Ideco NGFW Novum v23: как обнаружить Shadow AI, управлять маршрутизацией и контролировать трафик
В релизе Ideco NGFW Novum v23 собраны инструменты, которые раньше часто приходилось комбинировать из нескольких решений: обнаружение AI-сервисов, динамическая маршрутизация, управление качеством обслуживания и усиленная аутентификация. Обновление ориентировано прежде всего на крупные распределённые сети, дата-центры, перегруженные WAN-каналы и инфраструктуру с повышенными требованиями к контролю доступа.
Shadow AI: искусственный интеллект уже используется в сети
Shadow AI появляется незаметно. Сотрудник открывает чат-бота для подготовки документа, разработчик подключает API языковой модели, аналитик отправляет таблицу в ассистент, а инженер разворачивает локальный inference-сервис для тестирования. Каждая операция может иметь понятное рабочее объяснение, однако у службы информационной безопасности часто отсутствует базовая картина: какие AI-инструменты действительно применяются внутри компании.
Разрыв между официально согласованными сервисами и фактическим использованием может быть значительным. Это не только вопрос соблюдения внутренних регламентов. AI-агент, установленный без контроля, способен обрабатывать конфиденциальные сведения, обращаться к внутренним системам и становиться дополнительной точкой атаки. Скомпрометированный или неправильно настроенный агент может использоваться для закрепления злоумышленника в инфраструктуре.
Полный запрет AI-сайтов выглядит простым решением, но на практике он малоэффективен. Такой подход не отличает корпоративный сервис от личного аккаунта, не показывает реальную потребность пользователей и провоцирует поиск обходных способов. Сначала организации необходима видимость: нужно определить используемые продукты, классифицировать риски, разделить допустимые и нежелательные сценарии, а уже затем применять ограничения.
Ситуацию осложняет широкое распространение прокси и агрегаторов AI-моделей. Из-за ограниченной доступности ряда зарубежных сервисов пользователи обращаются к посредническим платформам, а поддерживать их перечень вручную практически невозможно.
Shadow AI Discovery на уровне NGFW
В Ideco NGFW Novum v23 модуль "Контроль приложений" получил распознавание 83 протоколов AI-приложений. ChatGPT, Claude, DeepSeek, GigaChat, YandexGPT, а также прокси-сервисы вроде Chad AI и GPTunneL определяются как конкретные приложения, а не как безымянный HTTPS-трафик.
Для базового обнаружения используются сетевые признаки: DNS-запросы, SNI, характеристики соединения и другие параметры. Обязательная расшифровка TLS при этом не требуется. Это позволяет получить первичную картину использования AI без масштабного внедрения дорогостоящих средств инспекции зашифрованного трафика.
В контент-фильтре ранее была доступна категория "ИИ-чат-боты". Теперь появились дополнительные категории "ИИ-агенты" и "ИИ-сервисы". В последнюю входят инструменты, предназначенные для работы AI-агентов, включая специализированные поисковые системы и вспомогательные платформы.
NGFW удобен в качестве точки наблюдения, поскольку через него проходят запросы рабочих станций, серверов и филиалов к внешним ресурсам. Здесь уже присутствуют сетевой контекст, правила доступа и журналы событий. Поэтому организации не обязательно приобретать отдельный продукт только для того, чтобы выяснить, кто и какие AI-сервисы использует.
Практический сценарий выглядит следующим образом:
- "Контроль приложений" и "Контент-фильтр" идентифицируют известные AI-платформы;
- администратор получает сведения об их использовании в привычных журналах;
- для разрешённых и запрещённых сервисов назначаются разные политики;
- статистика становится основой корпоративного реестра AI-инструментов;
- по мере накопления данных формируются правила работы с моделями.
Речь идёт именно о сетевом обнаружении приложений. Механизм отвечает на вопрос, какой сервис используется, но не определяет содержимое промпта и не устанавливает автоматически, какой файл был передан модели. Для контроля самих данных требуются DLP, классификация информации и дополнительные средства защиты.
Что обычно обнаруживается в ходе пилота
После включения видимости организации нередко находят не только очевидные чат-боты. В списке появляются браузерные ассистенты, встроенные в SaaS-платформы копилоты, AI-расширения для IDE, сервисы транскрибации звонков и инструменты автоматической обработки документов.
Полученный перечень позволяет перейти от абстрактного запрета к управляемой политике. Одни продукты можно разрешить для всех сотрудников, другие - только для отдельных подразделений, третьи - заблокировать. В некоторых случаях целесообразно подобрать корпоративную альтернативу с централизованной авторизацией, журналированием и ограничением передаваемых данных.
