Российские NGFW вытесняют иностранные: 50+ проектов за год

Российские NGFW вытесняют иностранные: 50+ проектов за год

Российские NGFW вытесняют иностранные: 50+ проектов за год

«Кросс Технолоджис» и «Код Безопасности» подвели итоги 2024 года по импортозамещению. За год было запущено и продолжено более 50 проектов, из которых большая часть — это новые внедрения российских межсетевых экранов следующего поколения (NGFW), пришедших на смену зарубежным аналогам.

Судя по результатам, процесс перехода на отечественные решения в 2024 году заметно ускорился. Особенно активно систему «Континент 4» внедряли на предприятиях с разветвлённой инфраструктурой — таких оказалось 74% среди всех заказчиков.

Для крупных компаний с распределённой сетью защита периметра — одна из приоритетных задач. Им важно не только, чтобы средства защиты «держали нагрузку» и имели нужный функционал, но и чтобы ими можно было удобно централизованно управлять. «Континент 4» в этом плане оказался востребован: это не просто NGFW, а комплексное решение с системой обнаружения вторжений и глубоким анализом трафика.

Кроме защиты, пользователи отмечают ещё один важный момент — возможность выстроить единую политику безопасности и управлять всей инфраструктурой из одного окна. Это снижает риск ошибок и экономит кучу времени.

Решения подбираются под конкретные задачи: от небольших организаций до крупных сетей — всё это поддерживается в рамках линейки «Континент». При этом даже младшие модели имеют тот же набор защитных функций, что и старшие.

Со стороны «Кросс Технолоджис» проекты поддерживает команда опытных сетевых инженеров, которые не первый год занимаются заменой западных NGFW на российские аналоги. Они же занимаются внедрением, сопровождением и обучением — процесс поставлен на поток, включая круглосуточную техподдержку.

В «Коде Безопасности» подчёркивают: такие совместные проекты помогают продвигать идею цифрового суверенитета, а открытый подход к сотрудничеству с другими российскими компаниями позволяет лучше понимать потребности заказчиков и находить рабочие решения.

Представители обеих компаний сходятся в одном: импортозамещение работает, если есть и понимание старых систем, и практический опыт интеграции новых. Главное — не просто заменить коробку на другую, а вписать решение в существующую инфраструктуру так, чтобы оно реально защищало и работало эффективно.

Нейросеть с сюрпризом: AppSec.Track проверит модели из Hugging Face

ML-модель из публичного репозитория может оказаться не только умной, но и с неприятным сюрпризом внутри. AppSec Solutions добавила в платформу AppSec.Track предварительную проверку моделей из Hugging Face. По заявлению компании, это первое российское решение, которое блокирует потенциально опасные модели до их попадания на машины разработчиков и в CI.

Каждый запрошенный через корпоративный репозиторий файл автоматически отправляется в «карантин». Пока идёт сканирование, разработчик не может скачать модель, зато видит статус проверки и своё место в очереди. После анализа платформа решает, пропускать артефакт в корпоративную инфраструктуру или оставить за дверью.

Модели проверяются без запуска. AppSec.Track разбирает файлы PyTorch, TensorFlow, Keras и другие сериализованные форматы, включая вложенные архивы, и ищет код, способный выполниться при загрузке. Обнаруженным угрозам присваивается уровень критичности.

Проблема особенно актуальна для моделей в формате pickle. Они могут содержать исполняемый код, поэтому одной заражённой загрузки достаточно, чтобы злоумышленник закрепился в среде разработки. Обычный сканер зависимостей здесь способен промахнуться: зловред сидит не в пакете, а внутри самой модели.

В AppSec Solutions считают, что со временем индустрия перейдёт на безопасный формат safetensors. Но пока публичные хабы забиты pickle-файлами, доверять модели только за красивые метрики — так себе стратегия.

Второй рубеж защиты работает на этапе сборки. AppSec.Track формирует SBOM и проверяет библиотеки и зависимости по собственной базе уязвимостей. Она охватывает PyPI, npm, Maven, NuGet, CUDA, Julia и другие экосистемы. Фид можно подключить онлайн или развернуть в закрытом контуре.

Политики безопасности настраиваются один раз и затем применяются автоматически. Сама модель проходит досмотр при входе и повторно не сканируется, а её окружение контролируется при каждой сборке. Получается вполне понятный фейс-контроль: нейросеть сначала показывает, что у неё внутри, и только потом идёт работать.

RSS: Новости на портале Anti-Malware.ru