我所知道的英伟达是怎么做内部安全的
我所知道的英伟达是怎么做内部安全的
作者：让天下没有难做的安全 | 发布时间：2025年11月17日 16:45
原文链接：微信公众号
英伟达在上海有 SOC 的 7*24 安全团队，安全运营中心的工具和SOAR的本地化流程符合《中国网络安全法》，日常做工作包含监控、检测和应急响应，维护Kubernetes、AI workload 的防御策略，保护的对象是混合云训练数据、模型和推理节点。
安多多关注AI+多云安全的PMF阶段种子需求，科普这家全球市值最高公司的内部工作，欢迎大家讨论。
防护的对象
Nvidia 的市值超过苹果、微软、谷歌、亚马逊，是聚焦于AI、云计算、半导体和数字生态的巨头。在大国竞争中，芯片扮演着至关重要的角色，行业谈论黄仁勋的领导的企业文化有介绍，英伟达的安全实践更值得大家深入了解。
英伟达的业务远不止卖显卡，芯片这么简单，它是一家平台级公司：还有笔记本、工业汽车网、网络服务、AI 相关的软件服务，对外提供的 gpu 云和数据中心 GDC CLOUD。
有硬件，有软件，有云服务，这种多样化的系统基础设施需要采用不同的安全解决方案。
英伟达内部并没有标新立异，安全方法论遵循DevSecOps、安全左移理论。
对待 AI 和安全结合的态度是：把安全作为数据问题，使用AI分析数据，提效自动化决策。
组织架构和文化
22 年是安全分水岭，之前是偏重内部芯片的安全，安全建设文化是柔性的。22 年LAPSUS$ 勒索黑客公布了18.9G 容量的资料，40万份文件和员工信息，其中包括英伟达下一代显卡40系的信息和DLSS专利源码细节，引起内部停工2天，目的是要价 100 万美元和勒索英伟达放开英伟达3000系列显卡挖矿限制，然后找了微软、duo security 和 AI 方向的大牛做安全，加班不少。
产品安全总体负责
安全是软件研发部门的子团队，英伟达汇报体系强调是方向负责制，不是金字塔，类似于多个圆柱形的直接大群汇报，安全之前直接向黄仁勋汇报，现在首席信息官也管，每个业务部分的副总裁是落地各自的安全水平。
在产品立项初期，安全工程师就参与进产品和工程团队组成虚拟安全团队，向业务研发负责人汇报。同 QA、法务、隐私一起推动开发团队的流程、培训、威胁建模。直接参与到研发流程中的特点在于安全与业务的深度融合，安全不再是业务发展的约束，而是成为了业务创新的驱动力。
具体的产品安全职责有:
在 IaaS 层面关注虚拟机平台和容器的隔离、CPU 架构层面的安全控制设计，还有常规的 Unix（英伟达有自己操作系统Cumulus） 和 web 安全。
在 PaaS 层面关注 k8s 环境安全，容器编排，管道流水线的安全工具集成。
SaaS 层面关注 AI 应用套件的安全开发和部署、认证授权、联邦身份协议，还有机器学习模型的安全防护。
供应链安全方面，英伟达的技术栈比较分散，内部主要使用Oracle、GCP、AWS和Azure等云平台，研发有TeamCity, GitLab, Jenkins, Azure, Google Cloud 及内部自研方案，开发语言C、C++、Java、Golang、Python都有，芯片方面因为安全逐步放弃 C 。安全容许业务部门创建和运行自己的安全门禁策略。跨不同业务部门使用的多种CI/CD工具链，部署 SAST、DAST 和SCA 和开源漏洞扫描器。
漏洞管理公告方面，主要是PSIRT机制，在 25 年 10 月份规范了 cve 漏洞安全公告，可以访问github.com/NVIDIA/product-security?tab=readme-ov-file，运行机制良好。
系统芯片安全方面属于业务团队自己的安全研发设计环节，做可信固件，重点建设 RISC-V 架构、信任根和安全处理器和安全设计硬件，开发使用硬件安全方法实现可信平台的基础设施。对外通过BlueField DPU和DOCA软件呈现硬件信任根。
英伟达通过Intigriti 和白帽子联系，对英伟达资产公开致谢（不欢迎中国黑客），对英伟达的产品和 AI 相关的漏洞奖励计划是私密的。认为在 AI 时代，CISO 更要关注黑客社区。
NVIDIA 芯片的后门这个事情不是安全技术，这里不讨论了。
AI安全方面
