В новой версии Kaspersky Anti Targeted Attack добавили модуль NDR

В новой версии Kaspersky Anti Targeted Attack добавили модуль NDR

В новой версии Kaspersky Anti Targeted Attack добавили модуль NDR

«Лаборатория Касперского» выпустила седьмую версию платформы Kaspersky Anti Targeted Attack (KATA), предназначенную для защиты от целевых кибератак и оснащённую новым модулем — Network Detection and Response (NDR).

Обновлённая платформа предназначена для защиты от сложных и целевых атак и включает три ключевых модуля:

  • KATA — отвечает за анализ сетевого трафика, контролирует точки входа угроз (сеть, веб-трафик, электронная почта) и обеспечивает проверку подозрительных объектов в песочнице.
  • Kaspersky Endpoint Detection & Response Expert (KEDR) — предоставляет полную картину событий в инфраструктуре рабочих мест и серверов, защищая их от сложных угроз и APT-атак.
  • Network Detection and Response (NDR) — новый модуль для глубокого анализа сетевого трафика. Он позволяет выявлять угрозы, проводить ретроспективный анализ, искать аномалии, строить карту сети и таблицы сессий, а также оперативно реагировать на инциденты через сетевые устройства и файрволы.

Особенность NDR заключается в возможности записи «сырого» сетевого трафика для последующего анализа. Эта функциональность помогает организациям эффективно выявлять атаки и исследовать угрозы, даже если они не вызывают стандартных оповещений о безопасности.

Обновлённая KATA с модулем NDR приближается к функциональности полноценной XDR-платформы, предоставляя организациям комплексные инструменты для анализа и реагирования на кибератаки. Использование KATA, NDR и KEDR в единой консоли расширяет сценарии реагирования и позволяет интегрироваться с Kaspersky SD-WAN, обеспечивая надёжную передачу трафика в распределённых сетях.

«Комплексный подход особенно важен для организаций с распределённой инфраструктурой и удалёнными филиалами, где может использоваться простое сетевое оборудование без возможности передачи протоколов SPAN или NetFlow, — отмечает Марина Усова, руководитель корпоративных продаж «Лаборатории Касперского» в России. — В таких случаях KES может выполнять роль AVZ, Application Control, EDR (при наличии лицензии KEDR) и NDR-сенсора, что улучшает видимость и безопасность процессов в этом сегменте сети».

Дополнительно в новой версии KATA расширены возможности интеграции с Kaspersky Endpoint Security (KES), который теперь может отправлять объекты в KATA Sandbox для эмуляции и передавать сетевую телеметрию с именем процесса напрямую в NDR. Это позволяет ускорить поиск угроз и повысить точность анализа.

Для действующих пользователей KATA модуль NDR активируется после обновления платформы и приобретения новой лицензии. Новым клиентам доступна седьмая версия платформы с возможностью активации NDR по соответствующей лицензии.

«Мы предлагаем передовое решение для защиты от целевых атак, объединяющее возможности анализа сетевых угроз (KATA и NDR) и EDR. Это обеспечивает централизованный контроль, эффективное выявление угроз и их оперативное устранение», — комментирует Тимофей Титков, руководитель развития продуктов облачной и сетевой безопасности «Лаборатории Касперского».

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