Security Vision и Газинформсервис объединили возможности своих продуктов

Security Vision и Газинформсервис объединили возможности своих продуктов

Security Vision и Газинформсервис объединили возможности своих продуктов

Security Vision и «Газинформсервис» подтвердили совместимость защищенной системы управления базами данных (СУБД) Jatoba и автоматизированной платформы информационной безопасности Security Vision в ходе всестороннего тестирования.

Успешная интеграция этих продуктов позволит заказчикам повысить эффективность и безопасность работы с данными, а также даст возможность реализовывать проекты по автоматизации процессов информационной безопасности с использованием отечественной СУБД из реестра российских программ для электронно-вычислительных машин и баз данных, сертифицированной ФСТЭК по 4 уровню доверия.

Защищенная СУБД Jatoba является отечественной разработкой, предоставляющей пользователям возможность защиты данных: обфускацию хранимых процедур и функций, SQL Firewall, а также возможность создания кластеров для отказоустойчивых, распределенных и высоконагруженных систем. Базируется на свободном программном обеспечении СУБД PostgreSQL.

Платформа автоматизации и роботизации процессов обеспечения информационной безопасности Security Vision – ИТ-платформа low code/no code, позволяющая роботизировать до 95% программно-технических ИТ/ИБ функций за счёт:

  • создания элементов саморегулирующихся программных средств с использованием математических методов для высвобождения человека от участия в рутинных операциях и процессах получения, преобразования, передачи и использования информации;
  • использования алгоритмов и методов машинного обучения;
  • использования алгоритмов предиктивной аналитики больших данных и когнитивного поиска информации.

«Компания «Газинформсервис» очень нравится нам по духу. Коллеги стараются вести работу по принципу неравнодушного отношения к делу, и мы видим, что это, действительно, дает свои плоды. Выходят новые линейки продуктов, непрерывно происходит совершенствование существующих, и, как следствие, появляется всё больше довольных клиентов, использующих решения. Когда коллеги предложили нам реализовать интеграцию решений, обсудив видимую ценность этого, мы сразу же согласились. Очень важно сейчас, чтобы российские компании объединялись и объединяли усилия с пользой для клиентов», отмечает коммерческий директор компании SecurityVisionЕкатерина Черун. 

«Обеспечение информационной безопасности остается одной из первостепенных задач для крупного бизнеса. Совместимость программного обеспечения дает возможность расширять спектр защиты. Мы рады предоставить пользователям ПО Security Vision такие важные функции, как безопасность и производительность, которые есть в нашей СУБД Jatoba», – говорит заместитель генерального директора – директор департамента организации работ с заказчиками компании «Газинформсервис» Роман Пустарнаков.

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