Controles de conformidade regulatória do Azure Policy para o Azure Machine Learning
A Conformidade Regulatória no Azure Policy fornece definições de iniciativas criadas e gerenciadas pela Microsoft, conhecidas como internos, para os domínios de conformidade e os controles de segurança relacionados a diferentes padrões de conformidade. Esta página lista os domínios de conformidade e os controles de segurança para o Azure Machine Learning. Você pode atribuir os itens internos a um controle de segurança individualmente a fim de ajudar a manter seus recursos do Azure em conformidade com o padrão específico.
O título de cada definição de política interna leva à definição da política no portal do Azure. Use o link na coluna Versão da Política para ver a origem no repositório GitHub do Azure Policy.
Importante
Cada controle está associado a uma ou mais definições do Azure Policy. Essas políticas podem ajudar você a avaliar a conformidade com o controle. No entanto, muitas vezes não há uma correspondência individual ou completa entre um controle e uma ou mais políticas. Portanto, a Conformidade no Azure Policy refere-se apenas às próprias políticas. Isso não garante que você esteja totalmente em conformidade com todos os requisitos de um controle. Além disso, o padrão de conformidade inclui controles que não são abordados por nenhuma definição do Azure Policy no momento. Portanto, a conformidade no Azure Policy é somente uma exibição parcial do status de conformidade geral. As associações entre os controles e as definições de Conformidade Regulatória do Azure Policy para esses padrões de conformidade podem mudar com o tempo.
FedRAMP Alto
Para examinar como as iniciativas internas disponíveis do azure Policy de todos os serviços do azure são mapeadas para esse padrão de conformidade, confira Conformidade regulatória do azure Policy – FedRaMP High. Para obter mais informações sobre esse padrão de conformidade, confira FedRAMP High.
| Domínio | ID do controle | Título do controle | Política (Portal do Azure) |
Versão da política (GitHub) |
|---|---|---|---|---|
| Controle de acesso | AC-4 | Política de fluxo de informações | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Controle de acesso | AC-17 | Acesso remoto | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Controle de acesso | AC-17 (1) | Controle/monitoramento automatizado | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do sistema e das comunicações | SC-7 | Proteção de limite | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do sistema e das comunicações | SC-7 (3) | Pontos de acesso | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do sistema e das comunicações | SC-12 | Estabelecimento de chave de criptografia e gerenciamento | Os workspaces do Azure Machine Learning devem ser criptografados com uma chave gerenciada pelo cliente | 1.0.3 |
FedRAMP Moderado
Para examinar como as iniciativas internas disponíveis do azure Policy de todos os serviços do azure são mapeadas para esse padrão de conformidade, confira Conformidade regulatória do azure Policy – FedRaMP Moderate. Para obter mais informações sobre esse padrão de conformidade, confira FedRAMP Moderate.
| Domínio | ID do controle | Título do controle | Política (Portal do Azure) |
Versão da política (GitHub) |
|---|---|---|---|---|
| Controle de acesso | AC-4 | Política de fluxo de informações | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Controle de acesso | AC-17 | Acesso remoto | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Controle de acesso | AC-17 (1) | Controle/monitoramento automatizado | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do sistema e das comunicações | SC-7 | Proteção de limite | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do sistema e das comunicações | SC-7 (3) | Pontos de acesso | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do sistema e das comunicações | SC-12 | Estabelecimento de chave de criptografia e gerenciamento | Os workspaces do Azure Machine Learning devem ser criptografados com uma chave gerenciada pelo cliente | 1.0.3 |
Referência de segurança de nuvem da Microsoft
O parâmetro de comparação de segurança da nuvem da Microsoft fornece recomendações sobre como você pode proteger suas soluções de nuvem no Azure. Para ver como esse serviço é completamente mapeado para o parâmetro de comparação de segurança da nuvem da Microsoft, confira os Arquivos de mapeamento do Azure Security Benchmark.
Para analisar como os itens internos do azure Policy disponíveis para todos os serviços do azure são mapeados para esse padrão de conformidade, confira Conformidade Regulatória do azure Policy: parâmetro de comparação de segurança da nuvem da Microsoft.
