SAPinsider 分析为什么 SAP BTP 扩展需要 DevSecOps 护航干净核心
SAPinsider 刊文探讨了 SAP 干净核心战略下如何通过 DevSecOps 保障 SAP BTP 扩展的安全性。文章指出,将自定义开发从本地转移到 SAP BTP 等分布式云环境改变了应用攻击面,企业必须在 CI/CD 管道中集成自动化应用安全测试,以应对缺失的授权检查、动态 SQL 注入和应用路由器配置错误等常见代码级漏洞。
SAPinsider 刊文探讨了 SAP 干净核心战略下如何通过 DevSecOps 保障 SAP BTP 扩展的安全性。文章指出,将自定义开发从本地转移到 SAP BTP 等分布式云环境改变了应用攻击面,企业必须在 CI/CD 管道中集成自动化应用安全测试,以应对缺失的授权检查、动态 SQL 注入和应用路由器配置错误等常见代码级漏洞。
在 DisrupTV 第 454 期节目中,嘉宾 Jeff Jonas、David Bray 和 Jeff Cole 探讨了 AI 智能体如何改变身份、安全及行业颠覆的速度,并为企业领导者应对机器规模的世界提出了建议。
SAPinsider 推出一场面向安全领袖的高管威胁简报网络研讨会,重点探讨奢侈品行业如何防范直接针对 SAP 核心系统的复杂攻击。简报内容涵盖 SAP 入侵剖析、奢侈品专属业务影响量化、合规与安全的区别,以及在维护客户体验的同时强化 SAP 环境的韧性路线图。
欧盟 NIS2 指令将企业核心 SAP 系统纳入关键监管范围,要求企业加强应用层安全管控、满足严格的事件报告时限,并落实高管个人问责制。文章详细梳理了关键与重要实体分类、罚则、24 小时至 30 天的事件上报序列,以及 SAP 共享责任模型下的合规要点。
微软首席执行官 Satya Nadella 在伦敦活动期间,阐述了企业 IT 管理中如何管控智能体式 AI 的看法。该活动重点关注了智能体式 AI 的治理问题。
文章分析了企业部署 AI 智能体时面临的权限继承、缺乏运行时监管以及提示词注入等内部与安全威胁。由于传统安全工具无法干预毫秒级的智能体行为,文章提出企业需要建立涵盖智能体发现、行为可见性、实时控制和跨层面覆盖的 AI 检测与响应机制。
AI 正加速 SAP 自定义代码开发,却也带来了传统安全审查容易忽视的新漏洞,因此有必要转向自动化应用安全测试。Deloitte 联合开展的网络研讨会将探讨 AI 生成的代码所带来的新兴风险,帮助企业在利用 AI 加速创新的同时确保 SAP 应用安全。
SAPinsider 报道了 Onapsis 发布的 2026 年 AI 与 ERP 安全威胁研究报告,指出企业在 SAP、Oracle 等核心系统中部署 AI 的速度远超网络防御能力。近 69% 的安全主管对当前防范 AI 威胁的能力缺乏信心,且有 21.6% 的受访企业在过去 12 个月内遭遇过利用 AI 攻击核心业务平台的安全事件。
Onapsis 与 CrowdStrike 宣布深化战略联盟,将 Onapsis Assess 与 CrowdStrike Falcon Exposure Management 进行集成,为 SAP 环境提供统一的端到端安全防护。此次合作通过将 SAP 应用层智能与 CrowdStrike 统一暴露模型相结合,消除了企业 SAP 系统与中央 SOC 之间的盲点,实现实时风险优先级排序和自动响应。
SAP 在 SAP Community 系列文章中阐述了 AI 智能体从构建、使用到监控的控制机制,涵盖身份识别、网关检查、生产环境审批及上线后的监控工具。该机制通过为每个智能体设定明确的所有者、权限范围与安全审核,以确保其在企业系统中的安全运行。
开放权重 AI 模型正在挑战企业对闭源模型的依赖,Vercel 平台上其 token 体积占比从 4 月的 11% 飙升至 7 月的 36%。技术领导者应从个人和团队试验开始,通过本地或云端运行的开源工具探索低成本应用场景。企业在评估时需平衡合规性、成本与定制化风险,通过企业协议和明确的权限边界来确保数据安全。
专栏观点指出,将 AI 成本与业务成果挂钩的“Tokenomics”本质上是用难以理解的指标来管理成本,正如当年的 Function Point Analysis 一样充满缺陷。该方法依赖于不稳定的模型架构,且容易将决策者的注意力局限在 AI 成本上,最终导致难以推行的内部账单分摊。
Noetic AI 发布的最新研究指出,制造业在性别平等的不平等起点上引入 AI,女性占制造业就业人数的 27.8%,薪酬差距为 14.7%。英国制造企业 Beko UKI 委托了这项研究,探讨 AI 是否能助力女性职业发展。报告显示,女性在英国制造业中比男性更有可能接触到生成式 AI 任务,但她们对 AI 带来的公平性信任度显著低于男性。
SAP BTP 共享责任模型表明,尽管 SAP 负责保护底层云基础设施,但客户仍对自定义应用程序、代码和数据的安全承担全部责任。随着开发团队越来越多地利用 SAP Build 和 Joule 等工具进行低代码开发与 AI 代码生成,未能主动管理安全配置和进行漏洞扫描将带来严重的企业数据泄露风险。
作者分析指出许多 SAP 客户在盲目构建 AI 智能体前未明确业务问题,建议从治理、监控和最低拥有成本原则出发评估是否采用现有 SAP 功能或配置来解决问题。
在 AI 时代,企业面临着缺乏对 AI 理解以及 AI 独特故障模式这两大核心安全挑战,而这些问题根源都在于数据。企业需要通过结合人员、流程、技术与组织控制的综合 AI 治理方案,并采用隐私增强技术、合成数据以及明确的供应商协议来保护敏感数据。
