Гарда Технологии отделили от МФИ Софт

Гарда Технологии отделили от МФИ Софт

На российский рынок информационной безопасности выходит новый вендор - «Гарда Технологии». Компания основана на базе ИБ-направления «МФИ Софт». «Гарда Технологии» аккумулировала в себе экспертизу по разработке и внедрению решений для защиты от внутренних и внешних угроз информационной безопасности.

Офисы «Гарда Технологии» расположены в Москве и Нижнем Новгороде. Все решения компании построены на базе собственной технологической платформы, запатентован ряд уникальных разработок собственного исследовательского центра.  

В продуктовый портфель «Гарда Технологии» вошли решения для защиты от внутренних и внешних угроз информационной безопасности:

  • «Гарда Предприятие» — интеллектуальная DLP-система для защиты информации от утечки и контроля корпоративных каналов коммуникации.
  • «Гарда БД» — система защиты баз данных и веб-приложений с функцией поведенческого анализа.
  • «Гарда Монитор» — система расследования сетевых инцидентов и мониторинга сетевого трафика компании.
  • «Гарда Фильтр» — решение для ограничения доступа к доменным именам, указателям страниц сайтов и сетевым адресам. 
  • «Периметр» — решение для защиты сетей крупных интернет-провайдеров от DDoS-атак.
  • «Антифрод» — группа решений для контроля порядка пропуска трафика на сетях операторов связи. 

Среди пользователей решений «Гарда Технологии» - крупнейшие банки, госструктуры, операторы связи и производственные предприятия. Решения успешно внедряются на всей территории России с 2007 года и занимают лидирующие позиции в своих рыночных нишах. В 2018 году компания «Гарда Технологии» планирует войти в ТОП-10 российских производителей решений информационной безопасности.

Владимир Пономарев, генеральный директор «Гарда Технологии»: 

«В планах новой компании уже в ближайшие годы занять лидерские позиции по разработке решений информационной безопасности в России. Для этого у «Гарды Технологии» есть все возможности. Мы обладаем собственной высокопроизводительной платформой для работы с большими данными, лежащей в основе большинства наших решений. Наши продукты уже сейчас позволяют решать ключевые задачи по защите от внутренних угроз информационной безопасности и защите внешнего периметра для организаций любого масштаба. Мы постоянно работаем над расширением возможностей наших решений и в ближайшем будущем планируем объединить их в единую экосистему, позволяющую полноценно использовать все современные инструменты предотвращения и выявления инцидентов информационной безопасности, в том числе с применением всего спектра методов работы с большими данными».

Anti-Malware TelegramПодписывайтесь на канал "Anti-Malware" в Telegram, чтобы первыми узнавать о новостях и наших эксклюзивных материалах по информационной безопасности.

Исследователи спрятали зловреда в модели нейросети, и это сработало

В Университете Китайской академии наук убедились, что использование технологии нейронных сетей для доставки вредоносного кода способно надежно скрыть его от антивирусов. Исследование показало, что в модели можно безбоязненно подменить до половины искусственных нейронов — потеря производительности составит менее 7%, и защитные сканеры вряд ли заметят присутствие зловреда.

Для экспериментов была выбрана (PDF) сверточная нейросеть AlexNet — классическая модель, зачастую используемая для проверки эффективности алгоритмов машинного зрения. Вооружившись несколькими образцами реальных вредоносов, исследователи по-разному прятали их в скрытых слоях сети, фиксируя процент замен и точность предсказаний при прогоне контрольных изображений.

В итоге оказалось, что в 178М-байтовую модель AlexNet можно внедрить до 36,9МБ стороннего кода с потерей производительности менее 1%. Проверка результатов с помощью 58 антивирусов из коллекции VirusTotal не дала ни одного положительного срабатывания.

Для проведения атаки злоумышленнику, со слов исследователей, нужно вначале построить нейросеть и потренировать ее на заранее подготовленном наборе данных. Можно также приобрести уже обученный образец, внедрить вредоносный код и убедиться, что его присутствие не влечет неприемлемую потерю производительности. Подготовленная модель публикуется в общедоступном хранилище и начинает раздаваться, например, как апдейт в рамках атаки на цепочку поставок.

Предложенный подход предполагает дизассемблирование вредоносного кода перед встраиванием в искусственные нейроны. Обратную сборку выполняет программа-загрузчик, запущенная на целевом устройстве. Исполнение зловреда при этом можно предотвратить, если настройки атакуемой системы предусматривают верификацию загружаемого ИИ-контента. Выявить непрошеного гостя сможет также статический или динамический анализ кода.

«Обнаружить такого зловреда с помощью антивирусов в настоящее время затруднительно, — комментирует известный ИБ-специалист Лукаш Олейник (Lukasz Olejnik). — Но причина лишь в том, что никому в голову не приходит искать его в подобном месте».

Эксперты предупреждают, что рост популярности технологии нейросетей открывает новые возможности для злоупотреблений. Ее можно использовать, например, для взлома CAPTCHA, троллинга, шантажа и мошенничества, а также засева бэкдоров (PDF). Исследование возможных сценариев абьюза ИИ — залог успешной борьбы с этой ИБ-угрозой.

Anti-Malware TelegramПодписывайтесь на канал "Anti-Malware" в Telegram, чтобы первыми узнавать о новостях и наших эксклюзивных материалах по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru