Внешний периметр
Выявление доступных извне сервисов и потенциальных точек входа в инфраструктуру.
Автоматизация кибербезопасности
NEZUMI автопентест на основе AI
Находите слабые места раньше, чем ими воспользуются атакующие. Nezumi создаётся для регулярной проверки инфраструктуры, выявления угроз и сокращения ручной работы специалистов по защите информации.
Проверьте, насколько ваша инфраструктура готова к реальной атаке.
- меньше обращений к AI
- до 48%
- больше событий в анализе
- +30%
- меньше токенов за запуск
- −34%
Результаты отдельных испытаний. Условия оценки
Поддержка проекта
Проект реализован при поддержке Фонда содействия инновациям в рамках программы «Студенческий стартап» мероприятия «Платформа университетского технологического предпринимательства» федерального проекта «Технологии»
Области применения
От внешнего периметра
до расследования инцидентов
Nezumi развивается как платформа для автоматизации задач разных этапов обеспечения защиты информации.
Корпоративная сеть
Оценка внутренних сервисов и возможностей продвижения атакующего внутри сети.
Службы каталогов
Проверка доменной среды, учётных записей и отношений доверия между системами.
Контроль доступа
Поиск избыточных разрешений и проверка доступа к объектам инфраструктуры.
Настройки сервисов
Выявление особенностей конфигурации, которые могут ослаблять защиту.
Анализ событий
Изучение журналов безопасности для обнаружения подозрительной активности.
Анализ следов атак
Сопоставление признаков подозрительных действий в данных разных систем.
Разбор инцидентов
Восстановление хода событий и оценка возможных последствий для инфраструктуры.
Стадия развития проекта: лабораторный образец, проходит испытания на киберполигоне.
Экосистема инструментов
Знакомый арсенал.
Новые возможности.
Разведка, проверка сервисов, анализ трафика и аудит доступа опираются на широкий набор профильных инструментов.
Как это работает
От точки входа
до измерения риска
Автоматизация связывает отдельные действия в последовательную цепочку оценки защищённости. Специалист задаёт область тестирования и ограничения, а полученные результаты помогают понять, какие слабые места требуют внимания в первую очередь.
-
Изучение инфраструктуры
Проверка начинается с поиска доступных сервисов и точек входа в пределах заданной области.
-
Проверка слабых мест
Обнаруженные узлы и свойства системы становятся основой для целевых проверок возможных сценариев атаки.
-
Оценка последствий
Результаты показывают, какие ресурсы могут оказаться под угрозой и где требуются дополнительные проверки.
-
Подготовка выводов
Собранные сведения дают специалисту основания расставить приоритеты и выбрать меры защиты.
Наша технология
За результатами стоит
собственная модель памяти
для интеллектуальных агентных систем
Nezumi использует альтернативную модель памяти, разработанную для сложных задач кибербезопасности. Её потенциал ‒ повышение полноты охвата проверок при снижении нагрузки на вычислительные ресурсы.
В отдельных испытаниях уже получены измеримые различия в объёме обработанных данных, глубине проработки векторов атак и затратах на работу AI. Мы развиваем эту технологию как основу будущей платформы для автоматизированного пентеста и анализа угроз.
Эффективность технологии в цифрахЭффективность технологии памяти в цифрах
Потенциал, который
можно измерить
Более широкий охват векторов атак и рациональное использование ресурсов ‒ результаты, ради которых мы развиваем Nezumi. Лабораторные испытания обосновывают потенциал разрабатываемой модели памяти в задачах тестирования защищённости и анализа событий безопасности.
Обращения к AI
22–48%
Меньше обращений к модели
Учитывается общее число обращений к языковой модели за период наблюдения.
Охват анализа
+30%
Больше прочитанных событий
Количество уникальных записей журналов безопасности, проанализированных за сопоставимое время.
Охват проверок
3×
Больше проверенных ресурсов
Учитывается число ресурсов, успешно вызванных с первого раза, при одинаковом лимите команд.
Входные данные
−72%
Меньше входных токенов
Суммируются входные токены всех учтённых запросов к языковой модели за период наблюдения.
Общий объём токенов
−34%
Меньше токенов за запуск
Суммируются входные и выходные токены всех учтённых обращений, включая токены рассуждений.
Соблюдение ограничений
−92%
Меньше попыток сверх лимита
Учитываются попытки выполнения команд, отклонённые после исчерпания установленного лимита.
Как проходят лабораторные испытания
Испытания проводятся на лабораторном стенде Game Of Active Directory с системой мониторинга Elastic SIEM. В одной среде объединены задачи тестирования защищённости и анализа событий безопасности: действия красного агента оставляют следы в журналах, которые становятся материалом для синего агента. В качестве контрольного полигона используется Ninja Hacker Academy.
В сравнительных запусках оцениваются полнота охвата агентом исследования, расход вычислительных ресурсов и качество соблюдения заданных ограничений. Журналы действий агентов и статистика обращений к языковой модели позволяют сопоставлять результаты их работы при использовании разрабатываемой модели памяти с базовыми режимами.
Развитие Nezumi
Больше самостоятельности
в задачах безопасности
Мы строим Nezumi с прицелом на регулярную оценку защищённости, которая будет способна отслеживать и сопровождать изменения инфраструктуры. Цель ‒ сокращение объёма ручной работы и сделать сложные проверки доступнее для команд безопасности.
Следующий этап ‒ собственная платформа, объединяющая автоматизированный пентест, анализ угроз и нашу модель памяти. Сейчас технология проходит испытания на профильных киберполигонах и сравнительный анализ с существующими агентными системами.
Сейчас
Разработка прототипа и лабораторные испытания.