Guide | The Case for AI Zero Trust (Portuguese)

/live_board/v2/downloads?uid=b98d4b95-a46c-4202-bfeb-c59b8e9e918d&redirect=true

O argumento a favor de ZERO TRUST de IA Guia do líder de segurança para a aplicação

de confiança nativa de IA Para CTOs, CISOs e Arquitetos de Segurança Corporativa

O ARGUMENTO PARA ZERO TRUST DE IA

1. Resumo executivo: Um cenário de ameaças transformado O cenário de ameaças mudou. Os recursos demonstrados pelo Claude Mythos, da Anthropic, representam uma mudança significativa no uso ofensivo da IA. Esse foi o primeiro modelo de fronteira a ser classificado como um risco à segurança nacional e gerou grandes preocupações por ter "cruzado o Rubicão da cibersegurança de IA". Agora, os invasores descobrem vulnerabilidades mais rápido do que os defensores conseguem corrigi-las, executando ataques em vários estágios na velocidade das máquinas. Eles podem penetrar em ambientes a profundidades que antes exigiam operadores humanos qualificados. Consequentemente, o intervalo entre a exposição da vulnerabilidade e a interrupção dos negócios reduziu-se permanentemente de semanas para minutos.

Ao mesmo tempo, uma nova superfície de ataque está surgindo. Agentes de IA, modelos de linguagem de grande porte e a infraestrutura que os sustenta introduzem riscos que existem no contexto e na intenção de uma solicitação, e não em sua porta ou protocolo — a camada que os controles de rede convencionais nunca foram projetados para inspecionar. Um agente comprometido, por exemplo, pode executar em segundos o que antes exigia meses de esforço humano. Isso muda não apenas a forma como protegemos as redes, mas também como protegemos os negócios que elas sustentam.

Zero Trust continua sendo o modelo de segurança adequado para esse ambiente. Seus três princípios — nunca confie, sempre verifique; acesso com privilégio mínimo; e supor violação — continuam corretos. A abordagem de supor violação assume importância particular na era do Mythos, pois o comprometimento passou de possível a provável. A arquitetura agora deve ser projetada em torno dessa realidade, em vez de tratar a violação como um caso extremo.

Em uma postura de Zero Trust, todas as decisões defensivas se resumem a três objetivos operacionais:

• reduzir a superfície de ataque e a exposição de ativos críticos, • minimizar o impacto e o raio de alcance de qualquer comprometimento bem-sucedido; e reagir, • mitigar e recuperar rapidamente.

Com base na realidade atual, há uma clara necessidade de expandir o Zero Trust para o Zero Trust de IA, definindo novas zonas de confiança explícitas para gateways de IA, ambientes de modelos hospedados em fábricas privadas de IA, agentes e usuários de IA e serviços conectados ao MCP. Essas novas zonas devem ser protegidas não apenas por controles de rede convencionais, mas também por tecnologias de aplicação nativas de IA, projetadas para os riscos exclusivos criados por interações de IA, ações autônomas e fluxos de trabalho orientados por modelos.

A segurança convencional pergunta: "Quem enviou isso e para onde está indo?" Zero Trust de iA acrescenta: "O que isso está realmente dizendo e o que pretende fazer?" O ataque não está no que parece — está no que é. O Zero Trust de IA interrompe ataques como injeções de prompt ao analisar o contexto dos dados.

O ARGUMENTO PARA ZERO TRUST DE IA

Nesta arquitetura, o Zero Trust de IA é aplicado por meio de dois novos pontos estratégicos de controle: o Firewall de Rede de IA e o Gateway de LLM Seguro.

Juntos, esses controles reduzem a superfície de ataque, contêm o raio de impacto e ajudam a proteger a empresa contra ameaças convencionais à rede e ataques emergentes orientados por IA.

Na prática, o Firewall de Rede com IA atua como um disjuntor para o tráfego semântico e de dados. Por exemplo, ele aplica sua política de segurança à comunicação entre agentes de IA, LLMs e seus principais aplicativos empresariais. Este é um recurso essencial introduzido com a versão R82.20 do software da Check Point, que possibilita medidas críticas de segurança de IA.

Firewall de Rede com IA: Local, na Nuvem e Virtual

Amplia a função do NGFW tradicional ao adicionar recursos de inspeção e segmentação cientes de IA, incluindo detecção de injeção de prompt e imposição de políticas entre usuários, agentes, modelos e sistemas empresariais sensíveis.

Atua como o ponto de controle dedicado para interações de IA e modelos, fornecendo roteamento seguro de LLMs, defesa contra prompts, inspeção de conteúdo e políticas e governança sobre como os aplicativos e agentes de IA se conectam a modelos internos e externos.