Отдельного внимания требуют локальные языковые модели. Ollama, LM Studio и vLLM могут работать внутри сети и не обращаться к внешним AI-платформам, поэтому обычное обнаружение внешнего веб-трафика их не покажет. Однако локальный сервис также способен обрабатывать коммерческую тайну, персональные данные и исходный код.
Для таких сценариев важно контролировать, где размещается модель, кто имеет к ней доступ, какие порты используются и какие узлы могут отправлять ей запросы. Полезными мерами становятся сегментация сети, ограничение доступа к API, журналирование обращений и регулярная инвентаризация запущенных сервисов.
Динамическая маршрутизация для распределённых сетей
В крупных инфраструктурах статических маршрутов быстро становится недостаточно. При появлении новых филиалов, резервных каналов, VPN-туннелей и нескольких центров обработки данных ручное сопровождение таблиц превращается в источник ошибок.
Enterprise-функции маршрутизации позволяют строить более предсказуемую схему обмена трафиком между площадками. Динамическое определение маршрутов помогает автоматически учитывать изменения топологии, переключаться на резервные направления и снижать объём ручных операций.
Особенно это важно для компаний с разнородными каналами связи. Основной интернет-канал может использоваться для обычного трафика, резервный - для критичных сервисов, а отдельный туннель - для доступа к ресурсам центрального офиса. Маршрутизация на уровне NGFW позволяет связать эти требования с политиками безопасности.
При проектировании такой схемы необходимо заранее определить приоритеты маршрутов, допустимые направления обмена, условия переключения и правила возврата на основной канал. Автоматическое переключение без понятной логики может привести к асимметрии трафика и сложностям при диагностике.
QoS и контроль перегруженных каналов
Даже высокая пропускная способность не гарантирует стабильную работу сервисов. Канал может быть занят резервным копированием, обновлениями, видеоконференциями или массовой передачей файлов. В результате критичные приложения начинают конкурировать за ресурсы с второстепенными задачами.
Механизмы QoS позволяют расставить приоритеты. Голосовой трафик, корпоративные приложения и доступ к ключевым системам получают гарантированную долю полосы, тогда как загрузки и развлекательный контент ограничиваются при необходимости.
Эффективная политика QoS должна учитывать не только протокол, но и бизнес-контекст. Например, одинаковый тип трафика может быть критичным для одного подразделения и второстепенным для другого. Поэтому правила разумно строить с учётом пользователей, групп, приложений, направлений и времени суток.
Аутентификация и контроль доступа
Расширение набора AI-сервисов и удалённых подключений повышает требования к аутентификации. Недостаточно знать IP-адрес устройства: важно понимать, кто инициировал соединение, к какой группе относится пользователь и какие ресурсы ему разрешены.
Централизованная аутентификация помогает связать сетевые правила с учётными записями сотрудников. Это упрощает отзыв доступа при увольнении, переводе между подразделениями или изменении должностных обязанностей.
Для удалённых пользователей особенно важны многофакторная проверка, ограничение времени сессии и разделение доступа по ролям. Сетевой доступ не должен автоматически означать возможность обращаться ко всем внутренним системам.
Как внедрять функции без резких ограничений
Рациональнее начинать с режима наблюдения. На первом этапе администратор собирает статистику по AI-сервисам, маршрутам, приложениям и нагрузке на каналы, не меняя привычные процессы пользователей.
Затем формируется классификация:
1. разрешённые корпоративные сервисы;
2. допустимые инструменты с ограничениями;
3. продукты, требующие дополнительного согласования;
4. запрещённые платформы;
5. неизвестные или подозрительные сервисы.
После этого можно внедрять политики постепенно: сначала ограничить наиболее рискованные направления, затем добавить правила для отдельных групп и только потом переходить к более строгому контролю.
Такой подход снижает вероятность ложных блокировок и помогает объяснить сотрудникам причины изменений. Одновременно ИБ получает измеримые данные: какие сервисы используются, где возникают исключения и какие процессы требуют официальной альтернативы.
Ideco NGFW Novum v23 в этом сценарии выступает не только как средство блокировки, но и как единая точка наблюдения и управления. Обнаружение Shadow AI, динамическая маршрутизация, QoS и усиленная аутентификация позволяют связать контроль приложений с общей архитектурой безопасности, не разрывая сетевую инфраструктуру на набор несвязанных инструментов.