专职安全架构师负责对AI产品进行安全威胁建模，全程支持对 AI 工具的正确和安全辅导，芯片涉及芯片安全架构、安全标准和密码学，需要扎实的威胁模型和缓解技术方面。
SOC团队：十年前开始做AI安全运营
SOC 团队在黄仁勋对整个公司 AI 转型的要求下，早就重视 AI和机器学习的结合，认为安全也是一种数据，从边界到硬盘、到 CPU、到 GPU，处理数据不同影响安全效果，特别强调使用AI工具增强产品安全性和机器学习在威胁检测中的应用。
早期一个实践是各种各样的日志，通过算法而不是正则来实现字段的对接，还有通过机器学习评分来识别异常的方案，去除比如员工使用 vpn、周末办公的降噪误报。
安全同数据分析团队紧密合作做 SIEM 、EDR和身份安全（安全团队有数据没技术，安全团队缺技术）
红队：跨职能的攻防团队
由逆向挖洞、模拟演练，AI、学术界、数据科学家组成的跨职能团队，目的是避免人工智能时代的技术、模型声誉和合规风险。
具体的工作负责识别和验证嵌入式固件、硬件和关键系统软件中的漏洞，打破NVIDIA CC、ARM TEE、Intel SGX/TDX的隔离机制，识别 AI 系统的风险，发现漏洞后还得负责和开发团队合作进行修复。
英伟达 AI 红队12 人，最新的成果是大语言模型 (LLM) 的安全评估和保护，开源了garak 作为 LLM 漏洞扫描器。
基础网络安全与SRE合作
身份和访问安全的基础建设归属于 SRE 团队，比如mTLS 、SPIFFE、Vault、AWS/Azure/Google Secret Manager、K8s Secrets 、Istio这些零信任架构的实施、运营由可靠性团队执行。
网络安全SRE还做一件事情是持续风险评估，避免防御边界的突破，威胁事件出现后，牵头负责安全事件管理、分类、复盘分析和故障恢复 ，兜底 mttr 指标。
安全产品技术
1、NeMo Guardrails：AI安全围栏
类似可编程的AI安全SDK，允许开发者在应用程序代码和LLM之间添加安全护栏，支持包括LLM 输入输出检查、幻觉检测、内容安全、越狱检测和注入攻击检测等。
2、Morpheus SDK：GPU加速的AI安全平台
Morpheus SDK平台本质不是一个AI安全解决方案，而是想让所有的安全方案都能被赋能的AI 平台，是一款 GPU 加速的端到端 AI 框架，使开发人员能够创建针对海量流式网络安全数据进行过滤、处理和分类的优化应用程序。利用 AI实时检测、预防和响应网络威胁，在钓鱼检测，设备行为指纹方面是强项，内部也在使用。
3、BlueField DPU：硬件级安全基础
NVIDIA BlueField 是每个 AI 的基础安全组件，其上的DOCA Argus 框架利用先进的内存取证技术实时监控威胁，提供运行时威胁检测 ，是 agentless 方案。DPU 技术做网络层面的隔离、加密和检测。SuperNICs提供的硬件加速线速IPsec/TLS加密确保了数据在传输过程中的安全性。
4. NGC Catalog：AI软件供应链安全
AI 的微服务在英伟达系统称为NIM，打包到NIM运行时容器中的模型通过签名校验和 jfrog 的供应链安全扫描，保障镜像没有未经授权的篡改和无开源组件漏洞。对政府交付的 AI 产品使用经过裁剪和加固的基础镜像构建，通过DISA STIG和FedRAMP认证。
NVIDIA NGC Catalog作为AI软件、模型和工具的中心平台，其安全性是英伟达关注的重点。NGC Catalog中的所有容器镜像都经过Anchore Enterprise 提供的CVE扫描，以及恶意软件、加密密钥和开放端口等检测。
构建纵深防御体系是个复杂的体系，安多多团队把资深的安全运营经验转为平台工具化，使用AI+云方能防患未然，访问 https://www.anduoduo.net 即可直接使用。
安多多-Wiz级多云安全平台，资产真实风险一张图看清，正式开放使用
帮助文档：安多多云安全平台帮助中心https://lv8u92t29eh.feishu.cn/docx/MHnKdjZKgoZzpsxAsYcc5hAenzg?from=from\_copylink
微信群聊和微信客服: anduoduo2025