Компания Palo Alto Networks во вторник запустила подписной сервис кибербезопасности, который интегрирует несколько передовых моделей искусственного интеллекта в постоянно работающую программу наступательной защиты. Этот шаг призван проверить, смогут ли специалисты по кибербезопасности использовать ту же самую ускоряющую технологию, которая делает автоматизированные атаки более эффективными.

Сервис Unit 42 Continuous Frontier AI Defense объединяет Claude Mythos 5 от Anthropic, GPT-5.6-Cyber ​​от OpenAI и модели с открытыми весами с разработками исследователей безопасности Palo Alto. Компания заявляет, что будет неоднократно проверять веб-приложения, интерфейсы прикладного программирования, облачные системы, хранилища исходного кода и сетевые ресурсы по мере изменения среды клиентов. О запуске и основной структуре сервиса независимо сообщили Reuters и Axios, а Palo Alto опубликовала официальное заявление компании.

Почему важна многомодельная конструкция

Традиционное сканирование уязвимостей обычно выявляет известные слабые места или подозрительные конфигурации в определенный момент времени. Предлагаемая система Palo Alto идет дальше: она предназначена для проверки возможности объединения отдельных уязвимостей в работоспособный путь атаки, а затем отправляет приоритетные рекомендации по устранению в систему обработки заявок клиента. На странице продукта говорится, что эксперты по наступательной безопасности проверяют результаты моделирования, прежде чем рассматривать их как пути эксплуатации, и что тестирование возобновляется при изменении приложений или инфраструктуры.

Это различие важно, поскольку список отдельных дефектов не показывает, как будет развиваться вторжение. Незначительная ошибка конфигурации может стать серьезной в сочетании с раскрытыми учетными данными, чрезмерными разрешениями в облаке или необновленной службой. И наоборот, сканер может выявить уязвимость, которую компенсирующие меры контроля делают недоступной. Предложенный рабочий процесс направлен на переход от обнаружения к доказательству: составление карты возможных путей, проверка работоспособности тех из них и направление мер по устранению проблем на пути, создающие наибольший риск.

Проверка человеком важна, поскольку компания не утверждает, что одна модель может надежно обнаружить всю среду целиком. Palo Alto сообщила Axios, что в ходе собственных тестов ни одна модель не обнаружила более 40% уязвимостей в сложной среде клиента. Компания также заявила, что результаты Mythos 5 и GPT-5.6-Cyber ​​совпадали менее чем в 10% случаев. Эти данные предоставлены поставщиком, а не являются результатами независимого сравнительного анализа, поэтому их следует рассматривать как подтверждение архитектуры компании, а не как универсальный показатель производительности модели.

Основной аргумент заключается в том, что разные модели имеют разные «слепые зоны». Одна может лучше справляться с чтением исходного кода, другая — с анализом разрешений в облаке, а третья — с установлением связи между ошибкой конфигурации и доступным сервисом. Уровень оркестрации может назначать задачи различным системам и сравнивать их результаты. Затем специалисты решают, является ли теоретическая уязвимость достижимой, значимой и безопасной для тестирования.

От периодических испытаний до непрерывного давления

Изменения коснулись как операционных, так и технических аспектов. Обычное тестирование на проникновение может дать ценный отчет, но устаревает после выпуска нового программного обеспечения, изменения доступа или развертывания в облаке. Компания Palo Alto заявляет, что ее сервис постоянно обнаруживает уязвимости, проверяет возможность их эксплуатации и проводит повторное тестирование после изменений. Агентство Reuters сообщило, что клиенты могут получать предложения по исправлению кода или использовать виртуальные патчи, когда официальное исправление программного обеспечения еще недоступно.

Виртуальный патч может снизить уязвимость, блокируя вредоносные запросы или схемы атак на уровне безопасности, но он не удаляет дефектный код. Это делает последующие действия измеримыми: организациям по-прежнему необходимо назначать ответственных лиц, тестировать постоянные исправления и подтверждать путем повторного тестирования, что путь атаки закрыт. Непрерывная работа сервиса могла бы сократить этот цикл, хотя в материалах по запуску не представлены независимо подтвержденные улучшения времени устранения проблем.

По данным Reuters и компании, годовые подписки будут предлагаться по всему миру, а ценообразование частично будет зависеть от сочетания выбранных коммерческих и открытых моделей. Palo Alto не предоставила достаточно подробной информации для сравнения стоимости услуги с периодическим тестированием на проникновение или конкурирующими платформами. Компания также не опубликовала данные о количестве ложных срабатываний на уровне клиентов, методологию оценки или полное описание того, как будет регулироваться доступ к моделям и конфиденциальным корпоративным данным.

Эти нерешенные вопросы имеют значение. Для проведения наступательного тестирования требуется широкий доступ, тщательно определенная область применения и строгий контроль аудита. Автоматизированная система, которая неправильно идентифицирует цель, выполняет небезопасное действие или раскрывает проприетарный код, может создать новые риски при поиске существующих. В Palo Alto заявляют, что область применения согласовывается с заказчиком, а экспертная проверка включена в рабочий процесс, но потенциальным покупателям все равно потребуется четкое договорное положение о хранении данных, доступе поставщика моделей, ответственности за инциденты и границах автономных действий.

Продукт, сочетающий в себе функции проверки управления и обеспечения безопасности

Запуск продукта происходит на фоне того, что федеральные рекомендации все чаще рассматривают внедрение ИИ как проблему управления рисками, а не как разовую техническую покупку. Добровольная концепция NIST призывает учитывать вопросы доверия на всех этапах проектирования, использования и оценки систем ИИ. NIST также описывает свою кибер-концепцию как структуру для управления, идентификации, защиты, обнаружения, реагирования и восстановления после рисков кибербезопасности. Эти документы не одобряют данный продукт; они иллюстрируют более широкие меры контроля, по которым следует оценивать любую непрерывную службу безопасности ИИ.

Для руководителей служб безопасности практический вопрос заключается не в том, сможет ли модель ИИ обнаружить уязвимость в ходе демонстрации. Вопрос в том, сможет ли управляемая комбинация моделей и людей многократно выявлять значимые уязвимости быстрее, чем злоумышленники, без создания неприемлемых операционных или информационных рисков. Новый сервис Palo Alto превращает этот вопрос в коммерческое предложение. Его ценность будет зависеть от независимых доказательств, прозрачного контроля и от того, смогут ли клиенты преобразовывать более быстрый поток обнаруженных уязвимостей в проверенные решения.