Вышел продукт InfoWatch YazheGovoril для ретроспективного анализа данных

Вышел продукт InfoWatch YazheGovoril для ретроспективного анализа данных

Вышел продукт InfoWatch YazheGovoril для ретроспективного анализа данных

Ретроспективная аналитика на основе технологий искусственного интеллекта позволяет анализировать исторические данные о коммуникациях в компании и предлагать сотрудникам службы ИБ рекомендации по повышению уровня безопасности. В InfoWatch YazheGovoril 1.0 можно настроить персонифицированную доставку рекомендаций специалистам по информационной безопасности удобным для них способом: push-уведомления на экране рабочего компьютера, на телефоне, подсказки с помощью бота в Telegram и др.

В ходе пилотного тестирования нового модуля ИБ-специалисты из разных отраслей высоко оценили релевантность и практическую пользу предложенных рекомендаций, особенно выданных задним числом, и охарактеризовали их как эффективные и отвечающие потребностям их служб. Среди наиболее ценных пользователи отметили следующие рекомендации:

  1. «ИИ может ускорить отражение кибератаки, а может не ускорять»
  2. «Инсайдер находился в зоне доступа к кофемашине»
  3. «Да тут течет, как фреон из холодильника!»
  4. «Уже тошнит? Понюхайте лимон»

На основе исторических данных InfoWatch YazheGovoril 1.0 строит автоматический отчет в графическом и текстовом формате, который может быть представлен службой ИБ руководству компании для обоснования бюджета на закупку DLP-системы InfoWatch Traffic Monitor. Модуль ретроспективного анализа InfoWatch YazheGovoril 1.0 доступен бесплатно всем желающим, при регистрации на сайте InfoWatch до 5 апреля 2021 г. вы получите две лицензии по цене одной.

Подпишитесь на новости

Квантовая случайность дала сбой: ИИ может найти подсказки для взлома

Квантовая физика умеет создавать настоящую случайность, но инженеры всё ещё способны её испортить. Генератор может успешно пройти статистические тесты и при этом выдавать атакующему достаточно подсказок, чтобы тот попробовал предсказать следующие числа.

Европейский институт телекоммуникационных стандартов выпустил руководство ETSI TR 104 171 по разработке и оценке квантовых генераторов случайных чисел — QRNG.

Такие устройства измеряют квантовый процесс, обрабатывают полученные данные и передают случайные значения криптографическим системам для создания ключей и выполнения других защитных операций.

Проблема в том, что безопасность зависит не только от квантового источника. Датчики, блоки питания, сигнальные процессоры и алгоритмы обработки способны добавлять шум, часть которого может оказаться предсказуемой.


ETSI предупреждает, что системы искусственного интеллекта могут помочь злоумышленникам анализировать большие объёмы данных и находить такие закономерности.

Ещё одним источником подсказок способны стать изменения энергопотребления и электромагнитное излучение устройства. Связав побочные сигналы с выдаваемыми числами, атакующий теоретически сможет ослабить защищённую ими криптографию.

Авторы отчёта предлагают применять принцип нулевого доверия к энтропии (entropy zero trust). Производителям и операторам следует проверять квантовый источник, контролировать обработку данных, постоянно искать аномалии, защищать оборудование от вмешательства и шифровать каналы доставки чисел приложениям.

Для расследования сбоев рекомендуется записывать время генерации, версию работающего ПО и происхождение выходных данных. В многопользовательских системах потоки разных клиентов должны быть изолированы.

RSS: Новости на портале Anti-Malware.ru