Solar appScreener расширил возможности анализа и стал меньше ошибаться

Solar appScreener расширил возможности анализа и стал меньше ошибаться

Solar appScreener расширил возможности анализа и стал меньше ошибаться

ГК «Солар» анонсировала выпуск новой версии Solar appScreener — 3.14.9. Добавленный в прошлом году модуль SCA претерпел качественные изменения, снижено число ложных срабатываний, появилась возможность интеграции решений класса ASOC.

Сканер кода также научился комбинировать анализ SCA и SAST для Java, JavaScript, Golang, Python и C# (список языков будет расширяться). В результате вывод с Solar appScreener теперь может содержать не только уязвимости, выявленные в сторонних библиотеках, но также трассировку вызовов этих компонентов, что экономит время на верификацию находок.

У модуля SCA появилась собственная, регулярно обновляемая база уязвимостей. Минимизировать количество ложных срабатываний помогает уникальная технология Fuzzy Logic Engine, позволяющая приоритизировать уязвимости высокой степени риска по EPSS.

«Согласно Linux Foundation, от 70% до 90% современных приложений содержат ПО с открытым исходным кодом, что открывает перед киберпреступниками широкие возможности для атак, — отметил Антон Прокофьев, эксперт «Солара» по контролю безопасности Solar appScreener. — Один из последних ярких примеров — бэкдор в популярной утилите XZ Utils для Linux, который позволяет получить несанкционированный удаленный доступ ко всей системе»,

Арсенал appScreener теперь можно расширить за счет интеграции ASOC-инструментов DefectDojo и AppSecHub и получить еще более полную картину безопасности приложения в одном интерфейсе.

У пользователей появилась опция сборки Java-проектов собственными инструментами, упрощающая автоматизацию безопасной разработки. Добавлены правила поиска уязвимостей для 15 языков программирования (теперь поддерживаются 36), в том числе 1C, PHP и Python.

Ряд нововведений нацелен на повышение удобства использования анализатора:

  • появились системная роль «Модератор», шаблоны ролей;
  • в настройки добавлена возможность удаления проектов и сканов вручную;
  • на этапе предобработки файлов для статического анализа выполняются оптимизация и преобразование в удобный для чтения формат;
  • технологии анализа сторонних компонентов (SCA, SCS, SAST + SCA, лицензионные риски) объединены в модуль OSA и теперь доступны из единой вкладки в интерфейсе;
  • реализована поддержка плагинов Jenkins, TeamCity, Azure и CLT для модулей DAST и OSA.

В России разработали способ удалить свой биометрический след

В ИТ-компании «Криптонит» (входит в «ИКС Холдинг») разработали метод, который позволяет выборочно удалять цифровые образы людей из систем распознавания лиц. Если совсем просто, речь идёт о технологии, которая должна помочь реализовать право человека отозвать согласие на обработку своей биометрии — так, чтобы система действительно перестала его узнавать.

Проблема тут в том, что современные системы распознавания лиц устроены не так прямолинейно, как может показаться.

Даже если сведения о человеке формально удалили из базы, его цифровой образ может всё равно остаться внутри уже обученной модели. То есть на бумаге данные вроде бы стерли, а на практике алгоритм всё ещё способен узнать этого человека.

Именно это и делает тему особенно чувствительной. С биометрией всё сложнее, чем с обычными персональными данными: пароль можно поменять, а лицо — нет. Если такие данные утекают, риски уже совсем другого уровня, потому что украденные цифровые слепки можно использовать для создания поддельных образов и обхода биометрической аутентификации.

 

В «Криптоните» утверждают, что их метод решает задачу не маскировкой и не косметическим удалением, а на уровне внутренней логики самой модели. Проще говоря, алгоритм перестаёт использовать сведения о конкретном человеке и больше не может его распознавать, при этом способность узнавать остальных людей сохраняется.

По словам разработчиков, на тестовых наборах данных технология показала заметное снижение эффективности распознавания именно тех лиц, которые нужно «забыть», — до 88%. При этом общая точность системы, как утверждается, осталась на прежнем уровне.

Практическое применение у такого подхода вполне очевидное. В первую очередь это системы видеонаблюдения с распознаванием лиц, СКУД и корпоративная безопасность. Например, технология может пригодиться для удаления биометрических данных уволенных сотрудников, когда компания обязана прекратить их обработку, но не хочет при этом заново переобучать всю систему с нуля.

RSS: Новости на портале Anti-Malware.ru