Firewall de Rede com IA Gateway de segurança para LLM

Agentes

Usuários CHAMADA DE API LLM

TRÁFEGO DE DADOS

MODELO DE FRONTEIRA DE IA

AGENTES DE IA E USUÁRIOS

FIREWALL DA REDE DE IA FÁBRICA DE IA

DATA CENTER

Defesa contra prompts de IA

Inspeção de Tráfego de Aplicativos por IA [NGFW]

Controle de acesso para IA com agentes e RAG

Plano de gerenciamento e observabilidade

Clientes MCP

Aplicativos GenAI

PROMPTS SEGUROS VALIDADOS

CHAMADA DE API DO LLM

Cargas de trabalho de LLM

Sistemas de TI

Servidores GPU

Servidores MCP

O Firewall de IA é a camada central de aplicação de políticas para proteção de prompts, inspeção do tráfego de aplicativos habilitados por IA, controle de acesso para RAGs e segurança de IA com agentes, telemetria e gerenciamento, possibilitando uma adoção mais segura de IA empresarial.

O ARGUMENTO PARA ZERO TRUST DE IA

2. Entidades Principais de IA Zero Trust O Zero Trust é o princípio arquitetônico estabelecido de nossa época, amplamente conhecido e respeitado como um pilar da arquitetura de Cibersegurança. Consequentemente, não devemos abandoná-lo como um princípio fundamental de segurança, mas atualizá-lo para refletir as mudanças trazidas pela transformação da IA. Propomos um modelo expandido que reflita uma nova classe de ativos, um novo conjunto de interações e uma nova gama de caminhos de ataque. A lógica é a mesma; a superfície que ela deve reger não é.

O modelo padrão de Zero Trust atual baseia-se em três princípios fundamentais — nunca confie, sempre verifique; acesso de privilégio mínimo; presuma uma violação — que continuam corretos. No modelo expandido de Zero Trust para IA, desenvolvido para ecossistemas de IA, o que muda é o peso de cada princípio. "Presuma uma violação" assume um papel mais central; o comprometimento passou de possível a provável, e a arquitetura deve ser construída em torno dessa realidade.

Princípio O que é necessário na era da IA

Nunca confie, sempre verifique

Nenhum usuário, prompt, saída do modelo ou ação de agente é confiável por padrão. Cada solicitação de acesso é autenticada, cada cruzamento de fronteira é inspecionado, cada interação de IA é verificada em relação à política antes de prosseguir.

Acesso de menor privilégio Cada agente, modelo e ferramenta opera com o conjunto mais restrito de permissões que lhe permite funcionar. O escopo de ação é declarado explicitamente e aplicado durante o tempo de execução. Nenhum componente de IA herda as permissões do usuário que o acionou.

Assuma que há uma violação A arquitetura é construída partindo do pressuposto de que ocorrerá um comprometimento. Cada limite é um ponto de imposição de controles projetado para conter o raio de impacto. Cada caminho crítico é monitorado para que comprometimentos sejam detectados em minutos, não em meses.

O Zero Trust tradicional verifica O Zero Trust para IA acrescenta

Quem é este usuário ou sistema? O que esta solicitação está de fato pedindo?

Esta é a porta correta, o protocolo correto? Este conteúdo está tentando manipular o modelo?

A assinatura corresponde a uma ameaça conhecida?

O significado contém uma instrução oculta?

Por que o Zero Trust deve se expandir para a IA

O ARGUMENTO PARA ZERO TRUST DE IA

Princípio de confiança zero da IA

O que isso significa para a segurança de IA

Produtos e recursos da Check Point

01 Nunca confie em prompts, resultados ou identidades

Cada prompt, documento recuperado, resposta do modelo, identidade do usuário e solicitação do agente devem ser inspecionados antes de atravessarem um limite de confiança da IA.

• Defesa de Prompt • Firewall de rede com IA • Gateway de LLM seguro • Segurança de WAF/API • �Segurança de IA para

a força de trabalho

02 Aplique o princípio do privilégio mínimo a agentes e ferramentas

Os agentes de IA não devem herdar permissões amplas dos usuários. Toda chamada de API, uso de ferramenta MCP, ação de gravação e solicitação de dados deve ter seu escopo definido e ser autorizada em tempo de execução.

• �Segurança do agente de IA

• Firewall de rede de IA • �Inspeção de

MCP / ferramentas • ZTNA/SASE • Microssegmentação

03 Presuma uma violação e contenha o raio de impacto

Qualquer componente de IA, caminho de prompt, agente, gateway ou zona de modelo pode ser comprometido. A arquitetura deve segmentar as zonas de IA e aplicar medidas de prevenção em cada transição.

