Adobe открыла исходный код инструмента для поиска утёкших учётных данных

Adobe открыла исходный код инструмента для поиска утёкших учётных данных

Adobe открыла исходный код инструмента для поиска утёкших учётных данных

Компания Adobe открыла исходный код инструмента, способного идентифицировать сгенерированные случайным образом строки. Разработка будет также полезна для вычисления скомпрометированных учётных данных.

Инструмент получил имя Stringlifier. Он написан на Python и задействует машинное обучение, чтобы отличить сгенерированную случайным образом последовательность от нормальной последовательности текста.

В частности, детище Adobe отлично подойдёт для анализа логов приложений или записей, касающихся безопасности. Например, если понадобится вычислить случайно скомпрометированные учётные данные.

Stringlifier легко может распознать хеши, ключи API, сгенерированные пароли, а также случайные строки в исходном коде, логах или файлах конфигурации.

Исходный код инструмента разработчики опубликовали в собственном репозитории GitHub. По словам Adobe, Stringlifier уже использовался внутри компании для выявления случайных строк, аномалий в базах данных и т. п. Однако в связке с ним Abode использовала другую разработку — Tripod.

Подпишитесь на новости

SECURITM подключила внешние ИИ к данным об ИБ через MCP

Чтобы выяснить, какие высокие риски остались без задач, теперь можно спросить привычного ИИ. SECURITM запустила MCP-сервер: он позволяет внешнему ассистенту обращаться к данным платформы об активах, рисках, задачах и метриках без ручного переноса сведений в чат.

Как сообщает разработчик, это первый MCP-сервер среди российских SGRC/SOAR-систем. MCP — открытый протокол подключения ИИ к внешним инструментам и источникам данных.

Сценарий простой: пользователь спрашивает, какие критически важные активы остались без владельца, кто просрочил задачи или как изменились показатели за месяц. Ассистент находит сведения в SECURITM и собирает таблицу, сводку для руководства или проект плана работ.

Потом запрос можно уточнить — например, сгруппировать просрочки по ответственным. Подключение рассчитано на клиентов с поддержкой MCP. Среди вариантов разработчик называет GigaChat, решения Яндекса, Claude, ChatGPT, Cursor и локальные модели с соответствующей интеграцией. Настройка зависит от выбранного инструмента.

Сервер работает только на чтение: ИИ не сможет переписать риски или закрыть неудобные задачи, чтобы отчёт выглядел бодрее. Для подключения используется отдельный MCP-токен, доступ можно ограничить по IP-адресам.

Функция дополняет встроенного ИИ-ассистента: теперь работать с данными можно и из внешнего ИИ. Она доступна в платных версиях SECURITM — облачной и для установки в инфраструктуре заказчика.

Но порядок в реестрах нейросеть не создаст одним красноречием. Качество ответа зависит от исходных данных и модели, а выводы требуют проверки.

RSS: Новости на портале Anti-Malware.ru