3、制定响应计划框架：NIST CSF框架介绍、ISO 27001在AI场景的适配、制定组织级AI安全策略
好，咱们进入第三章。说实话，这一章是整个手册的骨架。你前面学了威胁建模，也知道了AI系统有哪些脆弱点，但如果没有一个框架把这些东西串起来，那响应计划就是一盘散沙。
我个人习惯，做任何安全体系设计，先找标准。别自己瞎造轮子，行业里已经有成熟的东西了。今天咱们重点聊两个：NIST CSF 和 ISO 27001。嗯，还有一个组织级策略怎么落地的问题。
3.1 NIST CSF框架介绍
NIST CSF，全称是NIST Cybersecurity Framework。美国国家标准技术研究院出的。这玩意儿不是AI专属，但用在AI场景里特别顺手。
它把安全响应分成了五个核心功能：识别、保护、检测、响应、恢复。你想想看，这不正好对应AI事件的生命周期吗？
| 功能 | AI场景对应 | 我踩过的坑 |
|---|---|---|
| 识别（Identify） | 梳理AI资产、模型清单、数据流向 | 有一次客户连自己有多少个模型都不知道 |
| 保护（Protect） | 模型加密、访问控制、训练数据脱敏 | 明文存储的模型权重被人拖走了 |
| 检测（Detect） | 模型行为监控、异常推理检测 | 模型悄悄输出敏感信息，没人发现 |
| 响应（Respond） | 事件分级、应急回滚、模型下线 | 响应流程写得太复杂，真出事没人看得懂 |
| 恢复（Recover） | 模型备份恢复、业务连续性保障 | 备份策略没验证过，恢复时才发现数据坏了 |
核心要点：NIST CSF不是让你全部做完，而是给你一个检查清单。我建议先从「识别」和「检测」入手，这两个是AI安全最薄弱的环节。
3.2 ISO 27001在AI场景的适配
ISO 27001，搞安全的都知道。信息安全管理体系标准。但说实话，它最初是为传统IT设计的，拿到AI场景里，有些地方需要调整。
我记得有一次帮一家AI公司做27001认证辅导，审核员问：「你们的模型训练数据怎么管理？」对方答：「存在S3里。」审核员又问：「访问控制呢？」对方说：「有IAM策略。」然后就没然后了。你看，这明显不够。
ISO 27001在AI场景里，我建议重点关注这几个控制项：
- A.8 资产管理：把模型、训练数据、标注数据都纳入资产清单。别只盯着服务器和数据库。
- A.9 访问控制：模型推理接口的访问控制，跟传统API不一样。要考虑模型窃取、提示注入这些AI特有的攻击面。
- A.12 操作安全：MLOps流水线的安全，包括代码审查、模型版本管理、训练日志审计。
- A.16 事件管理：这是咱们课程的核心。ISO 27001要求有事件响应流程，但没具体说AI事件怎么处理。需要我们自己补充。
我的建议：别试图把ISO 27001的所有条款都套到AI上。挑出跟AI强相关的20-30个控制项，做一份「AI安全控制矩阵」。我曾经帮一个团队做过，效果很好，审核员也认可。
3.3 制定组织级AI安全策略
框架有了，标准也适配了，接下来就是落地。组织级AI安全策略，说白了就是一份让老板签字、让开发执行、让运维有据可依的文件。
我见过太多「策略」写得跟天书一样，没人看，也没人用。所以我的原则是：策略要短，流程要细，责任要清。
一份合格的AI安全策略，至少包含以下内容：
- AI安全总纲：一句话说清楚公司对AI安全的态度。比如「所有AI系统必须通过安全评审才能上线」。
- 角色与职责：谁负责模型安全？谁负责数据安全？谁负责事件响应？别让「安全是安全部门的事」这种话出现。
- AI资产分级：根据业务影响，把AI系统分成S/A/B/C四级。核心交易模型是S级，内部辅助工具是C级。不同级别，响应时间不同。
- 事件响应流程：这个咱们后面章节会详细讲。这里先定个基调——发现事件后，15分钟内必须上报。
- 持续改进机制：每季度做一次演练，每半年复盘一次策略。别写完了就束之高阁。
避坑指南：我曾经帮一家金融科技公司写策略，老板要求「覆盖所有AI场景」。结果策略写了80页，没人能看完。后来我改成「核心场景详细写，边缘场景引用通用流程」，反而执行得更好。记住：策略不是论文，是操作手册。
嗯，说到这里，我想强调一点：框架和标准是死的，人是活的。NIST CSF和ISO 27001给了你骨架，但血肉需要你自己填充。每个组织的AI场景不一样，风险偏好不一样，响应能力也不一样。别照搬，要适配。
最后，留个思考题：你所在的组织，目前最缺的是哪个环节？识别？保护？还是响应？想清楚这个，你就知道下一步该往哪使劲了。