Funkcje sterowania zgodnością z przepisami usługi Azure Policy dla usługi Azure Machine Learning
Zgodność z przepisami w usłudze Azure Policy udostępnia definicje inicjatyw utworzonych i zarządzanych przez firmę Microsoft, znanych jako wbudowane, dla domen zgodności i mechanizmów kontroli zabezpieczeń związanych z różnymi standardami zgodności. Ta strona zawiera listę domen zgodności i mechanizmów kontroli zabezpieczeń dla usługi Azure Machine Learning. Wbudowane funkcje kontroli zabezpieczeń można przypisać indywidualnie, aby ułatwić zapewnienie zgodności zasobów platformy Azure z określonym standardem.
Tytuł każdej wbudowanej definicji zasad łączy się z definicją zasad w witrynie Azure Portal. Użyj linku w kolumnie Wersja zasad, aby wyświetlić źródło w repozytorium GitHub usługi Azure Policy.
Ważne
Każda kontrolka jest skojarzona z co najmniej jedną definicją usługi Azure Policy . Te zasady mogą pomóc ocenić zgodność z kontrolą. Jednak często między kontrolką a co najmniej jedną zasadą nie występuje dopasowanie jeden do jednego lub całkowitego dopasowania. W związku z tym zgodne w usłudze Azure Policy odnosi się tylko do samych zasad. Nie zapewnia to pełnej zgodności ze wszystkimi wymaganiami kontrolki. Ponadto standard zgodności obejmuje mechanizmy kontroli, które nie są obecnie uwzględniane przez żadne definicje usługi Azure Policy. W związku z tym zgodność w usłudze Azure Policy jest tylko częściowym widokiem ogólnego stanu zgodności. Skojarzenia między kontrolkami i definicjami zgodności z przepisami usługi Azure Policy dla tych standardów zgodności mogą ulec zmianie w czasie.
FedRAMP High
Aby sprawdzić, jak dostępne wbudowane usługi Azure Policy dla wszystkich usług platformy Azure są mapowane na ten standard zgodności, zobacz zgodność z przepisami usługi Azure Policy — FedRAMP High. Aby uzyskać więcej informacji na temat tego standardu zgodności, zobacz FedRAMP High.
| Domain | Identyfikator kontrolki | Tytuł kontrolki | Zasady (Azure Portal) |
Wersja zasad (GitHub) |
|---|---|---|---|---|
| Kontrola dostępu | AC-4 | Wymuszanie przepływu informacji | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Kontrola dostępu | AC-17 | Dostęp zdalny | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Kontrola dostępu | AC-17 (1) | Automatyczne monitorowanie/sterowanie | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | SC-7 | Ochrona granic | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | SC-7 (3) | Punkty dostępu | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | SC-12 | Kryptograficzne tworzenie i zarządzanie kluczami kryptograficznymi | Obszary robocze usługi Azure Machine Learning powinny być szyfrowane przy użyciu klucza zarządzanego przez klienta | 1.1.0 |
FedRAMP Moderate
Aby sprawdzić, jak dostępne wbudowane usługi Azure Policy dla wszystkich usług platformy Azure są mapowane na ten standard zgodności, zobacz Zgodność z przepisami usługi Azure Policy — FedRAMP Moderate. Aby uzyskać więcej informacji na temat tego standardu zgodności, zobacz FedRAMP Moderate.
| Domain | Identyfikator kontrolki | Tytuł kontrolki | Zasady (Azure Portal) |
Wersja zasad (GitHub) |
|---|---|---|---|---|
| Kontrola dostępu | AC-4 | Wymuszanie przepływu informacji | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Kontrola dostępu | AC-17 | Dostęp zdalny | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Kontrola dostępu | AC-17 (1) | Automatyczne monitorowanie/sterowanie | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | SC-7 | Ochrona granic | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | SC-7 (3) | Punkty dostępu | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | SC-12 | Kryptograficzne tworzenie i zarządzanie kluczami kryptograficznymi | Obszary robocze usługi Azure Machine Learning powinny być szyfrowane przy użyciu klucza zarządzanego przez klienta | 1.1.0 |
Wzorzec bezpieczeństwa w chmurze Microsoft
Test porównawczy zabezpieczeń w chmurze firmy Microsoft zawiera zalecenia dotyczące sposobu zabezpieczania rozwiązań w chmurze na platformie Azure. Aby zobaczyć, jak ta usługa całkowicie mapuje się na test porównawczy zabezpieczeń w chmurze firmy Microsoft, zobacz pliki mapowania testów porównawczych zabezpieczeń platformy Azure.