• �Gateway de segurança para LLM

• Firewall de Rede com IA • Firewall da Fábrica de IA • Maestro Hyperscale • Segurança de nuvem

04 Valide continuamente e recupere rapidamente

Os sistemas de IA devem passar por testes contínuos de vulnerabilidade, inclusive em caminhos de ataque ativos, prompts, cadeias de raciocínio, conteúdo de RAG, chamadas de ferramentas, comportamento do modelo e atividade anormal

• AI Red Teaming • IA do ThreatCloud • Exposure Management • IA-Ops & telemetria

Princípios de Zero Trust de IA - Mapeados para as Soluções da Check Point

Cada princípio tem sua própria implicação comercial exclusiva; o gráfico mostra como a Check Point fecha a lacuna.

Mensagem-chave: A mesma lógica Zero Trust é ampliada para a IA Zero Trust, abrangendo novos ativos e novos pontos de aplicação — tudo em uma única plataforma.

O argumento central: O Zero Trust para IA é a lógica de políticas. A segmentação é a arquitetura de aplicação de controles. Ambos continuam adequados para a era da IA — mas novos segmentos são necessários para controlar uma superfície de ameaças que as redes convencionais não abrangiam. Mesmos princípios, novos ativos, novas zonas, novos controles.

O ARGUMENTO PARA ZERO TRUST DE IA

3. Definindo Segmentação e Propriedade Se o Zero Trust para IA é nosso modelo conceitual de segurança de IA, então a segmentação é o mecanismo pelo qual esses objetivos se tornam uma arquitetura aplicável. Antes de analisarmos como os princípios de Zero Trust para IA impactam nossa arquitetura, é importante definir primeiro o que entendemos por segmentação. A segmentação é o mecanismo pelo qual os princípios de Zero Trust se tornam uma arquitetura aplicável. Ela opera em três níveis, cada um com um conjunto diferente de atributos, e confundi-los é a causa mais comum de confusão quando um projeto de segmentação chega ao mundo real, razão pela qual defini-los em termos de propriedade e função é uma etapa importante. Cada nível responde a uma pergunta diferente, tem um responsável diferente e exige um cronograma de implementação diferente. Todos os três são necessários para uma empresa habilitada para IA; no entanto, para as equipes de rede e segurança, a segmentação macro frequentemente apresenta o maior valor técnico e de segurança.

Macrossegmentação Microssegmentação Nanossegmentação

Propriedade de Equipes de rede e segurança

Equipes de Aplicativos e Negócios

Equipes de engenharia de IA/ML & DevOps

Direção do tráfego

Norte-sul, leste- oeste: entre zonas e grupos de carga de trabalho

Dentro de zonas, segmentos e namespaces do Kubernetes

No Kubernetes, entre pods e contêineres

Meta principal Minimize o raio de alcance de uma violação na camada de rede

Previna a movimentação lateral entre os componentes do aplicativo (Web, App, DB)

Evite a disseminação de malware dentro de um grupo de servidores de aplicativos

Implementação Firewalls, gateways de API/IA, Firewall de IA

Agente instalado em cada servidor/ VM e controle de acesso centrado no aplicativo — SDN/ Cisco ACI

Controle de acesso à interface de rede de contêineres [CNI)

A macrossegmentação protege grupos de cargas de trabalho uns dos outros. A microssegmentação protege componentes dentro de uma carga de trabalho uns dos outros. A nanossegmentação controla o que um processo individual de IA tem permissão para fazer no nível de instrução — quais APIs ele pode chamar, quais dados pode ler e quais ações pode executar.

O ARGUMENTO PARA ZERO TRUST DE IA

Ponto de Interconexão de Zona

Entrada Saída

Norte-Sul

Cargas de trabalho Cargas de trabalho

Firewall Tradicional de Perímetro

Microssegmento

Cargas de trabalho

Sub-rede B

Sub-rede A

Leste-Oeste

Usando uma Malha de Rede/Nuvem ou Agentes no EndPoint

Front-end

Back-end

Redes nativas na nuvem

Serviços públicos

Cargas de trabalho

Ponto de Interconexão de Zona Ponto de Interconexão de Zona

Nanossegmento

Microssegmento

Controlador de Ingress Leste

Oeste APIGateway

<API> API

Macrosegmento

O ARGUMENTO PARA ZERO TRUST DE IA

Por que a nanossegmentação é importante para a IA Para qualquer organização que execute agentes de IA em produção, a ausência de nanossegmentação significa que não há limite aplicável ao que um agente comprometido ou manipulado pode fazer após receber seu acesso inicial. Os controles macro e micro contêm a zona e o aplicativo. Os controles nano contêm o próprio agente.

