Was ist Cloud-Sicherheit? | Zscaler

Da Unternehmensanwendungen und -daten in verteilte Cloud-Umgebungen migrieren, reichen herkömmliche Perimeterkontrollen nicht mehr aus. Cloud-Sicherheit ist aus folgenden Gründen von entscheidender Bedeutung:

• Schutz verteilter Architekturen: Arbeitskräfte, Anwendungen und Daten befinden sich heute außerhalb der herkömmlichen Unternehmensnetzwerke, wodurch perimeterbasierte Sicherheitsmaßnahmen überholt sind und Unternehmen unüberwachten Zugriffspunkten ausgesetzt sind.
• Digitale Agilität und Innovation ermöglichen: Die Agilität heutiger Unternehmen basiert auf öffentlichen und hybriden Cloud-Umgebungen; die Sicherung dieser Umgebungen gewährleistet, dass Unternehmen sicher Innovationen entwickeln können, ohne Betriebsunterbrechungen zu riskieren.
• Beseitigung kritischer Fehlkonfigurationen: Da immer mehr Möglichkeiten für Fehlkonfigurationen in der Cloud entstehen, sind kontinuierliche automatisierte Sicherheitskontrollen unerlässlich, um gefährliche Schwachstellen zu beseitigen.
• Sicherstellung des granularen Zugriffs: Cloud-Sicherheit setzt strenge Zugriffskontrollen auf Ressourcenebene und Verschlüsselung durch, um Daten auch in mandantenfähigen Umgebungen zu schützen.
• Verteidigung gegen KI-gestützte Angriffe: KI-gestützte Angriffe und automatisierte Crimeware erfordern Cloud-native Abwehrmechanismen, die in der Lage sind, Bedrohungen in Maschinengeschwindigkeit zu neutralisieren.

Die Sicherung von Cloud-Computing erfordert ein Verständnis dafür, wie unterschiedliche Infrastrukturbereitstellungsmodelle die Betriebsgrenzen und die geteilten Verantwortlichkeiten strukturieren:

Cloud-Infrastrukturmodelle

• Sicherheit in der öffentlichen Cloud: Gemeinsam genutzte Infrastruktur, die Cloud-Service-Anbietern (CSPs) wie Amazon Web Services (AWS), Microsoft Azure und Google Cloud gehört. Die Sicherheit basiert auf einem strikten Modell der geteilten Verantwortung, bei dem der Cloud-Service-Provider (CSP) die zugrunde liegende Cloud-Plattform sichert, während der Kunde Daten, Konfigurationen, Zugriffsberechtigungen und Anwendungen sichert.
• Sicherheit in privaten Cloud-Umgebungen: Infrastruktur, die ausschließlich einem einzigen Unternehmen zur Verfügung steht. Das Unternehmen behält die vollständige Kontrolle über den physischen Zugang, die Infrastrukturverwaltung und die Compliance-Kontrollen. Dieses Modell ist daher ideal für stark regulierte Branchen geeignet.
• Sicherheit für hybride Cloud-Umgebungen: Kombiniert die Skalierbarkeit der öffentlichen Cloud mit Sicherheitskontrollen privater Cloud- bzw. On-Prem-Umgebungen. Für ein effektives Sicherheitsmanagement ist eine einheitliche Transparenz und Staussteuerung sowohl für private Kontrollebenen als auch für öffentliche Cloud-Umgebungen erforderlich.
• Sicherheit für Multicloud-Umgebungen: Nutzt mehrere Public-Cloud-Anbieter, um eine Abhängigkeit von einem einzelnen Anbieter zu vermeiden. Sicherheitsstrategien müssen konsistente Zugriffsregeln, DLP-Richtlinien und Statusprüfungen für heterogene Anbieterarchitekturen anwenden.

