Учебный центр «Информзащита» опубликовал отчет о результатах сравнения сканеров безопасности

Учебный центр «Информзащита» опубликовал отчет о результатах сравнения сканеров безопасности

Учебный центр «Информзащита» анонсировал и опубликовал отчет «Сравнение сканеров безопасности.

Часть 1. Тест на проникновение», в котором представлены результаты независимого исследования различных систем контроля защищённости.
Сканер безопасности – основной инструмент анализа защищённости компьютерных сетей, позволяющий вовремя «заметить» уязвимость и предложить варианты её устранения, что в целом снижает вероятность успешных атак на объекты защиты.

Эффективность сканера и соответствие его работы поставленным задачам – залог успешного контроля безопасности сети, поэтому знание реальных возможностей различных сканеров позволяет специалистам грамотно создавать инфраструктуру обеспечения безопасности компьютерных систем.

Эксперты Лаборатории сетевой безопасности Учебного центра «Информзащита» (http://www.itsecurity.ru/) подготовили очередной отчет «Сравнительный анализ сканеров безопасности. Часть 1. Тест на проникновение». Предыдущие исследования функциональных возможностей сканеров безопасности и особенностей их использования в процессе тестирования сети на устойчивость к взлому проводились в 2005-2006 годах (http://www.itsecurity.ru/edu/actions/otchet_skaner.html).

Владимир Лепихин, Заведующий Лабораторией сетевой безопасности, выступая на презентации нового отчета, отметил: «На сегодня основным и оптимальным инструментом анализа защищённости сетей являются сетевые сканеры безопасности, задача контроля защищённости плавно перетекает в контроль соответствия систем различным стандартам, нередко особое значение приобретает проблема автоматизации процедур контроля защищенности. Продукты такого плана, присутствующие на рынке, значительно отличаются, поэтому при выборе сканеров важно знать для каких задач какие инструменты подходят больше».

Отчёт отражает текущую ситуацию с сетевыми сканерами безопасности и в нем представлены результаты их испытаний в реальных условиях. В проведенном исследовании приняли участие 6 сканеров: Internet Scanner, MaxPatrol, Nessus Security Scanner, NetClarity Auditor, Retina Network Security Scanner, Shadow Security Scanner. Сканеры безопасности оценивались по следующим критериям: количество найденных уязвимостей, число ложных срабатываний (False Positives), число пропусков (False Negatives), причины пропусков, полнота базы проверок, качество механизмов инвентаризации и определения версий ПО, точность работы. Перечисленные критерии в совокупности характеризуют «пригодность» сканера для решения поставленных перед ними задач, в том числе, для автоматизации рутинных действий в процессе контроля защищённости сетевого периметра.

Данный отчет подготовлен в рамках просветительской деятельности Учебного центра и размещен в свободном доступе для многочисленных выпускников центра и специалистов по информационной безопасности, заинтересованных в постоянном повышении своего профессионального уровня. С полной версией отчета можно ознакомиться здесь (http://www.itsecurity.ru/edu/actions/2008-pentest.zip).

Результатами данного исследования будет дополнен авторский курс Учебного центра КП20 «Анализ защищенности сетей» (http://www.itsecurity.ru/edu/kurs/kp_20.html ). Важная особенность данного курса состоит в том, что в процессе обучения специалисты не только рассматривают различные приемы проверки систем на наличие в них уязвимостей, в том числе довольно популярный Penetration Testing (Ethical Hacking), но и обучаются применению разнообразных инструментальных средств автоматизированного анализа защищенности узлов сети, а также их интеграции с другими применяемыми средствами защиты.

ИИ ускоряет умных и топит доверчивых: эксперимент раскрыл цену ChatGPT

Доступ к ИИ-советнику на базе GPT-4 по-разному повлиял на владельцев малого бизнеса в Кении. Наиболее успешные предприниматели увеличили прибыль на 15%, а менее подготовленные потеряли около 10% дохода, выяснили исследователи Калифорнийского университета в Беркли, Гарварда и Колумбийского университета.

Эксперимент продолжался шесть месяцев. Сильные участники не воспринимали рекомендации модели как готовые команды, а адаптировали их к реальным условиям.

Например, закупали генераторы для работы во время отключений электричества или расширяли набор услуг.

Предприниматели с более слабыми навыками чаще применяли шаблонные советы без проверки. Рекомендация снизить цены могла выглядеть убедительно в окне чат-бота, но на практике уменьшала выручку. GPT-4 в таком случае выступал не бизнес-консультантом, а очень уверенным генератором убытков.

Проблема, по мнению исследователей, заключается не столько в технологии, сколько в отказе пользователя от критического мышления. Ранее эксперимент колледжа Дикинсона показал, что 97% участников скопировали заведомо неверный ответ ChatGPT даже при решении простой задачи. Группа без ИИ справилась лучше. Однако обычное напоминание проверить результат сразу удвоило точность.

Анализ 1,4 млн рабочих сессий KPMG дал похожую картину. Около 95% пользователей обращаются с ИИ как с торговым автоматом: запрашивают черновик или краткое содержание и забирают первый результат. Только 5% используют модель как партнёра по мышлению: задают контекст, направляют рассуждение и спорят с ответами.

Для компаний это означает, что сама доля сотрудников с доступом к ИИ почти ничего не говорит об эффективности внедрения. Универсальная инструкция тоже может навредить: разные задачи требуют разного уровня контроля. Нейросеть способна ускорить сильного специалиста и убедительно завести слабого не туда.

RSS: Новости на портале Anti-Malware.ru