázích – mohou vést k nebezpečným výstupům. Útoky typu manipulace s výzvou nebo poškozený obsah mohou odhalit citlivé informace nebo generovat nesprávná doporučení. Nejsou to ale jen externí útočníci – systémy mohou zneužít i zaměstnanci s legitimním přístupem. Organizace mohou riziko snížit pomocí validace vstupů, monitorování interních rizik, skenování metadat, řízeného příjmu obsahu a lidské kontroly.

Automatizace a provozní zneužití:
AI rychle zvládá opakující se úlohy, od tvorby e-mailů až po generování reportů. Tato efektivita může zesilovat chyby nebo být zneužita interními uživateli. Například bezpečnostní analytik pod tlakem může příliš spoléhat na výstupy Security Copilota a přehlédnout zásadní souvislosti. Kombinace lidské kontroly, monitoringu a zásad řízení, například povinného školení zaměstnanců, zajistí, že AI bude podporovat lidský úsudek, nikoli jej nahrazovat.

Riziko nasazení a infrastruktury:
Copilot se hluboce integruje s Microsoftem 365, Azure i aplikacemi třetích stran. Nesprávně nakonfigurované konektory nebo integrace s příliš širokými oprávněními mohou rozšířit přístup a vytvořit potenciální vstupní body pro útočníky. Pravidelné kontroly konfigurace, zásady podmíněného přístupu a monitorování rozhraní API pomáhají udržet bezpečné prostředí.

Incidenty AI v praxi: Lekce ze skutečných útoků

Jakmile se nástroje AI, jako je Microsoft Copilot, stávají stále důležitější součástí provozu podniku, výzkum i testování v reálném prostředí odhalují nová zranitelná místa. Aktéři hrozeb rychle hledají další způsoby, jak tyto nástroje zneužít – například tím, že je začlení do svého útočného řetězce podobně jako techniku living-off-the-land v tradičních útocích. Ačkoli je tato technologie nová, Microsoft ji začleňuje do osvědčených procesů, například do koordinovaného zveřejňování zranitelností, aby bylo možné rizika bezpečně identifikovat a zmírňovat. Tyto případy přinášejí organizacím cenné poznatky ne proto, že by nástroje v běžném smyslu selhaly, ale proto, že odhalují neočekávané způsoby, jak může být AI zneužita při práci s daty i v lidských pracovních postupech.

CVE-2025-32711 (2025)
EchoLeak – nyní opraveno – byla technikou vícefázového útoku typu cross-prompt injection, která za určitých podmínek umožňovala exfiltraci omezených dat, k nimž už má oběť přístup. Pečlivě připravený e-mail — na pohled neškodný — může tiše „otrávit“ výzvu, kterou Copilot uvidí, a způsobit únik omezeného množství interních dat, aniž by si toho oběť všimla. Microsoft rychle vydal aktualizace, které tuto chybu CVE-2025-32711 opravují. Zranitelnost upozornila na nenápadné, ale závažné riziko: že systémy AI mohou neúmyslně zpřístupnit citlivá zákaznická data prostřednictvím nepřímé manipulace s výzvami.

Rizika nadměrných oprávnění
Copilot dědí oprávnění svých uživatelů. Pokud si někdo ponechá přístup k datům z předchozího oddělení, může Copilot tyto informace zobrazit v generovaných výstupech. Podobně se mohou citlivá data dostupná jednomu zaměstnanci objevit i v AI souhrnech, což vytváří rizika pro soulad s předpisy i ochranu soukromí. Organizace mohou toto riziko zmírnit pomocí principu nejnižších oprávnění, řízení na základě rolí a zásad DLP v Microsoft Purview. Režim Researcher v M365 Copilotovi navíc může proaktivně odhalit úniky v nastavení oprávnění dřív, než se z nich stane bezpečnostní problém. Klíčová zásada zní: svěřujte AI jen data, u nichž vám nevadí, že k nim bude mít přístup – tedy v podstatě informace, které si můžete dovolit zpřístupnit. Organizace by měly zavést posouzení rizikového modelu a plán zmírnění rizik, aby pečlivě vyhodnotily, s jakými daty může Copilot bezpečně pracovat, místo aby jej stavěly do centra vysoce důvěrných procesů.

Zneužití ze strany interních uživatelů a provozní chyby
Ne všechny incidenty přicházejí zvenčí. V některých případech mohou interní uživatelé využívat nástroje jako Copilot k vytváření reportů s citlivými daty, aniž by je důkladně zkontrolovali. Do strategie zmírnění rizik patří školení, monitoring, detekce anomálií a zásady řízení, které pomáhají udržet AI jako důvěryhodného asistenta, nikoli jako nekontrolovaný nástroj.

