微软的Copilot被称为世界上最强大的生产力工具之一。
Copilot是一个AI助手，它位于你的每个Microsoft 365应用程序中-Word、Excel、PowerPoint、Teams、Outlook等。微软的梦想是从日常工作中解脱出来，让人类专注于成为创造性的问题解决者。
让Copilot成为一个不同于ChatGPT和其他AI工具的工具的是，它可以访问你在365中所做的一切，Copilot可以立即从你的文档、演示文稿、电子邮件、日历、笔记和联系人中搜索和汇编数据，这就是信息安全团队认为存在的问题，Copilot可以访问用户可以访问的所有敏感数据。平均而言，一家公司10%的M365数据对所有员工开放。
Copilot还可以快速生成必须保护的全新敏感数据。在AI革命之前，人类创建和共享数据的能力远远超过了保护数据的能力，只要看看数据泄露的趋势就知道了，GenAI为这把火加了一把油。
作为一个整体，当谈到GenAI时，有很多东西需要拆解：模型中毒、幻觉、深度假冒等，然而，在这篇文章中，我将专门关注数据安全以及你的团队如何确保安全的Copilot推出。
Microsoft 365 Copilot的使用案例
GenAI与M365这样的协作套件的使用案例是无限的，很容易理解为什么这么多IT和安全团队都在叫嚣着要及早访问并准备他们的推广计划，生产率的提升将是巨大的。
例如，你可以打开一个空白Word文档，并要求Copilot根据目标数据集为客户起草一份建议书，目标数据集可以包括OneNote页面、PowerPoint幻灯片和其他办公文档，在几秒钟内，你就有了一个完整的提案。
以下是微软在发布会活动中给出的更多例子：
- Copilot可以参加你的Teams会议，实时总结正在讨论的内容，捕捉行动项目，并告诉你哪些问题在会议中未得到解决。
- Outlook中的Copilot可以帮助你对收件箱进行分类、确定电子邮件的优先顺序、汇总主题并为你生成回复。
- Excel中的Copilot可以分析原始数据，为你提供见解、趋势和建议。
Microsoft 365 Copilot的工作原理
以下是Copilot提示处理方式的简单概述：
- 用户在Word、Outlook或PowerPoint等应用程序中输入提示。
- 微软根据用户的M365权限收集用户的业务环境。
- 向LLM(如GPT4)发送提示以生成响应。
- 微软执行负责任的AI后处理检查。
- 微软向M365应用程序返回一个响应和命令。
Microsoft 365 Copilot的安全模型
在微软，生产力和安全性之间总是存在着极端的紧张关系。
这一点在冠状病毒期间表现得淋漓尽致，当时IT团队在没有完全了解底层安全模型如何工作或组织的M365权限、组和链接策略如何形成的情况下，就迅速部署了Microsoft Teams。
好消息是：
- 租户隔离。Copilot仅使用来自当前用户的M365租户的数据，AI工具不会显示来自用户可能是访客的其他租户的数据，也不会显示可能设置了跨租户同步的任何租户的数据。
- 培训范围。Copilot不会使用你的任何业务数据来培训Copilot为所有租户使用的基础LLM，你不用担心你的专有数据会出现在其他租户的其他用户的回复中。
坏消息是：
- 权限。Copilot显示个人用户至少具有查看权限的所有组织数据。
- Copilot生成的内容不会继承Copilot响应来源的文件的MPIP标签。
- Copilot的回应不能保证100%真实或安全，人类必须对审查AI生成的内容负责。
让我们把缺点一个接一个地详细说出来。
权限
如果公司能够轻松地在Microsoft 365中强制实施最低特权，那么将Copilot访问权限仅授予用户可以访问的内容将是一个很好的想法。
微软在其Copilot数据安全文档中指出：
请务必使用Microsoft 365服务中提供的权限模式(如SharePoint)，以帮助确保正确的用户或组能够正确访问企业中的正确内容。
然而，我们从经验上知道，大多数企业都远远谈不上享有最低特权，看看微软自己的云权限状态风险报告中的一些统计数据就知道了。
这张图片与我们每年对使用Microsoft 365的公司执行数千次数据风险评估时Varonis看到的情况相吻合。在我们的报告中，我们发现M365租户平均拥有：
- 4000多万个唯一权限
- 11.3万多条公开共享的敏感记录
- 27K+共享链接
这一切为什么要发生?Microsoft 365权限极其复杂，只需考虑一下用户可以访问数据的所有方式：
- 直接用户权限
- Microsoft 365组权限
- SharePoint本地权限(具有自定义级别)
- 访客访问
- 外部访问
- 公众通道
- 链接访问(任何人、组织范围内、直接访问、访客)
更糟糕的是，权限主要掌握在最终用户手中，而不是IT或安全团队。
标签
微软在很大程度上依赖敏感标签来执行DLP策略、应用加密和广泛防止数据泄露，然而，在实践中，让标签发挥作用是困难的，特别是如果你依赖人类来贴敏感标签的话。
微软描绘了一幅美好的图景，将标签和屏蔽作为数据的最终安全网，现实揭示了一种更糟糕的情景，随着人类创造数据，标签往往落后或过时。
阻止或加密数据可能会增加工作流的摩擦，而标记技术仅限于特定的文件类型，一个企业拥有的标签越多，它对用户来说就越令人困惑，对于较大的企业来说，这一点尤其强烈。
当AI生成更多需要准确和自动更新标签的数据时，基于标签的数据保护的效率肯定会下降。
我的标签没问题吧?
Varonis可以通过扫描、发现和修复以下内容来验证和改进组织的Microsoft敏感度标签：
- 没有标签的敏感文件
- 标签不正确的敏感文件
- 带有敏感标签的非敏感文件
人类
AI可以让人类变得懒惰，像GPT4这样的LLM生成的内容不仅很好，而且很棒，在许多情况下，速度和质量都远远超过了人类的能力，因此，人们开始盲目信任AI来创造安全和准确的响应。
我们已经看到了现实世界中的场景，在这些场景中，Copilot为客户起草了一份建议书，其中包括属于完全不同客户的敏感数据，用户快速扫一眼(或不扫一眼)后点击“发送”，现在你就有了隐私或数据泄露的场景。
让你的租户安全-为Copilot做好准备
在你的Copilot推出之前，对你的数据安全态势有一个感觉是至关重要的。现在，Copilot已基本可用，现在正是设置安全控制的好时机。
最好的方法是从免费的风险评估开始，只需几分钟即可完成设置，一两天之内，你就可以实时了解敏感数据风险。