Accenture 的 Tiede-Jan de Jong 在访谈中探讨了如何通过预防性控制来增强 SAP 安全性和合规性,从而在风险发生前加以阻止。讨论涵盖了在访问生命周期早期解决职责分离风险的方法、常见挑战以及新兴技术对现代 SAP 安全策略的影响。
企业计算正在向智能体规模演进,全天候运行的 AI 智能体将带来不可预测的工作负载与新的基础设施挑战。为了支撑智能体高效发现和查询非分散数据,企业数据基础设施正向智能存储演进,将智能拉近数据所在地。CIO 必须构建集成了弹性计算、统一数据层与严格数据主权控制的现代化基础设施栈以应对这一转变。
Onapsis Research Labs 披露了影响 SAP 核心组件的最高严重等级漏洞 OVERPASS(CVE-2026-44756),该漏洞允许未经身份认证的远程攻击者在 SAP 主机上执行操作系统命令。
推荐理由:Onapsis 披露了编号为 CVE-2026-44756 的 SAP 核心高危漏洞并建议紧急打补丁,企业可通过此文评估该漏洞的攻击向量及修复范围。
Onapsis Research Labs 发布威胁通报,分析了开源 SAP 漏洞利用工具包 SAPMAP 的攻击能力与潜在风险。该工具包包含多个已知及最新修复漏洞的验证攻击模块,支持自主化攻击链操作。Onapsis 建议 SAP 客户优先排查并应用相关安全补丁,以防范潜在的安全威胁。
企业部署 AI 智能体面临缺乏可见性与运行时行为失控的挑战,Anthropic 数据显示 82% 的组织在其网络中发现了未注册的智能体。应对这一问题需要结合构建阶段安全与运行时行为监督,实施访问权限控制,并根据可利用性而非单一严重性对风险进行优先级排序。
英国金融行为监管局首席数据官 Jessica Rusu 在演讲中倡议,要求英国公司强制报告重大的 AI 故障与险情,以应对生成式 AI 和智能体部署带来的运营风险。行业专家指出,此类监管提议面临定义模糊、处罚力度以及可能对监控水平不同的企业产生误导等挑战。
ServiceNow 发布名为《已部署但未受控:智能体安全现状》的研究报告指出,多数英国受访企业在过去一年中曾遭遇智能体安全事件且难以快速控制,凸显出企业在快速部署 AI 智能体的同时亟需强化安全治理与设计阶段的风险管控。
Onapsis 与 SAP 联合披露了存在于 SAP NetWeaver 消息服务器中的高危前置认证漏洞 S4GET(CVE-2026-58240),该漏洞无需认证即可实现远程代码执行。官方已通过 SAP 安全通告 3759472 发布修复补丁,适用于运行受影响内核版本的 SAP S/4HANA 及其他基于 ABAP 的系统,企业需立即评估风险并优先部署补丁。
SAPinsider 报道了混合 SAP 环境在云迁移过程中面临的横向移动安全风险,指出攻击者常利用云连接器配置不当、信任关系滥用以及子账户服务凭据泄露等漏洞在云端与本地系统间跳转。文章梳理了三种典型的跨边界攻击向量,并针对性地给出了禁用诊断追踪、实施最小权限原则以及隔离 BTP 子账户等加固与验证步骤。
文章介绍了企业为部署 AI 智能体准备数据的三个步骤,包括使数据具备可搜索性、赋予 AI 所需的上下文以及在数据中建立信任。KPMG 报告预测,数字助手到 2027 年将占核心技术团队工作能力的 36%。
Microsoft 宣布扩展主权云产品矩阵,新增 Sovereign Control Panel、外部密钥管理以及支持本地推理与智能体检索的 Foundry Local 等安全、治理与 AI 能力。同时,该公司在欧洲推出 Data Guardian 区域监督机制与生产触点分类账,以满足企业对数据存储位置、访问权限及地缘政治风险合规的控制需求。
随着企业从推荐系统转向自主执行的 AI 智能体,智能体在完成任务过程中往往会通过小幅度的权限叠加和人工监督的淡化,逐渐累积超出原定预期的权限。RSA、1Password 和 NatWest Group 的安全与 AI 负责人建议,企业应在模型外部构建独立的访问控制与验证机制,实施动态实时授权,并明确智能体的责任归属与多智能体系统级管控。
随着业务部门借助 AI 工具快速构建应用的能力普及,CIO 的角色正从控制交付速度转变为提供判断力、治理标准和稳固的数字底座。文章指出,技术组织需要把控项目价值、通过分级治理规范影子 AI、并提供统一的架构与数据 harness 以保障企业级扩展。
美国国土安全部发布命令,禁止联邦民事机构采购和使用所有 DeepSeek 产品及服务,要求政府机构在 60 天内将其从 IT 系统中清除。该禁令源于对数据主权、中国法律及安全漏洞的担忧,且范围涵盖使用 DeepSeek 实现的第三方工具和软件。与此同时,DeepSeek 正开源其内部推理框架 DeepInfer 并推进技术创新,但安全合规问题正促使企业对其企业级应用风险进行重新评估。
微软扩展了 Project Perception 智能体安全系统,为企业内部运行的 AI 智能体引入动态权限、风险评分和 Guardian Agents 等控制机制。该系统通过 Microsoft Entra Agent ID 为每个智能体赋予独立身份,并根据实时风险评估动态调整其访问权限与执行范围。
推荐理由:原文详细介绍了微软针对 AI 智能体推出的动态权限与风险控制机制,企业安全和 ERP 团队可据此了解如何对内部运行的智能体进行风险评估与权限收敛。