Cloud-Service-Bereitstellungsmodelle

• Software as a Service (SaaS): Sofort einsatzbereite Software (z. B. Google Workspace, Microsoft 365). Der Fokus der Sicherheit liegt auf Identitätsmanagement, Verhinderung von Datenverlusten (DLP) und Überwachung der Benutzeraktivitäten.
• Platform as a Service (PaaS): Entwicklungswerkzeuge und Laufzeitumgebungen werden in der Cloud gehostet. Sicherheit umfasst die Härtung von APIs, das Management von Code-Schwachstellen und Zugriffskontrollen.
• Infrastruktur as a Service (IaaS): Virtualisierte Rechen-, Speicher- und Netzwerkressourcen. Sicherheit erfordert die Verwaltung von Betriebssystem-Patches, virtuellen Firewalls, Container-Sicherheit und Workload-Isolation.
• Function as a Service (FaaS/Serverless): Kurzlebige ereignisgesteuerte Ausführungseinheiten. Der Fokus der Sicherheit liegt auf Funktionsberechtigungen, der Verwaltung kurzlebiger Geheimnisse und der Bedrohungsisolierung zur Laufzeit.

Die Verlagerung von Infrastruktur und Workloads in die Cloud bringt erhebliche Effizienzgewinne und operative Skalierbarkeit mit sich, birgt aber auch neue Governance- und Expositionsrisiken. Die Bewertung dieser Vor- und Nachteile ermöglicht es Unternehmen, eine Cloud-Strategie zu entwickeln, die geschäftliche Agilität mit einer robusten Risikominderung in Einklang bringt.

Herkömmliche Netzwerksicherheitssysteme basieren auf Hardware-Appliances (Firewalls, Web-Gateways), die an den Netzwerkausgangspunkten eingesetzt werden. In einem Cloud-First-Ökosystem führt die Rückleitung des Traffics über zentralisierte Hardware zu erheblichen Engpässen, beeinträchtigt die Anwendungsleistung und lässt mobile oder Filialmitarbeiter ungeschützt.

Künstliche Intelligenz hat sich sowohl zu einem primären Abwehrmechanismus für die Cloud-Sicherheit als auch zu einem kritischen Angriffsvektor entwickelt, den Sicherheitsbeauftragte in den Griff bekommen müssen.

Nutzung von KI für den Schutz von Cloud-Umgebungen

Moderne Sicherheitsplattformen nutzen künstliche Intelligenz und maschinelles Lernen, um Billionen von täglichen Signalen zu analysieren und anomale Verhaltensweisen und Cyberbedrohungen lange vor der Erkennung durch herkömmliche regelbasierte Tools zu identifizieren. Zu den KI-gestützten Funktionen gehören:

• Vorhersagbare Bedrohungsabwehr: Maschinelle Lernmodelle analysieren Verhaltensmuster, um Zero-Day-Exploits, Phishing-Angriffe und schwer erkennbare Malware direkt zu blockieren.
• Automatisierte Risikokorrelation: Mithilfe von KI werden Fehlkonfigurationen, übermäßige Berechtigungen und Datenexpositionspfade korreliert, um toxische Kombinationen hervorzuheben und die Alarmmüdigkeit zu reduzieren.
• Automatisierte Anwendungssegmentierung: KI analysiert dynamisch die Datenströme, um Anwendungen zu gruppieren und eine Segmentierung nach dem Prinzip der minimalen Rechtevergabe durchzusetzen, ohne dass manuelle Richtlinien erstellt werden müssen.

Cloud-Sicherheit im Zeitalter der generativen KI

Die rasche Integration von Generativer KI (GenAI) und großen Sprachmodellen (LLMs) in den täglichen Geschäftsablauf hat die Angriffsfläche für Unternehmen dramatisch vergrößert. Wie im Report von Zscaler ThreatLabz zur KI-Sicherheithervorgehoben wird, haben die Aktivitäten von Unternehmen im Bereich KI und der Datenübertragungen zu GenAI-Tools dramatisch zugenommen, wodurch dringende Risiken in Bezug auf Schatten-KI, Prompt-Injection-Angriffe, den Verlust vertraulicher Daten und die Bereitstellung nicht vertrauenswürdiger Modelle entstanden sind. Um GenAI sicher einsetzen zu können, müssen Unternehmen Inline-KI-Prüfungen, Schutzmechanismen für die Inhaltsmoderation und kontextbezogene Maßnahmen zur Verhinderung von Datenverlusten implementieren.