Aby dowiedzieć się, jak dostępne wbudowane usługi Azure Policy dla wszystkich usług platformy Azure są mapowane na ten standard zgodności, zobacz Artykuł Azure Policy Regulatory Compliance — Microsoft Cloud Security Benchmark (Zgodność z przepisami usługi Azure Policy — test porównawczy zabezpieczeń w chmurze firmy Microsoft).
| Domain | Identyfikator kontrolki | Tytuł kontrolki | Zasady (Azure Portal) |
Wersja zasad (GitHub) |
|---|---|---|---|---|
| Bezpieczeństwo sieci | NS-2 | Zabezpieczanie usług w chmurze za pomocą kontrolek sieci | Obliczenia usługi Azure Machine Learning powinny znajdować się w sieci wirtualnej | 1.0.1 |
| Bezpieczeństwo sieci | NS-2 | Zabezpieczanie usług w chmurze za pomocą kontrolek sieci | Obszary robocze usługi Azure Machine Learning powinny wyłączyć dostęp do sieci publicznej | 2.0.1 |
| Bezpieczeństwo sieci | NS-2 | Zabezpieczanie usług w chmurze za pomocą kontrolek sieci | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Zarządzanie tożsamością | Im-1 | Korzystanie ze scentralizowanego systemu tożsamości i uwierzytelniania | Obliczenia usługi Azure Machine Learning powinny mieć wyłączone lokalne metody uwierzytelniania | 2.1.0 |
| Ochrona danych | DP-5 | Użyj opcji klucza zarządzanego przez klienta w przypadku szyfrowania danych magazynowanych, jeśli jest to wymagane | Obszary robocze usługi Azure Machine Learning powinny być szyfrowane przy użyciu klucza zarządzanego przez klienta | 1.1.0 |
| Rejestrowanie i wykrywanie zagrożeń | LT-3 | Włączanie rejestrowania na potrzeby badania zabezpieczeń | Dzienniki zasobów w obszarach roboczych usługi Azure Machine Learning powinny być włączone | 1.0.1 |
| Zarządzanie lukami w zabezpieczeniach i stanem | PV-2 | Przeprowadzanie inspekcji i wymuszanie bezpiecznych konfiguracji | Aby uzyskać najnowsze aktualizacje oprogramowania, należy ponownie utworzyć wystąpienia obliczeniowe usługi Azure Machine Learning | 1.0.3 |
NIST SP 800-171 R2
Aby sprawdzić, jak dostępne wbudowane usługi Azure Policy dla wszystkich usług platformy Azure są mapowane na ten standard zgodności, zobacz Zgodność z przepisami usługi Azure Policy — NIST SP 800-171 R2. Aby uzyskać więcej informacji na temat tego standardu zgodności, zobacz NIST SP 800-171 R2.
| Domain | Identyfikator kontrolki | Tytuł kontrolki | Zasady (Azure Portal) |
Wersja zasad (GitHub) |
|---|---|---|---|---|
| Kontrola dostępu | 3.1.1 | Ogranicz dostęp systemowy do autoryzowanych użytkowników, procesów działających w imieniu autoryzowanych użytkowników i urządzeń (w tym innych systemów). | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Kontrola dostępu | 3.1.12 | Monitorowanie i kontrolowanie sesji dostępu zdalnego. | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Kontrola dostępu | 3.1.13 | Stosowanie mechanizmów kryptograficznych w celu ochrony poufności sesji dostępu zdalnego. | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Kontrola dostępu | 3.1.14 | Kierowanie dostępu zdalnego za pośrednictwem zarządzanych punktów kontroli dostępu. | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Kontrola dostępu | 3.1.3 | Kontrolowanie przepływu cuI zgodnie z zatwierdzonymi autoryzacjami. | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | 3.13.1 | Monitoruj, kontroluje i chroni komunikację (tj. informacje przesyłane lub odbierane przez systemy organizacyjne) na granicach zewnętrznych i kluczowych granicach wewnętrznych systemów organizacyjnych. | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | 3.13.10 | Ustanów klucze kryptograficzne dla kryptografii stosowanej w systemach organizacyjnych i zarządzaj nimi. | Obszary robocze usługi Azure Machine Learning powinny być szyfrowane przy użyciu klucza zarządzanego przez klienta | 1.1.0 |
| Ochrona systemu i komunikacji | 3.13.2 | Stosowanie projektów architektonicznych, technik tworzenia oprogramowania i zasad inżynierii systemów, które promują skuteczne zabezpieczenia informacji w systemach organizacyjnych. | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | 3.13.5 | Zaimplementuj podsieć dla publicznie dostępnych składników systemowych, które są fizycznie lub logicznie oddzielone od sieci wewnętrznych. | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
NIST SP 800-53 Rev. 4
Aby sprawdzić, jak dostępne wbudowane usługi Azure Policy dla wszystkich usług platformy Azure są mapowane na ten standard zgodności, zobacz Zgodność z przepisami usługi Azure Policy — NIST SP 800-53 Rev. 4. Aby uzyskać więcej informacji na temat tego standardu zgodności, zobacz NIST SP 800-53 Rev. 4.
