一种发现、分析和治理身份使用情况的创新方法,超越传统IAM控制范围。
身份和访问管理工具最初是为管理用户和目录而构建的。
现代企业依靠应用程序运行。随着时间推移,身份逻辑已转移到应用程序代码、API、服务账户和自定义认证层中。凭据被嵌入其中。授权在本地执行。使用模式在没有审查的情况下发生变化。
这些身份路径通常在IAM、PAM和IGA的可见范围之外运行。
对于安全和身份团队来说,这造成了一个盲点——我们称之为身份暗物质。
这种暗物质是无法直接观察到的身份风险的根源。
大多数身份工具依赖配置数据和策略模型。
这种方法对受管用户有效。
但对以下情况无效:
- 自定义构建的应用程序
- 传统认证逻辑
- 嵌入式凭据和密钥
- 非人类身份
- 绕过身份提供商的访问路径
因此,团队只能在审计或事件响应期间重构身份行为。
这种方法无法扩展。了解如何发现这一不可见的身份层。
Orchid Security通过提供跨应用程序的持续身份可观测性来解决这一差距。该平台遵循与安全团队工作方式一致的四阶段运营模型。
发现阶段
Orchid首先发现应用程序及其身份实现。
轻量级检测直接分析应用程序,识别认证方法、授权逻辑和凭据使用情况。
这种发现包括受管和非受管环境。
团队可获得准确的清单:
- 应用程序和服务
- 正在使用的身份类型
- 认证流程
- 嵌入式凭据
这为整个环境中的身份活动建立了基准。
分析阶段
一旦发现完成,Orchid会在上下文中分析身份使用情况。
该平台关联身份、应用程序和访问路径,以呈现风险指标,如:
- 共享或硬编码凭据
- 孤立的服务账户
- IAM之外的特权访问路径
- 预期与实际访问之间的偏差
分析基于观察到的行为而非假设的策略。
这使团队能够专注于实际使用中的身份风险。
编排阶段
分析完成后,Orchid使团队能够采取行动。
该平台与现有的IAM、PAM和安全工作流集成,支持修复工作。
团队可以:
- 按影响优先考虑身份风险
- 将发现路由到适当的控制所有者
- 随时间跟踪修复进度
Orchid不会替换现有控制。它使用准确的身份上下文来协调它们。
审计阶段
由于发现和分析持续运行,审计数据始终可用。
安全和GRC团队可以访问:
- 当前的应用程序清单
- 身份使用的证据
- 控制差距和修复行动的文档
这减少了对手动证据收集和时点审查的依赖。
审计成为一个持续的过程,而不是周期性的匆忙工作。
使用Orchid的组织可获得:
- 改善应用程序级身份使用的可见性
- 减少来自非受管访问路径的暴露
- 更快的审计准备
- 明确的身份风险责任
最重要的是,团队可以基于经过验证的数据而非假设做出决策。了解更多关于Orchid如何发现身份暗物质的信息。
随着身份继续超越集中式目录,安全团队需要新的方法来理解和治理访问。
Orchid Security提供跨应用程序的持续身份可观测性,使组织能够发现身份使用情况、分析风险、编排修复并维护可审计的证据。
这种方法使身份安全与现代企业环境的实际运作方式保持一致。
Q&A
Q1:什么是身份暗物质?它为什么会产生?
A:身份暗物质是指无法被传统IAM工具直接观察到的身份风险。它产生的原因是现代企业中的身份逻辑已转移到应用程序代码、API、服务账户和自定义认证层中,这些身份路径通常在IAM、PAM和IGA的可见范围之外运行。
Q2:Orchid Security的四阶段运营模型包括哪些阶段?
A:Orchid Security的四阶段运营模型包括:发现阶段(识别应用程序和身份实现)、分析阶段(关联身份和访问路径以识别风险)、编排阶段(与现有工具集成支持修复)、审计阶段(提供持续可用的审计数据和证据)。
Q3:使用Orchid Security能为企业带来哪些主要收益?
A:使用Orchid Security的主要收益包括:改善应用程序级身份使用的可见性、减少来自非受管访问路径的安全暴露、更快的审计准备、明确的身份风险责任划分,以及能够基于经过验证的数据而非假设做出安全决策。
好文章,需要你的鼓励
近期数据显示,2026年5月前企业已宣布约9万个与AI相关的裁员岗位,部分预测称未来五年美国15%的工作将被AI取代。然而,Ramp与Revelio Labs追踪近2.2万家企业的最新报告显示:重度投入AI的企业反而实现了更快的人员增长,包括初级岗位在内的各职能人数均有上升。但这一数据主要来自技术型企业,能否普遍适用仍存疑。报告同时指出,资源匮乏的企业可能在AI浪潮中持续落后。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
AI数据中心开发商向多家电力公司同时提交大负荷接入申请以确定选址,导致区域需求预测虚高、电网投资失衡。美国联邦能源监管委员会(FERC)及ERCOT、PJM、SPP等机构正推动"承诺优先"规划机制,要求项目具备实质性商业承诺方可纳入长期传输规划。谷歌、亚马逊、微软、OpenAI等科技巨头支持建立标准化的项目成熟度评估体系,但各方在具体机制上仍存分歧。发电建设问题尚未被纳入联邦传输改革议程。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。