В России представили методологию стресс-тестов для систем класса ERP

В России представили методологию стресс-тестов для систем класса ERP

В России представили методологию стресс-тестов для систем класса ERP

Автономная некоммерческая организация «Национальный центр компетенций по информационным системам управления холдингом» (АНО «НЦК ИСУ») представила методологию нагрузочного тестирования для российских ERP-систем. Теперь её планируют внедрять совместно с разработчиками как единый подход при создании и развитии таких решений.

В работе над документом участвовали архитекторы с опытом реализации крупных ИТ-проектов. При разработке авторы опирались на проверенные в отрасли практики — в том числе из банковского, нефтегазового, металлургического и транспортного секторов.

В качестве одного из примеров использовались результаты нагрузочного теста «1С:ERP Управление предприятием» на 30 тысяч одновременных пользователей, работающих в общей базе данных под управлением PostgreSQL и Linux.

Также разработчики консультировались со специалистами в области тестирования системного ПО и оборудования — в том числе с представителями российских вендоров.

По словам генерального директора АНО «НЦК ИСУ» Кирилла Семиона:

«Для участников нагрузочного тестирования методология станет инструментом быстрого освоения принципов данного процесса и его эффективной организации, обеспечит им прозрачность испытаний и технических характеристик российских СУР, даст возможность управления тестированием и воспроизведения его результатов. Также использование документа в ходе испытаний позволит им придерживаться единого согласованного подхода и объективно проводить проверку готовности отечественных ERP к реальным нагрузкам и высоким требованиям бизнеса. Такая оценка необходима российским вендорам СУР для создания обоснованных дорожных карт развития, успешной конкуренции с зарубежными производителями ERP, повышения доверия заказчиков, получения дополнительных преимуществ при участии в тендерах и достижения других важных целей».

Методология универсальна — она описывает, с чего начать тестирование, как определить характеристики тестируемой системы, как готовить окружение, создавать сценарии, запускать тесты и оценивать результат. В документе подробно изложены пять этапов тестирования:

  1. Анализ поведения пользователей и выбор ключевых сценариев;
  2. Подготовка тестового окружения, близкого к реальной инфраструктуре;
  3. Формирование тестовых сценариев;
  4. Проведение тестов с замером производительности и ресурсов;
  5. Анализ проблем, отчёты и рекомендации по оптимизации.

Для оценки результата предлагается использовать показатели вроде APDEX для ключевых операций, нормативов загрузки оборудования, отсутствия критических ошибок и доли некритичных, не превышающей 1–5%.

Также описаны процедуры приёмки результатов, ограничения и условия тестов.

По словам Кирилла Семиона, в дальнейшем планируется развивать методологию с учётом потребностей бизнеса: расширять сценарии, адаптировать параметры нагрузки и учитывать особенности разных отраслей. Такой подход, по его мнению, позволит методологии оставаться актуальной на долгий срок и применяться не только к ERP, но и к другим ИТ-решениям.

Напомним, на неделе мы сообщали, что Минцифры совместно с рядом других ведомств рассматривает возможность отнесения ERP-систем к объектам критической информационной инфраструктуры (КИИ).

64% ИИ-приложений для iPhone оказались с дырой в защите

Исследователи из Wake Forest University обнаружили масштабную проблему в экосистеме iOS-приложений с искусственным интеллектом. Анализ показал, что сотни программ фактически оставляют открытыми ключи доступа к нейросетям и серверным компонентам, что позволяет злоумышленникам использовать их инфраструктуру в своих целях.

Для исследования специалисты разработали инструмент LLMKeyLens, который анализирует сетевой трафик приложений и выявляет утечки учетных данных, используемых для работы с OpenAI, Gemini, DeepSeek, Mistral и другими ИИ-сервисами.

Из более чем 38 тысяч приложений App Store исследователи отобрали 444 программы с подтверждёнными функциями на базе больших языковых моделей. Результаты оказались неприятными: у 282 приложений, или 64% выборки, были обнаружены утечки ключей доступа или других механизмов подключения к ИИ-сервисам.

 

Причем в 146 случаях проблема позволяла напрямую использовать чужие ресурсы. Некоторые приложения передавали API-ключи OpenAI и других провайдеров в открытом виде прямо в сетевых запросах. Другие скрывали ключи на сервере, но оставляли открытыми прокси-серверы, через которые любой желающий мог отправлять запросы к нейросетям.

Особенно часто проблемы встречались в приложениях для продуктивности, обучения, развлечений, здоровья и образа жизни. Лидером по доле уязвимых программ стала категория Health & Fitness.

Исследователи также обнаружили крайне небрежное отношение к защите токенов доступа. В некоторых случаях JWT-токены действовали годами, а отдельные системы выдавали их со сроком действия до 100 лет. Более того, некоторые серверы принимали даже просроченные токены.

После обнаружения проблем разработчиков всех 282 приложений уведомили об уязвимостях. Через 90 дней специалисты провели повторную проверку. Патчи выпустили только 78 приложений — это около 28% от числа уязвимых программ. Еще 66 приложений остались доступными для эксплуатации даже после уведомления.

Авторы исследования считают, что причина проблемы проста: многие разработчики стремятся максимально быстро интегрировать ИИ-функции и уделяют недостаточно внимания защите инфраструктуры.

RSS: Новости на портале Anti-Malware.ru