| Domínio | ID do controle | Título do controle | Política (Portal do Azure) |
Versão da política (GitHub) |
|---|---|---|---|---|
| Segurança de rede | NS-2 | Proteger serviços de nuvem usando controles de rede | Os Computadores do Azure Machine Learning devem estar em uma rede virtual | 1.0.1 |
| Segurança de rede | NS-2 | Proteger serviços de nuvem usando controles de rede | Os Workspaces do Azure Machine Learning devem desabilitar o acesso à rede pública | 2.0.1 |
| Segurança de rede | NS-2 | Serviços de nuvem seguros com os controles de rede | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Gerenciamento de Identidades | IM-1 | Usar um sistema centralizado de identidade e autenticação | Os Computadores do Azure Machine Learning devem ter os métodos de autenticação local desabilitados | 2.1.0 |
| Proteção de Dados | DP-5 | Use a opção de chave gerenciada pelo cliente na criptografia de dados em repouso quando necessário | Os workspaces do Azure Machine Learning devem ser criptografados com uma chave gerenciada pelo cliente | 1.0.3 |
| Log e detecção de ameaças | LT-3 | Habilitar registro em log para investigação de segurança | Os logs de recursos nos Workspaces do Azure Machine Learning devem estar habilitados | 1.0.1 |
| Gerenciamento de postura e vulnerabilidades | PV-2 | Auditar e impor configurações seguras | As instâncias de computação do Azure Machine Learning devem ser recriadas nobter as atualizações de software mais recentes | 1.0.3 |
NIST SP 800-171 R2
Para examinar como as iniciativas internas disponíveis do Azure Policy de todos os serviços do Azure são mapeadas para esse padrão de conformidade, confira Conformidade regulatória do Azure Policy – NIST SP 800-171 R2. Para obter mais informações sobre esse padrão de conformidade, confira NIST SP 800-171 R2.
| Domínio | ID do controle | Título do controle | Política (Portal do Azure) |
Versão da política (GitHub) |
|---|---|---|---|---|
| Controle de acesso | 3.1.1 | Limite o acesso do sistema a usuários autorizados, processos que atuam em nome de usuários autorizados e dispositivos (incluindo outros sistemas). | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Controle de acesso | 3.1.12 | Monitore e controle sessões de acesso remoto. | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Controle de acesso | 3.1.13 | Empregar mecanismos criptográficos para proteger a confidencialidade das sessões de acesso remoto. | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Controle de acesso | 3.1.14 | Rotear o acesso remoto por meio de pontos de controle de acesso gerenciados. | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Controle de acesso | 3.1.3 | Controle o fluxo de CUI de acordo com autorizações aprovadas. | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do Sistema e das Comunicações | 3.13.1 | Monitore, controle e proteja as comunicações (ou seja, informações transmitidas ou recebidas por sistemas organizacionais) nos limites externos e os principais limites internos dos sistemas organizacionais. | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do Sistema e das Comunicações | 3.13.10 | Estabelecer e gerenciar chaves de criptografia para criptografia empregada em sistemas organizacionais. | Os workspaces do Azure Machine Learning devem ser criptografados com uma chave gerenciada pelo cliente | 1.0.3 |
| Proteção do Sistema e das Comunicações | 3.13.2 | Empregar designs de arquitetura, técnicas de desenvolvimento de software e princípios de engenharia de sistemas que promovem a segurança de informações efetiva em sistemas organizacionais. | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do Sistema e das Comunicações | 3.13.5 | Implemente sub-redes para componentes do sistema publicamente acessíveis que estejam fisicamente ou logicamente separados de redes internas. | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
NIST SP 800-53 Rev. 4
Para examinar como as iniciativas internas disponíveis do Azure Policy de todos os serviços do Azure são mapeadas para esse padrão de conformidade, confira Conformidade regulatória do Azure Policy – NIST SP 800-53 Rev. 4. Para obter mais informações sobre esse padrão de conformidade, confira NIST SP 800-53 Rev. 4.
| Domínio | ID do controle | Título do controle | Política (Portal do Azure) |
Versão da política (GitHub) |
|---|---|---|---|---|
| Controle de acesso | AC-4 | Política de fluxo de informações | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Controle de acesso | AC-17 | Acesso remoto | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Controle de acesso | AC-17 (1) | Controle/monitoramento automatizado | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do sistema e das comunicações | SC-7 | Proteção de limite | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do sistema e das comunicações | SC-7 (3) | Pontos de acesso | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do sistema e das comunicações | SC-12 | Estabelecimento de chave de criptografia e gerenciamento | Os workspaces do Azure Machine Learning devem ser criptografados com uma chave gerenciada pelo cliente | 1.0.3 |
NIST SP 800-53 Rev. 5
Para examinar como as iniciativas internas disponíveis do azure Policy de todos os serviços do azure são mapeadas para esse padrão de conformidade, confira Conformidade regulatória do azure Policy – NIST SP 800-53 Rev. 5. Para obter mais informações sobre esse padrão de conformidade, confira NIST SP 800-53 Rev. 5.
| Domínio | ID do controle | Título do controle | Política (Portal do Azure) |
Versão da política (GitHub) |
|---|---|---|---|---|
| Controle de acesso | AC-4 | Política de fluxo de informações | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Controle de acesso | AC-17 | Acesso remoto | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Controle de acesso | AC-17 (1) | Monitoramento e controle | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do Sistema e das Comunicações | SC-7 | Proteção de limite | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do Sistema e das Comunicações | SC-7 (3) | Pontos de acesso | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| Proteção do Sistema e das Comunicações | SC-12 | Estabelecimento de Chave de Criptografia e Gerenciamento | Os workspaces do Azure Machine Learning devem ser criptografados com uma chave gerenciada pelo cliente | 1.0.3 |
NL BIO Cloud Theme
Para analisar como os componentes do Azure Policy disponíveis para todos os serviços do Azure são mapeados para esse padrão de conformidade, confira Detalhes da Conformidade Regulatória do Azure Policy com o NL BIO Cloud Theme. Para obter mais informações sobre esse padrão de conformidade, confira Segurança Cibernética do Governo de Segurança da Informação de Linha de Base – Governo Digital (digitaleoverheid.nl).
