UserGate теперь работает с TLS-трафиком, зашифрованным ГОСТ-алгоритмами

UserGate теперь работает с TLS-трафиком, зашифрованным ГОСТ-алгоритмами

UserGate теперь работает с TLS-трафиком, зашифрованным ГОСТ-алгоритмами

Компания UserGate теперь может расшифровывать TLS-трафик на уровне шлюза, если используются алгоритмы, поддерживающие национальные стандарты ГОСТ. По словам представителей, UserGate стала первым из вендоров с такими возможностями.

Свежие данные говорят о том, что более 90% соединений в Сети используют клиент-серверное шифрование (с применением сертификатов SSL/TLS). Специалисты считают, что на сегодняшний день остаётся нерешённым вопрос доверия к сертификатам.

Самая актуальная проблема, по мнению экспертов, — что делать с TLS ГОСТ. Напомним, что реализация протокола TLS с использованием алгоритмов ГОСТ была придумана с тем расчётом, чтобы иностранные удостоверяющие центры (CA) не смогли отозвать сертификаты важных ресурсов. В этом случае делается всё, чтобы обеспечить пользователям ничем не ограниченный доступ.

Тем не менее работа сайтов с использованием алгоритмов ГОСТ осложняется другой проблемой: популярные на рынке браузеры и операционные системы не хотят принимать сертификаты, совместимые с ГОСТ. Основная причина — они просто им не доверяют; как следствие, не пускают на такие ресурсы пользователей.

Другими словами, что пользователь смог зайти на эти сайты, в его распоряжении должен быть соответствующий браузер (на данный момент насчитывается 2 таких браузера на рынке) или импортозамещенную операционную систему.

В использовании TLS с поддержкой ГОСТ алгоритмов шифрования есть две основные проблемы:

1. Проблема инфраструктуры.

Далеко не все устройства готовы к использованию совместимых сертификатов, особенно это касается мобильных устройств. В данном случае UserGate позволяет принять сертификат, совместимый с ГОСТ, расшифровать трафик и отдать внутрь сети уже по понятным внутрикорпоративным сертификатам. Таким образом, отпадает необходимость использовать специальные браузеры для доступа к ресурсам. Пользователи могут не мигрировать с привычных продуктов.

2. Проблема безопасности.

К сожалению, наличие сертификата гарантирует только то, что портал организации относится действительно к той организации, которую он представляет. Если сайт был скомпрометирован, если были украдены сертификаты (такие случаи тоже известны), либо если в рамках защищенного соединения передается зловредный файл, то это все будет спокойно реализовано с помощью TLS ГОСТ. При этом ни одно решение не готово раскрывать трафик с отечественными алгоритмами шифрования для детального анализа содержимого. Решение UserGate умеет работать с таким трафиком, проводить глубокую инспекцию и выявлять опасные, подозрительные и зловредные элементы даже внутри защищенного трафика.

Лучшие LLM ошибаются с ядовитыми грибами в каждом девятом случае

Разработчик Пётр Мигдал проверил, можно ли доверить нейросети самый рискованный этап тихой охоты — определение грибов по фотографии. Короткий ответ: если очень хочется однажды поужинать дважды, то можно. В бенчмарк вошли 1040 фотографий 55 видов грибов, наиболее распространённых в Польше.

Изображения взяли из датасета FungiTastic, созданного на основе Atlas of Danish Fungi. Полная база содержит свыше 600 тыс. снимков с экспертной классификацией, а для части образцов вид подтверждён анализом ДНК.

Модели показывали каждую фотографию и просили назвать пять наиболее вероятных видов на латыни. Дополнительно их не обучали и специальные инструменты не подключали.


Лучше остальных справилась Gemini 3.8 Flash: правильный вид оказался на первом месте в 65% случаев и попал в пятёрку ответов в 85%. Немного отстали Gemini 3.6 Flash с результатами 64% и 85%, а также Gemini 3.7 Flash — 61% и 82%. Внизу таблицы расположились Qwen 3.8 27B, MiniMax-M3 и Qwen 3.8 Flash.


Но высокая точность закончилась там, где начался вопрос безопасности. Gemini 3.8 Flash и Gemini 3.6 Flash примерно в 11% случаев определяли ядовитые грибы как съедобные виды. У GPT-5.6 Sol доля опасных ошибок достигла 24%, у Claude Opus 5 — 29%, а у Qwen 3.8 27B — 36%. То есть последняя модель потенциально отправляла в корзину не тот гриб чаще чем в каждом третьем случае.

Есть важная оговорка: нейросети напрямую не спрашивали, можно ли есть находку. Они определяли вид, а затем исследователь сопоставлял ответы с таблицей съедобности. Некоторые модели и вовсе отказывались давать классификацию.

RSS: Новости на портале Anti-Malware.ru