AI Security Posture Management (AI-SPM)

AI Security Posture Management (AI-SPM) ist eine spezialisierte Disziplin der Cloud-Sicherheit, die darauf abzielt, KI-Assets in öffentlichen und privaten Cloud-Umgebungen aufzudecken, zu bewerten und zu steuern. Zu den wichtigsten Funktionen gehören:

• KI-gestützte Asseterkennung: Automatische Inventarisierung von KI-Modellen, Vektordatenbanken, RAG-Pipelines und Schatten-KI-Tools.
• Verhinderung von Datenlecks und Exposition: Verhindert, dass vertrauliche Unternehmensdaten (personenbezogene Daten, Quellcode, Finanzdaten) in nicht genehmigte KI-Modelle oder Trainingsdatensätze gelangen.
• Schwachstellen- und Modellbewertung: Durchsucht Open-Source-Modelle (z. B. Hugging Face) und KI-Infrastrukturen nach Lieferkettenfehlern, Data Poisoning und OWASP Top 10 für LLM-Risiken.

Um eine resiliente Cloud-Strategie aufzubauen, sollten Unternehmen folgende strategischen Schritte umsetzen:

• Eine Cloud-native Zero-Trust -Architektureinführen: Eliminieren Sie implizites Vertrauen, indem Sie authentifizierte User und Workloads direkt mit spezifischen Anwendungen anstatt mit dem zugrunde liegenden Netzwerk verbinden.
• Kontinuierliche Überprüfung von Sicherheitsstatus und Berechtigungen: Automatisieren Sie das Scannen von CSPM und CIEM, um Fehlkonfigurationen, riskante offene Ports und übermäßige Berechtigungen in Echtzeit zu erkennen.
• Einheitliche Maßnahmen zur Verhinderung von Datenverlusten implementieren: Zentralisierte DLP-Richtlinien für Inline-Webverkehr, SaaS-Tools, öffentliche Cloud-Speicher und KI-Endpunkte anwenden.
• Mikrosegmentierung erzwingen: Verhindern Sie die laterale Bewegung von Bedrohungsakteuren, indem Sie die Kommunikationswege zwischen den Workloads isolieren.
• Verlagerung der Sicherheit in die Frühphasen der DevOps-Pipeline: Integrieren Sie automatisierte Code- und Container-Sicherheitsprüfungen direkt in CI/CD-Pipelines zum Aufspüren von Schwachstellen vor der Bereitstellung in Produktionsumgebungen.

Zscaler schützt Ihr Unternehmen durch Zero Trust Cloud, die nativ auf der Zscaler Zero Trust Exchange™ aufgebaut ist. Zero Trust Cloud dient als primäre Architektur zur Sicherung von Workloads, Usern und Daten in Multi-Cloud-Umgebungen.

Zscaler wurde 2026 im Gartner Magic Quadrant für SASE als Leader ausgezeichnet und stellt eine umfassende, Cloud-native Zero-Trust-Plattform bereit:

• Zero-Trust-Cloud: Sichert alle Workload-zu-Workload- und Workload-zu-Internet/Cloud-Verbindungen über AWS, Azure, GCP und private Rechenzentren, wodurch die Angriffsfläche verringert und eine laterale Ausbreitung von Bedrohungen verhindert wird.
• Zscaler Private Access™ (ZPA™): Bietet sichere Direktverbindungen zu privaten Unternehmensanwendungen in hybriden und Multi-Cloud-Umgebungen, wodurch die Abhängigkeit von VPNs entfällt und die laterale Ausbreitung von Bedrohungen verhindert wird.
• Zscaler DSPM: Bietet einheitliches Data Security Posture Management (DSPM), Cloud Security Posture Management (CSPM) und Cloud Infrastructure Entitlement Management (CIEM) zur Behebung von Risiken im Zusammenhang mit der Offenlegung von Cloud-Daten und der Konfiguration.
• Zscaler AI-SPM und AI Data Protection: Ermöglicht die sichere und regelkonforme Einführung von KI in Unternehmen durch die Erkennung von Schatten-KI-Tools, die Sicherung von GenAI-Datenflüssen und den Schutz kundenspezifischer LLM-Pipelines.