| Domínio | ID do controle | Título do controle | Política (Portal do Azure) |
Versão da política (GitHub) |
|---|---|---|---|---|
| C.04.6 Gerenciamento de vulnerabilidades técnicas – Linhas do tempo | C.04.6 | As vulnerabilidades técnicas podem ser corrigidas com a realização de um gerenciamento de patch em tempo hábil. | As instâncias de computação do Azure Machine Learning devem ser recriadas nobter as atualizações de software mais recentes | 1.0.3 |
| U.05.2 Proteção de dados – Medidas de criptografia | U.05.2 | Os dados armazenados no serviço de nuvem devem ser protegidos até a última geração. | Os workspaces do Azure Machine Learning devem ser criptografados com uma chave gerenciada pelo cliente | 1.0.3 |
| U.07.1 Separação de dados – Isolado | U.07.1 | O isolamento permanente de dados é uma arquitetura multilocatário. Os patches são realizados de maneira controlada. | Os Computadores do Azure Machine Learning devem estar em uma rede virtual | 1.0.1 |
| U.07.1 Separação de dados – Isolado | U.07.1 | O isolamento permanente de dados é uma arquitetura multilocatário. Os patches são realizados de maneira controlada. | Os Workspaces do Azure Machine Learning devem desabilitar o acesso à rede pública | 2.0.1 |
| U.07.1 Separação de dados – Isolado | U.07.1 | O isolamento permanente de dados é uma arquitetura multilocatário. Os patches são realizados de maneira controlada. | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
| U.10.2 Acesso a serviços e dados de TI – Usuários | U.10.2 | Sob a responsabilidade do CSP, o acesso é permitido aos administradores. | Os Computadores do Azure Machine Learning devem ter os métodos de autenticação local desabilitados | 2.1.0 |
| U.10.3 Acesso a serviços e dados de TI – Usuários | U.10.3 | Somente os usuários com equipamentos autenticados podem acessar dados e serviços de TI. | Os Computadores do Azure Machine Learning devem ter os métodos de autenticação local desabilitados | 2.1.0 |
| U.10.5 Acesso a serviços e dados de TI – Pessoa competente | U.10.5 | O acesso a serviços e dados de TI é limitado por medidas técnicas e foi implementado. | Os Computadores do Azure Machine Learning devem ter os métodos de autenticação local desabilitados | 2.1.0 |
| U.11.3 Serviços de criptografia – Criptografados | U.11.3 | Os dados confidenciais são sempre criptografados, com as chaves privadas gerenciadas pelo CSC. | Os workspaces do Azure Machine Learning devem ser criptografados com uma chave gerenciada pelo cliente | 1.0.3 |
| U.15.1 Log e monitoramento – Eventos registrados em log | U.15.1 | A violação das regras de política é registrada pelo CSP e pelo CSC. | Os logs de recursos nos Workspaces do Azure Machine Learning devem estar habilitados | 1.0.1 |
Reserve Bank of India IT Framework for Banks v2016
Para examinar como as iniciativas internas disponíveis do azure Policy de todos os serviços do azure são mapeadas para esse padrão de conformidade, confira Conformidade regulatória do azure Policy – RBI ITF de Bancos v2016. Para obter mais informações sobre esse padrão de conformidade, consulte RBI ITF de Bancos v2016 (PDF).
| Domínio | ID do controle | Título do controle | Política (Portal do Azure) |
Versão da política (GitHub) |
|---|---|---|---|---|
| Métricas | Métricas – 21.1 | Os workspaces do Azure Machine Learning devem ser criptografados com uma chave gerenciada pelo cliente | 1.0.3 | |
| Patch/vulnerabilidade e Gerenciamento de alterações | Patch/vulnerabilidade e Gerenciamento de alterações-7.7 | Os workspaces do Azure Machine Learning devem usar um link privado | 1.0.0 |
System and Organization Controls (SOC) 2
Para conferir como os elementos internos do Azure Policy disponíveis para todos os serviços do Azure são mapeados para esse padrão de conformidade, confira Detalhes da conformidade regulatória do Azure Policy para o SOC (System and Organization Controls) 2. Para obter mais informações sobre esse padrão de conformidade, confira SOC (System and Organization Controls) 2.
| Domínio | ID do controle | Título do controle | Política (Portal do Azure) |
Versão da política (GitHub) |
|---|---|---|---|---|
| Controles de acesso lógico e físico | CC6.1 | Software, infraestrutura e arquiteturas de segurança de acesso lógico | Os workspaces do Azure Machine Learning devem ser criptografados com uma chave gerenciada pelo cliente | 1.0.3 |
Próximas etapas
- Saiba mais sobre a Conformidade Regulatória do Azure Policy.
- Confira os internos no repositório Azure Policy GitHub.