Nepřímé otravování dat a manipulace s výzvami
Systémy AI jsou zranitelné mnoha způsoby, včetně nenápadných, ale účinných technik, jako je nepřímé otravování dat a manipulace s výzvami, které mohou bez zjevných varovných signálů nenápadně formovat chování modelu. Tyto metody spočívají v přípravě vstupů, které rizikovým způsobem ovlivňují výstupy — například tak, aby odhalily citlivé informace nebo zavedly zkreslení. Skryté výzvy, například text zakódovaný v šestnáctkové soustavě nebo neviditelné formátování, mohou nenápadně ovlivnit souhrny Copilota a někdy zobrazit zastaralé nebo neočekávané informace. Díky řízenému načítání obsahu, ověřování metadat a průběžnému promyšlenému dohledu nad interakcemi s AI mohou organizace udržet své AI nástroje spolehlivé a zajistit, že budou dál přinášet hodnotu bez zavádění nechtěných rizik.

Tyto příklady ukazují, že bezpečnost AI často souvisí s chováním lidí, prací s daty a interpretací, nikoli jen se softwarovými chybami. Při správně nastavených ochranných opatřeních mohou organizace využívat nástroje Copilota efektivně a zároveň minimalizovat nechtěné odhalení dat. Další informace najdete zde: Bezpečná AI jako pevný základ – školení | Microsoft Learn.

Připravenost na incidenty v době AI: Mapa prevence, detekce a reakce


Cesta vpřed neznamená odstranit každou možnou hrozbu – to není reálné. Jde o to, počítat s bezpečností už od samého začátku. To znamená uplatňovat myšlení na principu nulové důvěry (Zero Trust) . Nejodolnější budou ty organizace, které budou tyto incidenty vnímat jako příležitost k učení a přizpůsobení a každou získanou zkušenost promítnou zpět do svých bezpečnostních rámců.

Níže uvádíme namapování praktických scénářů hrozeb na preventivní opatření, detekční signály a scénáře reakcí, které mohou organizace využít k budování odolnosti už od začátku.
  • Prevence: Použijte štítky citlivosti Purview a pravidla DLP. Zablokujte Copilotovi zpracování souborů označených jako „Highly Confidential“.},{

    Detekce:
    Protokoly Purview/UAL zobrazující dotazy Copilota na omezené soubory, upozornění DLP v Sentinelu.

    Reakce:
    Izolujte výstup, upozorněte vlastníka souboru, upravte zásady DLP.

    Praktický scénář:
    Finanční ředitel požádá Copilota, aby „shrnul všechny čtvrtletní zprávy“. Citlivé dokumenty představenstva jsou vyloučeny z výsledků.
  • Prevence: Zapněte Prompt Shields, před zpracováním Copilotem vyčistěte vstupy z e-mailů, protokolů a externích zdrojů.

    Detekce:
    Upozornění Sentinelu na podezřelý vstup nebo pokus o prolomení zaznamenaný chatbotem.

    Reakce:
    Zablokujte škodlivou relaci, odstraňte nebezpečné výstupy, zpřísněte ochranné mantinely.

    Praktický scénář:
    Útočník pošle záměrně vytvořený prompt, aby zmanipuloval zákaznický podpůrný chatbot organizace s podporou AI, chatbot vložené pokyny ignoruje.
  • Prevence: Ověřujte zdroje příjmu dat, vyžadujte podepisování zdrojů a omezte přístup pro zápis.

    Detekce: Auditní protokoly a upozornění na přístup k testovacímu dokumentu, Sentinel detekuje neobvyklé aktualizace znalostní báze.

    Reakce:
    Obnovte otrávenou znalostní bázi, zrušte klíče pro načítání dat, informujte tým reakce na incidenty.

    Praktický scénář:
    Nečestný zaměstnanec nahraje falešný manuál pro „reakci na incidenty“, testovací dokument spustí detekci.
  • Prevence: Ověřujte zdroje příjmu dat, vyžadujte podepisování zdrojů a omezte přístup pro zápis.

    Detekce:
    Auditní protokoly a upozornění na přístup k testovacímu dokumentu, Sentinel detekuje neobvyklé aktualizace znalostní báze.

    Reakce:
    Zrušte zveřejněné přihlašovací údaje, odstraňte problematický commit a proškolte tým.

    Praktický scénář:
    Juniorní vývojář vloží do kódu API klíč, Copilot jej navrhne i jinde, ale skenování na pozadí zabrání sloučení.
  • Prevence: U konektorů nastavte řízení přístupu na základě rolí a princip nejnižších oprávnění, omezte přístup k citlivým systémům.

    Detekce:
    Detekce anomálií v Sentinelu u hromadných datových dotazů z Copilota.

