Программный комплекс SolidWall WAF вошел в реестр отечественного ПО

Программный комплекс SolidWall WAF вошел в реестр отечественного ПО

Программный комплекс SolidWall WAF вошел в реестр отечественного ПО

Сетевой экран для защиты веб-приложений SolidWall, разработанный компанией SolidSoft, резидентом Фонда «Сколково», вошел в Единый реестр отечественного программного обеспечения.

Михаил Плахута, сооснователь и исполнительный директор SolidSoft: 
«Включение SolidWall WAF в Единый реестр российских программ — хорошая новость для наших клиентов и партнеров. Это означает, что продукт освобожден от уплаты НДС. Таким образом, мы избежали подорожания лицензий на 20% и обеспечили конкурентный уровень цен. Кроме того, включение в Реестр позволяет использовать SolidWall WAF для защиты веб-приложений государственных организаций и компаний с госучастием».

SolidWall WAF – специализированное решение для защиты критичных веб-ресурсов и приложений от внешних атак, несанкционированного использования и фрода. Сетевой экран контролирует сценарии работы приложений, минимизирует возможность эксплуатации ошибок бизнеслогики, обеспечивает эффективную защиту при низкой стоимости владения.

Михаил Стюгин, руководитель направления «Информационная безопасность» Фонда «Сколково»: «Реестр отечественного ПО — базовый ориентир для закупщиков и поставщиков в процессе принятия решений по внедрениям продуктов в инфраструктуру госорганизаций. Мы оказываем юридическую поддержку резидентам “Сколково”, сопровождаем на этапах проверок и экспертиз, ведем переговоры на уровне ведомств и министерств. И мы рады, что наши резиденты увеличивают объем заказов среди госорганизаций, внедряя инновационные решения, в том числе в сегменте Web Application Firewall».

SolidWall WAF сочетает сразу несколько механизмов защиты от типовых и целевых кибератак. Он строит модель взаимодействия между защищаемым приложением и его легитимными пользователями. Алгоритмы машинного обучения повышают вероятность обнаружения атак. Встроенный набор сигнатур обеспечивает защиту с момента установки WAF, не дожидаясь, пока сетевой экран пройдет обучение на достаточном объеме трафика. Решение SolidWall WAF может быть интегрировано с SIEM, аналитическими и антивирусными системами, а также внешними системами, использующими стандарты Syslog, SNMP, SQL, REST API, ICAP.

SolidWall WAF хранит подозрительные HTTPтранзакции и результаты их обработки, что обеспечивает высокое качество расследований инцидентов и облегчает подготовку отчетности. Система подавления ложных срабатываний дает возможность аналитикам сосредоточиться на значимых событиях. В условиях повышенных требований к политике безопасности все данные могут храниться локально внутри периметра организации.

Positive Technologies научила ИИ замечать подозрительные сценарии в коде

Positive Technologies сообщила о разработке нейросети MOLOT, предназначенной для поиска вредоносного кода в проектах на Python, JavaScript и TypeScript. Технология уже используется в составе анализатора исходного кода PT Application Inspector версии 6.0.

В отличие от традиционных инструментов статического анализа, которые ищут опасные конструкции по заранее заданным правилам, новая модель анализирует последовательность действий, выполняемых программой.

Нейросеть оценивает не отдельные фрагменты кода, а их совокупность и пытается определить, формируют ли они подозрительный сценарий.

Проблема, которую пытаются решить разработчики, связана с так называемым намеренно внедрённым вредоносным кодом. В отличие от обычных уязвимостей, такой код не содержит ошибок, которые можно эксплуатировать извне. Он работает как легитимная часть приложения и использует те же права доступа, что и остальная программа.

 

По словам специалистов, именно поэтому многие подобные закладки остаются незамеченными при стандартных проверках безопасности.

Отдельные действия вредоносного кода сами по себе обычно не вызывают подозрений. Чтение файла, обращение к сети, шифрование данных или запуск процесса встречаются в тысячах обычных приложений. Однако если программа, например, считывает логины и пароли, кодирует их и затем отправляет на внешний сервер, такая последовательность уже может указывать на вредоносную активность.

 

Для анализа MOLOT строит цепочку действий программы — обращений к файлам, сетевых запросов, запуска процессов, использования криптографических функций и других операций. Затем эта последовательность передаётся в нейросеть, которая обучена отличать типичные сценарии работы приложений от поведения, характерного для вредоносного кода.

В компании утверждают, что тестирование проводилось на вредоносных пакетах из репозиториев PyPI и npm. По словам разработчиков, в ряде тестов модель показала более высокую точность по сравнению с существующими аналогами с открытым исходным кодом.

Одной из особенностей системы стала возможность объяснять свои выводы. Помимо самого вердикта нейросеть показывает строки кода, которые повлияли на решение. Это позволяет специалисту быстро перейти к подозрительному фрагменту и самостоятельно проверить результаты анализа.

Интерес к подобным инструментам растёт на фоне увеличения числа атак через цепочки поставок ПО, вредоносные пакеты в публичных репозиториях и распространения ИИ-инструментов для генерации программного кода.

RSS: Новости на портале Anti-Malware.ru