0,02% от оборота: Минцифры закончило со штрафами за утечки

0,02% от оборота: Минцифры закончило со штрафами за утечки

0,02% от оборота: Минцифры закончило со штрафами за утечки

Минцифры подготовило новую версию законопроекта об оборотных штрафах. За утечку персональных данных компания может заплатить 0,02 оборотного штрафа. Правда, сначала нужно будет доказать достоверность потерянных сведений.

О финальной версии законопроекта по штрафам за утечки пишут “Ведомости”. За сливы, не позволяющие идентифицировать достаточное количество субъектов персональных данных, штрафы налагаться не будут.

“Достаточным”, по мнению Минцифры, является показатель в 10% от минимального объема самой утечки.

Оборотные штрафы включатся, если из “утекших” 10—100 тыс. ПДн удастся верифицировать 1 000. Если объем утечки превышает 100 000 записей, то принадлежность должна определяться у 10 000 субъектов.

Для руководителей компании, допустившей утечку данных от 10 000 до 100 000 субъектов, штраф составит 200 000 — 400 000 рублей.

Для ИП и юрлиц штраф — 0,02% от оборота, но не менее 1 млн рублей.

В первой редакции законопроекта предлагалось штрафовать компанию на 1% от годовой выручки за сам факт утечки и на 3%, если она не сообщила о ней вовремя.

В последней редакции документа такой порядок штрафа предусматривается только для компаний, допустивших утечку более 100 000 записей.

Новая версия смягчает меры наказания в случае, если компания потеряла данные впервые и сама предприняла действия по защите информации.

В позиции Минцифры по поводу статуса законопроекта отмечается, что добровольный аудит систем информационной безопасности компании может рассматриваться “как смягчающее обстоятельство” и подтверждать меры, принятые для защиты от утечек.

Персональные штрафы вводятся для чиновников и госслужащих в органах власти, для которых неприменимы оборотные штрафы, полагает бизнес-консультант по информбезопасности Positive Technologies Алексей Лукацкий.

По словам основателя и гендиректора “Бюро цифровых технологий” Виталия Зарубина, персональная ответственность — это “не совсем то направление, в котором нужно смотреть”. При этом штраф с оборота он назвал “допустимым и логичным”.

Оборотные штрафы за утечки обсуждаются с весны. Тогда в сеть попали данные пользователей «Яндекс Еды», Delivery Club и клиентов Гемотеста. Сервисы доставки оштрафовали на 60 тыс. рублей, а персональные данные из медцентра оценили в 0,2 копейки за клиента. В августе появилась информация, что оборотные штрафы могут пойти в фонд пострадавших от утечек.

В Security Vision SOAR появились ИИ-ассистент и ML-отчёты

Security Vision выпустила обновление платформы SOAR, добавив в неё несколько заметных функций — локальный ИИ-ассистент, ML-скоринг инцидентов и автоматические ML-отчёты по итогам расследований. Обновление ориентировано на повседневную работу SOC и обработку инцидентов без выхода за контур заказчика.

Security Vision SOAR используется для управления и автоматизации реагирования на инциденты информационной безопасности на всех этапах их жизненного цикла — от выявления и анализа до восстановления и постинцидентной работы.

В основе платформы лежит объектно-ориентированный подход: каждый элемент инцидента — будь то хост, учётная запись, процесс или артефакт — рассматривается как отдельный объект со своей историей, связями и возможными действиями.

Сценарии реагирования в системе динамические: плейбуки автоматически подстраиваются под развитие инцидента, появление новых данных и техник атак. Дополнительно платформа выстраивает цепочку Kill Chain, показывая, как развивалась атака и какие шаги предпринимал злоумышленник.

Система также предлагает рекомендации по дальнейшим действиям, опираясь на контекст инцидента, накопленный опыт SOC и ML-модели, включая оценку вероятности ложного срабатывания.

 

В новом релизе появился локальный ИИ-ассистент в формате чат-бота. Он работает полностью внутри инфраструктуры заказчика и не обращается к внешним сервисам. Ассистент учитывает контекст конкретного инцидента — его стадию, связанные объекты, историю действий и похожие кейсы — и помогает аналитикам разбираться в событиях, расшифровывать логи, понимать техники атак или формировать команды для диагностики. Модель может дообучаться прямо в SOC на результатах обработки инцидентов и аналитических бюллетенях, при этом все данные остаются внутри контура.

Ещё одно нововведение — ML-скоринг критичности инцидентов. Модель автоматически оценивает приоритет события на основе его масштаба и значимости затронутых активов, что упрощает триаж и помогает быстрее понять, какие инциденты требуют внимания в первую очередь.

Также в платформе появился ML-summary — автоматическое резюме по итогам расследования. При закрытии инцидента система формирует краткий отчёт в едином формате: что произошло, какие действия были выполнены, к какому результату они привели и удалось ли атакующему чего-то добиться. Такое резюме сохраняется в карточке инцидента и отчётности, упрощая передачу дел между сменами и снижая потерю контекста.

В целом обновление направлено на то, чтобы упростить и ускорить рутинную работу SOC: быстрее разбираться в инцидентах, снижать нагрузку на аналитиков и сохранять знания внутри команды без необходимости вручную оформлять каждый шаг расследования.

RSS: Новости на портале Anti-Malware.ru