Princípio fundamental Um limite de macrossegmento é um limite de confiança. Todo limite de confiança deve ser aplicado por uma função de segurança. A macrossegmentação contém uma violação entre zonas, a microssegmentação a contém dentro de uma — entre os componentes individuais de um único aplicativo.

4. Segmentação e o limite de confiança da IA No nível de segurança da rede, o mecanismo de aplicação de Zero Trust é a macrossegmentação. Em termos práticos, isso permite a divisão da rede corporativa e do ecossistema de IA em zonas, cada uma contendo cargas de trabalho com um nível de confiança semelhante, com tráfego controlado entre elas. Dentro de uma zona de confiança, é possível aplicar níveis mais granulares de acesso usando microssegmentação e nanossegmentação. Para os fins deste padrão de design, o limite macro é um ponto de controle obrigatório entre zonas de confiança, portanto, é o local natural para aplicar a prevenção de ameaça. Dentro de uma zona, as funções de segurança micro e macro reduzem os caminhos entre ativos com o mesmo nível de confiança.

Em nosso modelo, definimos o limite de confiança da IA como aquilo que se situa entre as zonas de confiança, pois é onde aplicaremos recursos de prevenção de ameaça. No entanto, ainda podemos impor a segmentação dentro da zona de confiança, para que o tráfego entre ativos seja visível e possa estar sujeito à aplicação de políticas.

O importante é que os limites de confiança e a microssegmentação sejam aplicados por uma função de segurança capaz de inspecionar e autorizar o tráfego que os atravessa e que, à medida que os tipos de tráfego mudam, a capacidade de aplicação também deve mudar.

O ARGUMENTO PARA ZERO TRUST DE IA

Funções de AI Security para aplicar a macrossegmentação e a microssegmentação. Para o tráfego corporativo convencional, a função de imposição é desempenhada por um firewall de última geração ou um proxy de autenticação. Esses controles inspecionam cabeçalhos de pacotes, identificam aplicativos, aplicam assinaturas de IPS e descriptografam TLS quando a política permite. São a ferramenta certa para tráfego cujas ameaças são estruturais — explorações conhecidas, abuso de protocolo, roubo de credenciais.

O tráfego de IA é fundamentalmente diferente, assim como as "payloads" que podem torná-lo malicioso. Por exemplo, um prompt em linguagem natural que transporta uma payload de injeção dentro de uma solicitação HTTPS bem-formada será permitido por um firewall convencional. Os ataques de IA são semânticos, e não estruturais; eles estão incorporados ao significado do conteúdo, não ao seu formato. Quando uma carga de trabalho de IA está situada em um limite de confiança, a função de aplicação deve operar na camada semântica.

Tipo de tráfego Função de aplicação Capacidade de segurança

Tráfego geral de rede Firewall de rede com IA, NGFW, SASE, proxy de nuvem

Camadas 3–7, identidade do aplicativo, assinaturas IPS, inspeção TLS

Tráfego da web & de APIs

Firewall de aplicativo da web (Web Application Firewall, WAF) [WAF] / proxy de API

HTTP/S, ataques de injeção, autenticação, limites de taxa

Tráfego intrazona (Microssegmentação)

Agente de segurança de contêineres e máquinas virtuais (virtual machines, VMs), por exemplo, Illumio

Controle de acesso [prevenção de movimento lateral]

Tráfego de modelos de IA

Gateway de LLM seguro com política consciente de IA, firewall contra injeção de prompts [IA]

Prompts trocados com modelos fundacionais e que carregam significado semântico e a intenção do usuário.

Tráfego MCP Proteja o gateway de LLM e/ou o firewall de rede de IA

Trocas entre cliente e servidor que invocam ferramentas, leem recursos e transmitem contexto entre hosts e servidores MCP.

Tráfego Agentivo Firewall de IA, agente de endpoint

Ações de agentes autônomos que leem, gravam ou modificam dados e encadeiam chamadas de ferramentas entre sistemas em nome de um usuário.

Ponto-chave Cada uma das funções acima é um ponto de imposição da política. As duas primeiras estão bem estabelecidas. As três últimas são exclusivas das redes de IA — e a maioria das empresas ainda não as implementou, o que significa que os limites de confiança também não existem.