| Domain | Identyfikator kontrolki | Tytuł kontrolki | Zasady (Azure Portal) |
Wersja zasad (GitHub) |
|---|---|---|---|---|
| Kontrola dostępu | AC-4 | Wymuszanie przepływu informacji | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Kontrola dostępu | AC-17 | Dostęp zdalny | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Kontrola dostępu | AC-17 (1) | Automatyczne monitorowanie/sterowanie | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | SC-7 | Ochrona granic | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | SC-7 (3) | Punkty dostępu | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | SC-12 | Kryptograficzne tworzenie i zarządzanie kluczami kryptograficznymi | Obszary robocze usługi Azure Machine Learning powinny być szyfrowane przy użyciu klucza zarządzanego przez klienta | 1.1.0 |
NIST SP 800-53 Rev. 5
Aby sprawdzić, jak dostępne wbudowane usługi Azure Policy dla wszystkich usług platformy Azure są mapowane na ten standard zgodności, zobacz Zgodność z przepisami usługi Azure Policy — NIST SP 800-53 Rev. 5. Aby uzyskać więcej informacji na temat tego standardu zgodności, zobacz NIST SP 800-53 Rev. 5.
| Domain | Identyfikator kontrolki | Tytuł kontrolki | Zasady (Azure Portal) |
Wersja zasad (GitHub) |
|---|---|---|---|---|
| Kontrola dostępu | AC-4 | Wymuszanie przepływu informacji | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Kontrola dostępu | AC-17 | Dostęp zdalny | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Kontrola dostępu | AC-17 (1) | Monitorowanie i kontrolowanie | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | SC-7 | Ochrona granic | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | SC-7 (3) | Punkty dostępu | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| Ochrona systemu i komunikacji | SC-12 | Tworzenie i zarządzanie kluczami kryptograficznymi | Obszary robocze usługi Azure Machine Learning powinny być szyfrowane przy użyciu klucza zarządzanego przez klienta | 1.1.0 |
Motyw chmury NL BIO
Aby sprawdzić, jak dostępne wbudowane usługi Azure Policy dla wszystkich usług platformy Azure są mapowane na ten standard zgodności, zobacz Szczegóły zgodności z przepisami usługi Azure Policy dla tematu NL BIO Cloud Theme. Aby uzyskać więcej informacji na temat tego standardu zgodności, zobacz Baseline Information Security Government Cybersecurity - Digital Government (digitaleoverheid.nl).
| Domain | Identyfikator kontrolki | Tytuł kontrolki | Zasady (Azure Portal) |
Wersja zasad (GitHub) |
|---|---|---|---|---|
| Zarządzanie lukami w zabezpieczeniach techniczne C.04.6 — osie czasu | C.04.6 | Wady techniczne można rozwiązać, wykonując zarządzanie poprawkami w odpowiednim czasie. | Aby uzyskać najnowsze aktualizacje oprogramowania, należy ponownie utworzyć wystąpienia obliczeniowe usługi Azure Machine Learning | 1.0.3 |
| Ochrona danych u.05.2 — środki kryptograficzne | U.05.2 | Dane przechowywane w usłudze w chmurze są chronione do najnowszego stanu sztuki. | Obszary robocze usługi Azure Machine Learning powinny być szyfrowane przy użyciu klucza zarządzanego przez klienta | 1.1.0 |
| Separacja danych u.07.1 — izolowana | U.07.1 | Stała izolacja danych jest architekturą wielodostępną. Poprawki są realizowane w kontrolowany sposób. | Obliczenia usługi Azure Machine Learning powinny znajdować się w sieci wirtualnej | 1.0.1 |
| Separacja danych u.07.1 — izolowana | U.07.1 | Stała izolacja danych jest architekturą wielodostępną. Poprawki są realizowane w kontrolowany sposób. | Obszary robocze usługi Azure Machine Learning powinny wyłączyć dostęp do sieci publicznej | 2.0.1 |
| Separacja danych u.07.1 — izolowana | U.07.1 | Stała izolacja danych jest architekturą wielodostępną. Poprawki są realizowane w kontrolowany sposób. | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
| U.10.2 Dostęp do usług i danych IT — użytkownicy | U.10.2 | W ramach odpowiedzialności dostawcy CSP dostęp jest udzielany administratorom. | Obliczenia usługi Azure Machine Learning powinny mieć wyłączone lokalne metody uwierzytelniania | 2.1.0 |