    Reakce:
    Zakažte konektor, pozastavte účet a spusťte prověrku HR i bezpečnosti.

    Praktický scénář:
    Pracovník prodeje získá prostřednictvím Copilota tisíce záznamů zákazníků, neobvyklý objem dotazů spustí upozornění.
  • Prevence: Omezte oprávnění konektorů Copilota, sledujte přesuny dat mezi tenanty nebo směrem k externím cílům.

    Detekce: Upozornění v Purview a Sentinelu na velké přenosy souborů nebo neobvyklé používání konektorů.

    Reakce: Zablokujte konektor, zrušte tokeny a izolujte výstupy.

    Praktický scénář: Copilot připojený k OneDrivu se pokusí odeslat označené dokumenty do osobního konektoru Gmailu.
  • Prevence: Nakonfigurujte Podmíněný přístup a Defender for Cloud Apps tak, aby blokovaly neschválené služby AI.

    Detekce: Upozornění Microsoft Cloud App Security/Defenderu na provoz AI aplikací, analýzy v Sentinelu na události udělení oprávnění OAuth.

    Reakce:
    Zrušte tokeny, upozorněte uživatele a vynucujte jen schválené používání Copilota.

    Praktický scénář:
    Zaměstnanec se bez schválení pokusí propojit Copilot s externím nástrojem pro shrnování obsahu.
  • Prevence: Nakonfigurujte Safe Links a Safe Attachments a proškolte zaměstnance o rizicích phishingu s podporou Copilota.

    Detekce:
    Defender zachytí neobvyklé nárůsty v odesílání e-mailů nebo formulace vytvořené Copilotem.

    Reakce:
    Zablokujte odesílatele, zrušte tokeny poštovní schránky a automaticky zakažte pravidla.

    Praktický scénář:
    Napadený účet používá M365 Copilota k vytváření spear-phishingových kampaní.
  • Prevence: Proškolte zaměstnance o omezeních Copilota, u citlivých pracovních postupů vyžadujte kontrolu člověkem v rozhodovacím procesu.

    Detekce:
    Sentinel detekuje vysoce rizikové akce spuštěné pomocí dotazů navržených AI.

    Reakce:
    Vraťte akci zpět, upozorněte schvalující osobu a znovu proškolte uživatele.

    Praktický scénář:
    Copilot navrhne ve výstraze bezpečnostního operačního centra (SOC) nesprávný příkaz k nápravě, kontrola analytikem zabrání škodám.

Budování zabezpečené AI od samého začátku

AI kopiloti mění způsob, jakým organizace fungují – urychlují získávání poznatků, snižují množství manuální práce a umožňují týmům soustředit se na činnosti s vyšší přidanou hodnotou. Ale pokrok bez ochrany má krátké trvání. Skutečná konkurenční výhoda nespočívá v tom, kdo AI nasadí nejrychleji, ale v tom, kdo ji od prvního dne zavede bezpečně a zodpovědně.

Ekosystém Microsoft Copilota, včetně Security Copilota, ukazuje, jak tato rovnováha vypadá v praxi: inovace vedené správnými principy řízení. Když organizace zavedou silné řízení přístupu, robustní zásady pro práci s daty a průběžný dohled nad tím, jak se kopiloti používají, promění AI z nástroje pro vyšší produktivitu v důvěryhodný strategický majetek.

Budování zabezpečené AI od samého začátku není jen technická priorita, je to zásadní požadavek vedení. Vedoucí pracovníci, kteří do svých AI programů začlení zabezpečení, připravenost a transparentnost, nejen sníží rizika, ale také posílí důvěru zainteresovaných stran, regulační důvěryhodnost i dlouhodobou odolnost. V tomto modelu je Security Copilot víc než jen nástroj – stává se partnerem při budování bezpečné a odpovědné budoucnosti podniku.

Další podobné

Osoba pracující na přenosném počítači a ukazující prstem na klávesnici

Začínáme s AI aplikacemi

Pomocí fázového přístupu vybudujte bezpečný základ pro AI aplikace.
Obálka knihy s mužem, který se dívá na obrazovku počítače

Strategie řízení AI

Konkrétní kroky k vybudování důvěry, omezení rizik, úspoře nákladů a podpoře inovací.
Bílá kresba papíru v obálce se slovem „New“ na modrém pozadí.

Získat CISO Digest

Buďte v obraze díky odborným poznatkům, trendům v oboru a výzkumu bezpečnosti v této dvouměsíční e-mailové sérii.

Sledujte zabezpečení od Microsoftu

Čeština (Česko) Ochrana osobních údajů spotřebitele ve zdravotnictví Kontaktovat Microsoft Ochrana osobních údajů Spravovat soubory cookie Podmínky používání Ochranné známky O našich reklamách EU Compliance DoCs