O ARGUMENTO PARA ZERO TRUST DE IA

5. Implementação Prática: A Topologia de Cinco Zonas O modelo convencional de três ou quatro zonas — perímetro, DMZ, interna e restrita — era suficiente para redes de aplicativos convencionais operados por usuários humanos. Não descreve uma empresa agentiva orientada por IA. São necessárias duas novas zonas, cada uma com características de confiança que as classificações de zonas convencionais nunca foram projetadas para lidar. O diagrama abaixo posiciona os novos componentes de IA ao lado de ativos convencionais e mostra quais controles devem aplicar cada limite de zona.

*As zonas 3 e 4 são novas — e devem ser criadas explicitamente Uma organização que implanta cargas de trabalho de IA sem estabelecer as Zonas 3 e 4 como domínios de confiança distintos tem, na prática. criado um caminho direto de entradas externas não confiáveis para sistemas internos privilegiados. O limite entre a Zona 2 e a Zona 3 só pode ser aplicado de forma significativa por um gateway compatível com IA, capaz de inspecionar o conteúdo dos prompts. Na prática, a maior exposição é indireta — instruções adversariais incorporadas ao conteúdo recuperado —, portanto, a aplicação nesse limite deve inspecionar tanto o conteúdo recuperado quanto o retornado por ferramentas, não apenas os prompts dos usuários finais.

Figura 1 | A topologia de IA Zero Trust com cinco zonas. Cada zona contém os ativos que protege e os principais controles de segurança que impõem seu limite.

Novas zonas de IA

ZONA 1: Usuários e Perímetro

Ativos protegidos

Principais controles de segurança

* Promt Defesa

Ativos protegidos

Principais controles de segurança

Ativos protegidos

Principais controles de segurança

Ativos protegidos

Principais controles de segurança

ZONA 2: Aplicativos e Front-end

ZONA 3: Orquestração e Modelos de IA

ZONA 5: Ferramentas, dados e sistemas principais

Funcionários

Usuários Externos

Espaços de trabalho de IA / IA pública

Apps Web

Chatbots

Copilots

Aplicativos de IA

LLMs privados

LLMs Públicos

Fábrica de IA/ Infraestrutura de GPU

Servidores MCP

Ferramentas de Negócios

APIs

Bancos de dados

Aplicativos principais

Firewall de Rede de IA

Segurança de WAF/API

Anti-bot & DDoS

Discovery de IA Shadow

Firewall da IA

Proteção de API

Inspeção de Aplicativos

Inspeção de Prompt

Gateway LLM seguro*

Firewall de rede com IA*

Roteamento de modelos e política

DLP/Controles de conteúdo

Ativos protegidos

Principais controles de segurança

ZONA 4: Agentes de IA

Agentes de IA

Fluxos de Trabalho de Agentes

Tarefas Autônomas

Firewall de Rede com IA

Conhecimento de Identidade do Agente

Monitoramento de Comportamento

Acesso com menos privilégios

Microssegmentação

Firewall de Rede com IA

Inspeção de MCP / ferramentas

Controle de acesso

Segmentação

DLP

O ARGUMENTO PARA ZERO TRUST DE IA

Transições entre zonas de confiança de IA Os ecossistemas de IA são complexos, com várias novas conexões por ativo. Proteger essa complexidade exige que arquitetos e engenheiros identifiquem cada ponto em que o tráfego atravessa um limite de confiança — uma transição de confiança.

A tabela abaixo mostra onde surgem os riscos mais relevantes do OWASP para LLMs e sistemas agênticos ao longo dessas transições e quais controles devem ser aplicados em cada limite. Isso transforma o risco de IA, antes uma discussão conceitual, em uma visão arquitetural prática, mostrando às equipes de segurança e corporativas onde os controles específicos para IA [Firewall de IA, gateway seguro para IA, defesa de prompts, controles de agentes, inspeção de MCP] devem ser aplicados primeiro.

Zonas / Transição de confiança

Riscos do OWASP para LLMs

Riscos do OWASP para sistemas agênticos

Zona 1 → 2 Usuários para front-end

LLM01 Injeção de prompt; Modelo LLM04: negação de serviço; LLM09 Dependência Excessiva

ASI01 Sequestro de objetivo do agente [indireto, introduzido na entrada]; ASI09 Exploração da confiança entre humanos e agentes

Zona 2 → 3 Aplicativos para orquestração

LLM01 Injeção de prompt; LLM06 Divulgação de informações sensíveis; LLM04 Negação de serviço do modelo; LLM10 Roubo de modelo

ASI01 Sequestro de Objetivo do Agente; ASI03 Abuso de Identidade e Privilégio

Dentro da Zona 3 LLM03 Envenenamento de Dados de Treinamento; LLM05 Vulnerabilidades da Cadeia de Suprimentos; LLM10 Roubo de Modelos; LLM06 Divulgação de Informações Sensíveis

