ИнфоТеКС продолжает создание отечественной малоресурсной криптографии

ИнфоТеКС продолжает создание отечественной малоресурсной криптографии

ИнфоТеКС продолжает создание отечественной малоресурсной криптографии

Компания ИнфоТеКС объявляет об успешном завершении очередного этапа работ по созданию отечественной малоресурсной криптографии (LWC) для использования в технологии межмашинного взаимодействия (M2M), IoT и индустриальных системах.

Теперь криптографическое ядро технологии ViPNet с внешним стандартизованным интерфейсом PKCS#11 оптимизировано и успешно портировано под архитектуру ARM Cortex M. Отметим, что на данной архитектуре построены широко распространенные микроконтроллеры серии STM32.

По результатам измерений производительности нового продукта было получено очередное подтверждение более высокой эффективности алгоритма ГОСТ 28147-89 по сравнению с западными аналогами с точки зрения их использования в сфере малоресурсной криптографии.  

Некоторые результаты сравнений производительности приведены в Таблице 1.

ИнфоТеКС приглашает к сотрудничеству все заинтересованные российские компании, которые строят свои продукты и решения на базе микроконтроллеров архитектуры ARM Cortex M. 

 

 Таблица 1.

Размер данных ViPNet WolfSSL Журнал Журнал Презентация Презентация
(168 МГц) (120 МГц) (120 МГц) (168 МГц) (120 МГц) (168 МГц)
  ГОСТ 28147-89 TDES TDES TDES TDES TDES
1 Кбайт 309,69 Кбайт/с - - - - -
40 Кбайт 671,43 Кбайт/с - - - - -
1024 Кбайт - 250 Кбайт/с - - - -
    - 180 Кбайт/с 250 Кбайт/с 180 Кбайт/с 250 Кбайт/с

 

Примечания:

1. В целях сравнения с зарубежными программными реализациями наши специалисты использовали алгоритм TDES, который с точки зрения вычислительной сложности является наиболее близким к российскому стандарту ГОСТ 28147-89. По мнению наших экспертов, алгоритм TDES функционирует примерно в 1,5 раза медленнее по сравнению с ГОСТ 28147-89.

2. Так как для зарубежных алгоритмов не указывается размер блока, на котором получены значения, мы отталкиваемся от того, что это максимальная производительность для данного программно-аппаратного окружения.

97% компаний в России внедряют ИИ, но 54% не видят его ценности

UserGate изучила, как российские компании внедряют инструменты на базе ИИ и что мешает делать это быстрее. Опрос прошёл в январе 2026 года, в нём участвовали 335 топ-менеджеров компаний с выручкой от 100 млн рублей в год. Картина получилась довольно показательная: 97% компаний уже используют ИИ, тестируют его в пилотах или собираются внедрять в ближайшее время.

То есть искусственный интеллект из разряда «модного тренда» окончательно перешёл в категорию рабочих инструментов.

Чаще всего ИИ применяют для вполне прикладных задач. На первом месте — генерация отчётов и аналитики (42%). Далее идут оптимизация сетевой инфраструктуры (38%), анализ больших массивов логов (37%), ускорение расследований инцидентов (35%) и повышение эффективности Help Desk (32%).

Иными словами, бизнес в первую очередь использует ИИ там, где он помогает сэкономить время и ресурсы или усилить функции безопасности.

Интересно, что приоритеты зависят от масштаба компании. В корпоративном сегменте более 60% респондентов указали анализ больших логов как ключевое направление — что логично при объёмах данных в крупных ИТ-ландшафтах. В среднем бизнесе на первый план выходит оптимизация сетевой инфраструктуры (45%).

При этом 7% компаний пока вообще не рассматривают внедрение ИИ. Главные причины — неясная ценность технологии (54%) и неопределённость рисков (38%). Также среди барьеров называют отсутствие чёткого распределения ответственности (29%), ограниченные бюджеты (29%) и нехватку экспертизы (17%). По сути, речь идёт не столько о скепсисе, сколько о нехватке понимания, как именно внедрять ИИ и как управлять связанными с ним рисками.

Отдельно респондентов спросили, какие технологии окажут наибольшее влияние на кибербезопасность в ближайшие 12 месяцев. Лидером стали ИИ и машинное обучение — их назвали около половины представителей коммерческого и государственного сегментов. Даже те компании, которые пока осторожничают с практическим внедрением, всё равно рассматривают машинное обучение как ключевой фактор трансформации ИБ в среднесрочной перспективе.

Как отмечает руководитель отдела стратегической аналитики UserGate Юлия Косова, бизнес уже активно использует ИИ в операционных и защитных сценариях, но ожидания рынка зачастую опережают текущую практику. Дальнейший эффект, по её словам, будет зависеть от зрелости процессов, качества данных и способности управлять рисками.

RSS: Новости на портале Anti-Malware.ru