| U.10.3 Dostęp do usług i danych IT — użytkownicy | U.10.3 | Tylko użytkownicy z uwierzytelnionymi sprzętami mogą uzyskiwać dostęp do usług i danych IT. | Obliczenia usługi Azure Machine Learning powinny mieć wyłączone lokalne metody uwierzytelniania | 2.1.0 |
| U.10.5 Dostęp do usług i danych IT — właściwy | U.10.5 | Dostęp do usług i danych IT jest ograniczony przez środki techniczne i został wdrożony. | Obliczenia usługi Azure Machine Learning powinny mieć wyłączone lokalne metody uwierzytelniania | 2.1.0 |
| Kryptografia u.11.3 — zaszyfrowane | U.11.3 | Poufne dane są zawsze szyfrowane przy użyciu kluczy prywatnych zarządzanych przez csC. | Obszary robocze usługi Azure Machine Learning powinny być szyfrowane przy użyciu klucza zarządzanego przez klienta | 1.1.0 |
| Rejestrowanie i monitorowanie u.15.1 — zarejestrowane zdarzenia | U.15.1 | Naruszenie reguł zasad jest rejestrowane przez dostawcę CSP i CSC. | Dzienniki zasobów w obszarach roboczych usługi Azure Machine Learning powinny być włączone | 1.0.1 |
Reserve Bank of India IT Framework for Banks v2016
Aby sprawdzić, jak dostępne wbudowane usługi Azure Policy dla wszystkich usług platformy Azure są mapowane na ten standard zgodności, zobacz Zgodność z przepisami usługi Azure Policy — RBI ITF Banks v2016. Aby uzyskać więcej informacji na temat tego standardu zgodności, zobacz RBI ITF Banks v2016 (PDF).
| Domain | Identyfikator kontrolki | Tytuł kontrolki | Zasady (Azure Portal) |
Wersja zasad (GitHub) |
|---|---|---|---|---|
| Zaawansowane zarządzanie obroną w czasie rzeczywistym | Advanced Real-Timethreat Defenseand Management-13.4 | Obszary robocze usługi Azure Machine Learning powinny być szyfrowane przy użyciu klucza zarządzanego przez klienta | 1.1.0 | |
| Stosowanie poprawek/luk w zabezpieczeniach i zarządzanie zmianami | Patch/Vulnerability & Change Management-7.7 | Obszary robocze usługi Azure Machine Learning powinny używać łącza prywatnego | 1.0.0 |
Hiszpania ENS
Aby sprawdzić, jak dostępne wbudowane usługi Azure Policy dla wszystkich usług platformy Azure są mapowane na ten standard zgodności, zobacz Szczegóły zgodności z przepisami usługi Azure Policy dla hiszpanii ENS. Aby uzyskać więcej informacji na temat tego standardu zgodności, zobacz CCN-STIC 884.
| Domain | Identyfikator kontrolki | Tytuł kontrolki | Zasady (Azure Portal) |
Wersja zasad (GitHub) |
|---|---|---|---|---|
| Struktura operacyjna | op.exp.2 | Operacja | Aby uzyskać najnowsze aktualizacje oprogramowania, należy ponownie utworzyć wystąpienia obliczeniowe usługi Azure Machine Learning | 1.0.3 |
| Struktura operacyjna | op.exp.3 | Operacja | Aby uzyskać najnowsze aktualizacje oprogramowania, należy ponownie utworzyć wystąpienia obliczeniowe usługi Azure Machine Learning | 1.0.3 |
| Struktura operacyjna | op.exp.7 | Operacja | Dzienniki zasobów w obszarach roboczych usługi Azure Machine Learning powinny być włączone | 1.0.1 |
Kontrolki systemu i organizacji (SOC) 2
Aby sprawdzić, jak dostępne wbudowane usługi Azure Policy dla wszystkich usług platformy Azure są mapowane na ten standard zgodności, zobacz Szczegóły zgodności z przepisami usługi Azure Policy dla kontroli systemu i organizacji (SOC) 2. Aby uzyskać więcej informacji na temat tego standardu zgodności, zobacz System and Organization Controls (SOC) 2.
| Domain | Identyfikator kontrolki | Tytuł kontrolki | Zasady (Azure Portal) |
Wersja zasad (GitHub) |
|---|---|---|---|---|
| Kontrola dostępu logicznego i fizycznego | CC6.1 | Oprogramowanie zabezpieczeń dostępu logicznego, infrastruktura i architektury | Obszary robocze usługi Azure Machine Learning powinny być szyfrowane przy użyciu klucza zarządzanego przez klienta | 1.1.0 |
Następne kroki
- Dowiedz się więcej o zgodności z przepisami usługi Azure Policy.
- Zobacz wbudowane elementy w repozytorium GitHub usługi Azure Policy.