ASI04 Comprometimento da cadeia de suprimentos agentiva; ASI06 Envenenamento de Memória e Contexto

Zona 3 → 4 De modelos a agentes

LLM02 Tratamento inseguro de saídas; LLM08 Agência excessiva; LLM09 Dependência excessiva

ASI01 Sequestro de objetivos do agente; ASI05 Execução inesperada de código; ASI09 Exploração da confiança entre humanos e agentes

Zone 4 → 5 Agentes para ferramentas, MCP, APIs, dados

LLM07 Design inseguro de plugins; LLM08 Excesso de autonomia; LLM02 Tratamento inseguro de saída; LLM06 Divulgação de informações sensíveis

ASI02 Uso indevido e exploração de ferramentas; ASI03 Abuso de identidade e privilégios; ASI05 Execução inesperada de código; ASI07 Comunicação insegura entre agentes; ASI08 Falhas em cascata; ASI10 Agentes mal-intencionados

Zona 5 → 3 / 4 Recuperação e retorno de dados corporativos

LLM01 Injeção de prompt; LLM06 Divulgação de informações confidenciais; LLM02 Manipulação insegura de saída

ASI06 Envenenamento de memória e contexto; ASI01 Sequestro de objetivo do agente (indireto]; ASI04 Comprometimento da cadeia de suprimentos agentiva

OBSERVAÇÃO: Para o mapeamento de produtos, consulte as páginas 13, 14

O ARGUMENTO PARA ZERO TRUST DE IA

Transições de Confiança do Plano de Gerenciamento As transições se dividem em duas categorias. As transições do plano de dados transportam o tráfego de usuários e aplicativos pelo sistema em execução. As transições do plano de gerenciamento são a forma como o próprio sistema é construído, modificado e monitorado — e seu comprometimento costuma ser mais prejudicial, pois reescreve as regras sob as quais o plano de dados opera. Ambos devem ser enumerados; a maioria das organizações aplica apenas um subconjunto de um ou de outro.

Um único pipeline de Cl/CD ou registro de modelos comprometido pode enfraquecer silenciosamente todos os controles do plano de dados que a organização implementou — exatamente por isso, invasores sofisticados o visam primeiro. O tráfego do plano de gerenciamento é como o sistema de IA é criado, modificado e monitorado. Ele se origina fora da topologia da zona — de redes corporativas de administração, plataformas de Cl/CD, registros de modelos e serviços de observabilidade — e seu comprometimento costuma ser mais danoso do que uma violação do plano de dados: ele não contorna as regras, ele as reescreve.

Os Controles Convencionais Continuam Necessários Os controles específicos para IA não substituem os convencionais — eles atuam em conjunto com eles. Os NGFWs continuam a impor limites de zona para o tráfego que não é de IA. Os WAFs continuam a proteger as camadas da web e de API. A política baseada em identidade, o IPS, a inspeção TLS, a MFA e o SIEM mantêm suas funções existentes. Os dois conjuntos de controles são complementares, não substitutivos, e ambos são necessários em uma arquitetura Zero Trust que inclui cargas de trabalho de IA.

O ARGUMENTO PARA ZERO TRUST DE IA

6. Soluções de Zero Trust com IA da Check Point Na camada de componentes, a Check Point implementa o AI Zero Trust por meio de um portfólio full-stack de tecnologias de AI Security projetadas para proteger todas as zonas do ecossistema de IA empresarial, desde o uso de GenAI e aplicativos de IA pela força de trabalho até fluxos de trabalho agênticos, firewalls de IA e infraestrutura de IA baseada em GPU. Ao mapear a tecnologia da Check Point às zonas, permitimos que as organizações protejam interações de IA, controlem o comportamento autônomo, protejam modelos e caminhos de dados e apliquem controles de Zero Trust em todo o ecossistema de IA.

Princípio de Zero Trust de IA / risco

Produto Check Point Zona / limite O que oferece

Presuma uma violação na camada de interação com IA

Firewall de rede de IA/ Firewall de aplicativo da web (Web Application Firewall, WAF)

Zona 1 → 2 e Zona 2 → 3

Estende a aplicação convencional de firewall/ WAF às interações de IA, com proteção compatível com IA para aplicativos de IA generativa e APIs.

Controlar o uso de GenAI pela força de trabalho

Segurança de IA para a força de trabalho

Zone 1 Visibilidade e governança do uso de ferramentas de IA, copilotos e aplicativos com recursos de IA pelos funcionários.

