Лаборатория Касперского представила коммерческую версию Kaspersky NGFW

Лаборатория Касперского представила коммерческую версию Kaspersky NGFW

Лаборатория Касперского представила коммерческую версию Kaspersky NGFW

«Лаборатория Касперского» выпустила коммерческую версию своего межсетевого экрана нового поколения — Kaspersky NGFW. Это решение ориентировано на защиту корпоративной сетевой инфраструктуры — от небольших офисов до крупных компаний с высоким трафиком и сложной топологией.

Продукт включён в реестр отечественного ПО, проходит сертификацию ФСТЭК России и регистрируется в реестрах ПАК Минцифры и Минпромторга.

Одной из актуальных задач, с которыми сталкиваются российские компании, стала защита от сложных атак, в том числе с применением инструментов туннелирования трафика (например, ngrok, Chisel, gTunnel и других). По данным компании, такие средства часто используют злоумышленники, включая проукраинских хактивистов, чтобы обходить традиционные средства ИБ. В Kaspersky NGFW предусмотрены механизмы для выявления и блокировки подобного трафика.

Система обнаружения и предотвращения вторжений (IDPS), встроенная в NGFW, показала более 95% успешного обнаружения сетевых угроз по итогам тестов. Также в продукте используется собственный антивирусный движок с элементами ИИ.

Среди особенностей решения — возможность разворачивания отказоустойчивого кластера Active-Passive с использованием собственного протокола KHCP. Это актуально для организаций, которым критична непрерывность работы сетевой инфраструктуры.

Для удобства управления используется единая консоль Open Single Management Platform — её интерфейс переработали специально для коммерческой версии. Также заявлена интеграция с другими средствами защиты и использование глобальной базы знаний о киберугрозах (Threat Intelligence).

Аппаратная часть системы — это линейка устройств российского производства под названием Kaspersky Extension. Они рассчитаны на разные уровни нагрузки и обеспечивают производительность до 180 Гб/с в режиме L4 с включённым контролем приложений.

По словам представителей компании, решение разрабатывалось с учётом перехода бизнеса с зарубежных систем и усложнения угроз. Сейчас его тестируют несколько десятков заказчиков из финансового и транспортного секторов. В планах компании — развитие промышленной версии NGFW и дальнейшее внедрение ИИ-функциональности.

Решение ориентировано на средние и крупные компании — от 1000 устройств и выше. Его применение актуально для организаций из госсектора, финансовой сферы, здравоохранения, образования, телекоммуникаций и розничной торговли.

Напомним, не так давно мы публиковали обзор бета-версии Kaspersky NGFW Beta 2, межсетевого экрана нового поколения. Рассмотрели множество новых сетевых функций и функций безопасности.

Лучшие LLM ошибаются с ядовитыми грибами в каждом девятом случае

Разработчик Пётр Мигдал проверил, можно ли доверить нейросети самый рискованный этап тихой охоты — определение грибов по фотографии. Короткий ответ: если очень хочется однажды поужинать дважды, то можно. В бенчмарк вошли 1040 фотографий 55 видов грибов, наиболее распространённых в Польше.

Изображения взяли из датасета FungiTastic, созданного на основе Atlas of Danish Fungi. Полная база содержит свыше 600 тыс. снимков с экспертной классификацией, а для части образцов вид подтверждён анализом ДНК.

Модели показывали каждую фотографию и просили назвать пять наиболее вероятных видов на латыни. Дополнительно их не обучали и специальные инструменты не подключали.


Лучше остальных справилась Gemini 3.8 Flash: правильный вид оказался на первом месте в 65% случаев и попал в пятёрку ответов в 85%. Немного отстали Gemini 3.6 Flash с результатами 64% и 85%, а также Gemini 3.7 Flash — 61% и 82%. Внизу таблицы расположились Qwen 3.8 27B, MiniMax-M3 и Qwen 3.8 Flash.


Но высокая точность закончилась там, где начался вопрос безопасности. Gemini 3.8 Flash и Gemini 3.6 Flash примерно в 11% случаев определяли ядовитые грибы как съедобные виды. У GPT-5.6 Sol доля опасных ошибок достигла 24%, у Claude Opus 5 — 29%, а у Qwen 3.8 27B — 36%. То есть последняя модель потенциально отправляла в корзину не тот гриб чаще чем в каждом третьем случае.

Есть важная оговорка: нейросети напрямую не спрашивали, можно ли есть находку. Они определяли вид, а затем исследователь сопоставлял ответы с таблицей съедобности. Некоторые модели и вовсе отказывались давать классификацию.

RSS: Новости на портале Anti-Malware.ru