Seminar Cyscale – Intensivseminar DevSecOps, Kubernetes und AI Security

Dieses Intensivseminar bündelt die technischen Spezialisierungen für sichere Software-Lieferketten, Kubernetes, Container, Runtime und KI-Workloads. Code-, Infrastruktur- und Laufzeitrisiken werden in einem gemeinsamen Cloud-Kontext behandelt.

Zielsetzung

Repository-, Cluster-, Image-, Workload- und KI-Risiken durchgängig erfassen, korrelieren, priorisieren und über kontrollierte DevSecOps- und Incident-Workflows behandeln.

Inhaltsübersicht

1. Code- und Cloud-Scope verbinden
2. Code Security und Software-Lieferkette
3. Repository-zu-Runtime-Korrelation
4. Kubernetes-Onboarding und KSPM
5. RBAC, Workloads und Netzwerke
6. Images, SBOM und Vulnerabilities
7. AI Security und AI-BOM
8. Runtime, Lifecycle und Incident Response

Schrittweise Seminarinhalte

1. Code- und Cloud-Scope verbinden

1. Schritt 1: Repository-, Registry-, Cluster-, Cloud- und KI-Landschaften in einem Schutzumfang modellieren.
2. Schritt 2: GitHub- oder GitLab-Zugriff und Scanner-Scope nach Minimalprinzip festlegen.
3. Schritt 3: Repository-Abdeckung und Laufzeitzuordnung als Abnahmekriterien definieren.
4. Schritt 4: Ein gemeinsames Verantwortungsmodell für Entwicklung, Plattform und Security erstellen.

2. Code Security und Software-Lieferkette

1. Schritt 1: SAST-, IaC-, Secrets-, Dependency-, Malware- und Lizenzfindings unterscheiden.
2. Schritt 2: Scannerläufe und Provider-Findings normalisieren und auf Evidenz prüfen.
3. Schritt 3: Findings nach Branch, Datei, Paket und Anwendung gruppieren.
4. Schritt 4: DevSecOps-SLA und Behebungsnachweis für Code-Risiken festlegen.

3. Repository-zu-Runtime-Korrelation

1. Schritt 1: Repositories mit Images, Kubernetes-Workloads, Funktionen und VMs verknüpfen.
2. Schritt 2: Automatische Zuordnungen prüfen und manuelle Zuordnungen kontrolliert ergänzen.
3. Schritt 3: Findings nach tatsächlicher Laufzeit, Exposition und Identitätszugriff priorisieren.
4. Schritt 4: Doppelte Code- und Runtime-Befunde konsolidieren.

4. Kubernetes-Onboarding und KSPM

1. Schritt 1: Cluster-Connector, Service-Account-Rechte und Synchronisation bereitstellen und prüfen.
2. Schritt 2: Benchmark-Findings für Control Plane, Worker, RBAC, Pods, Netzwerk und Secrets auswerten.
3. Schritt 3: Cluster- und Namespace-Risiken nach Kritikalität priorisieren.
4. Schritt 4: KSPM-Maßnahmen mit Rollback und technischer Abnahme planen.

5. RBAC, Workloads und Netzwerke

1. Schritt 1: Rollenbindungen und Service Accounts als Berechtigungsketten analysieren.
2. Schritt 2: Privilegierte Container, Hostzugriffe und unsichere Pod-Einstellungen identifizieren.
3. Schritt 3: Ingress, Services, Load Balancer und Network Policies in Expositionspfade einordnen.
4. Schritt 4: Least-Privilege- und Segmentierungsmaßnahmen testen.

6. Images, SBOM und Vulnerabilities

1. Schritt 1: Images, Registries, Pakete, SBOMs und laufende Workloads verknüpfen.
2. Schritt 2: CVE-Findings nach Fix-Verfügbarkeit, Ausführung und Exposition priorisieren.
3. Schritt 3: Basisimage-Ursachen und gemeinsame Abhängigkeiten identifizieren.
4. Schritt 4: Rebuild, Test, Rollout und Verifikation als kontrollierten Prozess durchführen.

7. AI Security und AI-BOM

1. Schritt 1: KI-Dienste, Modelle, Endpunkte, Datenbezüge und Kubernetes-KI-Workloads erfassen.
2. Schritt 2: Connector-Rechte und Discovery-Vollständigkeit prüfen.
3. Schritt 3: AI-BOM und Risikokombinationen aus Exposition, Daten und Identitäten analysieren.
4. Schritt 4: AI-spezifische Abfragen und Custom Controls erstellen.

8. Runtime, Lifecycle und Incident Response

1. Schritt 1: Runtime-Signale mit Code, Image, Workload, Identität und Netzwerk korrelieren.
2. Schritt 2: Eindämmung, Beweissicherung, Wiederherstellung und Nachprüfung in einem Playbook strukturieren.
3. Schritt 3: End-of-Support-Komponenten in Modernisierungsmaßnahmen überführen.
4. Schritt 4: Eine Abschlussübung vom Code-Finding bis zur verifizierten Runtime-Behebung durchführen.

Praxisanteile

• Repository-zu-Runtime-Korrelation.
• Kubernetes-RBAC- und Expositionsanalyse.
• Priorisierung eines vulnerablen laufenden Images.
• AI-Security-Kontrolle mit Daten- und Identitätskontext.
• Incident-Playbook für einen Container-Workload.

Zielgruppen

DevSecOps, Kubernetes-Plattformteams, Application Security, AI-Plattformteams, Container Security und Cloud Security.

Vorkenntnisse

Gute Kenntnisse zu Git, CI/CD, Containern, Kubernetes und Cloud-Grundlagen.