Descobrir e controlar aplicativos e agentes de IA

Segurança do agente de IA

Zonas 3 & 4 Arquitetura unificada para descobrir, proteger e controlar a IA na força de trabalho, nos aplicativos e nos agentes

Microssegmentação Gerenciamento de segurança da Check Point + microssegmentação da Illumio

Zonas 3 & 4 Impedir a movimentação lateral entre e dentro dos microssegmentos e do Kubernetes

Validar continuamente os sistemas de IA

Red Teaming de iA Zonas 3 & 4 [validação]

Testes adversariais contínuos em prompts, caminhos de raciocínio, fluxos de trabalho, uso de ferramentas e comportamento de agentes.

Segmente e proteja ambientes privados de LLM e GPU:

AI Factory Firewall (AIFF)

Dentro da Zona 3 [leste-oeste]

NGFW da Check Point para cargas de trabalho de IA, executado em DPUs NVIDIA BlueField.

Reduzir o raio de alcance em toda a rede

AI Network Firewall e Maestro Hyperscale Firewall

Todos os limites de zona

Camada fundamental de aplicação de controles para malha híbrida e Zero Trust em redes corporativas

O ARGUMENTO PARA ZERO TRUST DE IA

Resumo da arquitetura: cinco zonas de confiança, cada uma com controles dedicados da Check Point

Zero Trust de IA | Resumo da arquitetura Cinco zonas de confiança, cada uma com controles de segurança dedicados da Check Point.

Da esquerda para a direita: usuários [e máquinas] entram por meio de ZTNA, atravessam o AI Network Firewall, chegam a agentes controlados pela segurança agêntica e, em seguida, chegam a LLMs protegidos por defesa de prompts. A carga de trabalho de computação de IA é executada em clusters de GPUs dentro do data center de IA ["AI Factory"]. O data center de IA é protegido por AI Factory Firewalls, juntamente com várias camadas sobrepostas de segurança de IA, incluindo inspeção de IA em tempo de execução de ponta a ponta. Uma única plataforma, com controles aplicados em todos os limites.

Dois pontos de controle suportam a maior parte dessa carga. AI Network Firewall: amplia o NGFW tradicional com inspeção e segmentação específicas para IA, incluindo detecção de injeção de prompts e aplicação de políticas entre usuários, agentes, modelos e sistemas corporativos confidenciais. Secure LLM Gateway: o ponto de controle dedicado às interações com IA e modelos, abrangendo roteamento seguro de LLMs, defesa de prompts, inspeção de conteúdo e políticas e governança da forma como aplicativos e agentes de IA se conectam a modelos internos e externos.

ZONA 1: Usuários e Perímetro

ZONA 2: Aplicativos e Front-end

ZONA 3: Orquestração e Modelos de IA

ZONA 4: Agentes de IA

ZONA 5: Ferramentas, dados e sistemas principais

Firewall de Rede com IA Firewall de Rede com IA Firewall de Rede com IA Defesa imediata AI Factory Firewall/BlueField

Segurança de IA para a força de trabalho

Gateway seguro para LLM Red Teaming de IA Red Teaming de IA Maestro Hyperscale

Segurança de WAF/API IA do ThreatCloud IA do ThreatCloud Check Point + Illumio ZTNA/SASE

Controle de acesso baseado na identidade

NUNCA CONFIE NO USUÁRIO/AGENTE

INSPECIONE TODO O TRÁFEGO

PRIVILÉGIO MÍNIMO

NUNCA CONFIE EM PROMPTS/RESULTADOS

PRESUMA UMA VIOLAÇÃO

O ARGUMENTO PARA ZERO TRUST DE IA

7. Por Onde Começar – Uma Abordagem Executiva em Cinco Fases para Zero Trust de IA

01 � Realizar uma avaliação de segurança de IA baseada em risco Comece entendendo onde a IA cria riscos comerciais e cibernéticos materiais. A liderança deve direcionar uma avaliação estruturada dos casos de uso de IA, agentes, modelos, aplicativos e infraestrutura de suporte em relação a frameworks reconhecidos, como OWASP LLM, OWASP Agentic risks e MITRE ATLAS, para identificar as ameaças mais relevantes, as lacunas de controle e as exposições prioritárias. A Check Point publicou os seguintes materiais para ajudar:

• Ferramenta de Matriz de Risco Check Point AI

• Documento técnico I Agentic AI Security: O Guia para Empresas

• Modelo de segurança para centro de dados de IA e fator de IA\/

02 � Torne visível o patrimônio de IA Depois que o risco tiver sido enquadrado, a próxima etapa será obter visibilidade sobre onde a IA já existe ou está planejada. Isso significa identificar os principais casos de uso de IA, conexões de modelos, agentes, aplicativos habilitados por IA e dependências críticas de ferramentas ou dados em toda a empresa, incluindo implantações informais ou paralelas que possam estar fora da governança atual.

03 � Defina as zonas de confiança Com a visibilidade estabelecida, a organização deve classificar os componentes de IA em um modelo de confiança claro. As equipes de arquitetura e segurança devem usar a abordagem de cinco zonas para distinguir a orquestração de IA, os ambientes de modelos, os agentes e o acesso a MCP ou ferramentas das zonas de DMZ e internas existentes, criando a base de políticas e segmentação para a Zero Trust de IA.

04 � Priorize e proteja os limites de maior risco Nem todo limite tem o mesmo impacto nos negócios, portanto a liderança deve focar primeiro nas transições de confiança mais importantes. A prioridade deve ser dada aos limites em que o comprometimento pode expor dados sensíveis, permitir ação autônoma ou criar risco operacional sistêmico — como as interações aplicativo-para-modelo, modelo-para-agente e agente-para-sistema-central — e em que controles específicos de IA, como firewalls de IA, gateways seguros de IA, defesa de prompt e inspeção de ferramentas, são necessários.

05 � Atribuir responsabilidade e prestação de contas operacional Por fim, a confiança zero para IA deve ser transformada em um modelo operacional, e não permanecer como um conceito arquitetônico. As equipes de segurança e arquitetura empresarial devem definir a estrutura. As equipes de IA e de aplicativos devem definir o comportamento pretendido e o escopo de ação aceitável. E as equipes de infraestrutura e rede devem impor a segmentação e a resiliência. Essas responsabilidades devem ser atribuídas explicitamente antes que as cargas de trabalho de IA sejam ampliadas para produção.

https://airiskmatrix.org/ https://www.checkpoint.com/resources/all-assets-460c/white-paper-agentic-ai-security-the-enterprise-playbook https://engage.checkpoint.com/ai-data-center-ai-factory-security-blueprint

O ARGUMENTO PARA ZERO TRUST DE IA 16

8. Conclusão O Anthropic Mythos e outros modelos avançados de IA de fronteira elevaram o nível de risco para todas as empresas: os ataques impulsionados por IA estão se tornando mais rápidos, mais baratos e mais difíceis de conter, enquanto muitos sistemas corporativos de IA continuam altamente vulneráveis. Enfrentar os desafios da cibersegurança de IA exige adaptação. O Zero Trust de IA é a evolução necessária dos princípios de Zero Trust aplicados aos sistemas de IA. É um modelo eficaz para profissionais da área porque se baseia nas premissas que mais importam atualmente: pressupor violações, aplicar o privilégio mínimo e conter comprometimentos em todos os limites.

A prioridade da liderança é agir rapidamente, tratar a AI Security como uma questão de resiliência dos negócios e estender o Zero Trust de IA a todo o ambiente de IA antes que lacunas na proteção resultem em interrupções dispendiosas nos negócios e perda de confiança ou credibilidade.

Sobre a Check Point A Check Point Software Technologies Ltd. é líder global em cibersegurança e protege mais de 100,000 organizações em todo o mundo. Sua missão é proteger a transformação de IA das empresas. Com base em uma abordagem que prioriza a prevenção e em uma arquitetura de ecossistema aberto, a Check Point ajuda as organizações a reduzir riscos, simplificar operações e inovar com confiança. Essa arquitetura de segurança unificada adapta-se continuamente à evolução das ameaças e à expansão das superfícies de ataque de IA, protegendo redes híbridas, ambientes de nuvem. espaços de trabalho digitais e sistemas de IA. Estruturada em torno de quatro pilares estratégicos, Hybrid Mesh Network Security, Workspace Security, Exposure Management e AI Security, a Check Point oferece proteção e visibilidade consistentes em ambientes complexos de vários fornecedores.

Saiba mais

Proteção do data center de IA e da AI Factory Entre em contato conosco

Sede Global 5 Shlomo Kaplan Street, Tel Aviv 6789159, Israel | Fone: +972-3-753-4599

Sede nos EUA 100 Oracle Parkway, Suite 800, Redwood City, CA 94065 | Fone: 1-800-429-4391

www.checkpoint.com

https://engage.checkpoint.com/executive-guide-securing-the-ai-data-center-ai-factory https://pages.checkpoint.com/2026-mar-ww-ai-factory-and-data-center-security.html https://www.checkpoint.com/pt/

Guide | The Case for AI Zero Trust (Portuguese)

Item Type: pdf