MOD_01
Исходный код
Ищем уязвимости реализации: инъекции, небезопасную десериализацию, ошибки в криптографии, секреты в репозитории. Прослеживаем, откуда приходят данные и куда уходят.
AI-кибербезопасность // непрерывный анализ
Анализируем код, архитектуру, бизнес-логику и зависимости с учётом контекста проекта. Каждую находку проверяем на реальность и прикладываем исправление, а после выхода в прод продолжаем следить за безопасностью.
Классический сканер сравнивает код с шаблонами и не знает, как устроен проект. Команда тонет в ложных тревогах и привыкает их пропускать, а настоящая уязвимость теряется в общем списке.
91%
срабатываний SAST оказались ложными: из 2 116 предупреждений на открытых репозиториях реальными были 180.
Ghost Security через Help Net Security, июнь 2025, данные вендора64%
веб-приложений в проектах Positive Technologies содержали уязвимости высокого риска, а ошибки управления доступом дали 51% всех находок.
Positive Technologies, июнь 202686%
коммерческих кодовых баз содержат уязвимые open source-компоненты, в 81% есть уязвимости высокого или критического уровня.
Black Duck OSSRA, февраль 2025$4,44 млн
средний ущерб от утечки данных в мире; на то, чтобы обнаружить и локализовать утечку, уходит в среднем 241 день.
IBM Cost of a Data Breach, 2025AI-анализ видит, как устроен ваш проект: кто вызывает функцию, какие данные до неё доходят и что случится, если подставить чужой идентификатор. Поэтому находит то, что пропускают шаблоны, и не тревожит там, где опасности нет.
MOD_01
Ищем уязвимости реализации: инъекции, небезопасную десериализацию, ошибки в криптографии, секреты в репозитории. Прослеживаем, откуда приходят данные и куда уходят.
MOD_02 // АКТИВЕН
То, чего не видит сигнатурный сканер: обход оплаты, чужой заказ по подмене ID, гонки при списании баланса, лимиты и промокоды, которые можно обойти.
MOD_03
Границы доверия между сервисами, авторизация на каждом эндпоинте, хранение токенов и ключей, что из внутренних систем открыто наружу.
MOD_04
Сверяем библиотеки с базами CVE и проверяем, достижим ли уязвимый код из вашего приложения. Если нет — не поднимаем тревогу.
Отчёт — не список из сотни предупреждений, а подтверждённые проблемы с доказательством, оценкой риска и готовым исправлением. Ниже — как это выглядит на демо-проекте.
Все точки входа проекта, их права и данные. Риск считается по тому, что реально достижимо.
Подтверждённые уязвимости сверху, с патчем. Ложные срабатывания отклонены и не отвлекают.
Классы уязвимостей — по актуальной редакции OWASP Top 10, где первое место занимает нарушение контроля доступа. Отдельно проверяем то, что шаблоны не ловят совсем: бизнес-логику и AI-функции.
IDOR, доступ к чужим данным, повышение прав, SSRF.
SQL и NoSQL, команды ОС, XSS, шаблонизаторы.
Сброс пароля, сессии, JWT без проверки подписи.
Обход оплаты, гонки, лимиты, накрутка бонусов.
Уязвимые и заброшенные пакеты, известные CVE.
Открытые админки, CORS, отладка в проде, заголовки.
Ключи в репозитории, слабое хеширование паролей.
Промпт-инъекции и утечки данных через модель.
Три шага на каждую находку. Отличие от сканера — во втором: подтверждение до того, как проблема попадёт в отчёт.
Модель читает проект целиком: маршруты, права, потоки данных, зависимости. Кандидаты в уязвимости собираются со всех четырёх слоёв.
Для каждой находки строим путь атаки и проверяем, доходят ли туда данные злоумышленника. Что не подтвердилось, в отчёт не попадает.
К подтверждённой уязвимости прикладываем исправление: изменение в коде, объяснение и тест. Его можно сразу принять pull request'ом.
sec@mypl:~/shop-api$mypl-sec scan --mode full
sec@mypl:~/shop-api$
AI-аудит не отменяет другие проверки: пентест остаётся нужен для регулятора, сканер — для быстрых проверок в CI. Разница в том, что видит каждый способ и сколько шума даёт.
| SAST-сканер | DAST-сканер | Ручной пентест | AI-анализ МАЙПЛ | |
|---|---|---|---|---|
| Как работает | Ищет шаблоны в исходном коде без запуска | Атакует запущенное приложение снаружи | Специалист ищет и эксплуатирует уязвимости вручную | Разбирает код, архитектуру и логику в контексте проекта |
| Бизнес-логика | Почти не видит | Частично, по поведению | Да, в рамках сценариев | Да: права, оплата, гонки, лимиты |
| Ложные срабатывания | Много: шаблон не знает контекста | Меньше, но пропускает непройденные пути | Мало | Отсекаем проверкой до отчёта |
| Что на выходе | Список предупреждений | Список находок | Отчёт с рекомендациями | Подтверждённые уязвимости и патчи |
| Как часто | На каждый коммит | Периодически | Раз в квартал или год | Постоянно: каждый PR и каждая новая CVE |
Подключаемся к репозиторию с правами только на чтение и работаем там, где удобно вам: в нашем облаке или внутри вашей инфраструктуры.
Обычный режим — наше облако с доступом к репозиторию на чтение. Если код нельзя передавать наружу, разворачиваем систему внутри вашей инфраструктуры на локальной AI-модели: данные не уходят во внешние облака.
После первого аудита система остаётся в репозитории: смотрит каждое изменение до слияния и пересматривает проект, когда в ваших зависимостях находят новую CVE. Команда получает замечания там, где и так работает: в ревью, трекере и Telegram.
Стоимость зависит от объёма кода, числа сервисов и формата. Называем её после короткого знакомства с проектом, оценка ни к чему не обязывает.
FMT_01
Проверяем проект целиком: код, архитектуру, логику и зависимости. Итог — отчёт с подтверждёнными уязвимостями, оценкой риска и патчами.
КогдаПеред релизом, инвестором, продажей бизнеса или приёмкой кода у подрядчика
FMT_02 // ЧАЩЕ ВСЕГО
Остаёмся подключёнными к репозиторию: проверяем каждый pull request и пересматриваем проект при выходе новых CVE в ваших зависимостях.
КогдаДля продуктов, которые развиваются и работают в проде
FMT_03
Находим, подтверждаем и сами вносим исправления: команда МАЙПЛ разрабатывает веб-сервисы, CRM и SaaS и работает с чужим кодом.
КогдаЕсли у своей команды нет времени или её нет вовсе
Сами принимаете код у подрядчика? Начните с чек-листа «Как проверить качество кода, если вы не программист». Внедряете AI в продукт — прочитайте гайд по безопасности данных при внедрении AI.
Расскажите о проекте: стек, где хранится код и что важнее всего защитить. Назовём объём работ, срок и стоимость первого аудита.
Доступ только на чтение
Код не меняем без вашего pull request, работаем по NDA.
Отчёт без ложных тревог
Только подтверждённые уязвимости, к каждой — исправление.
Не нашли ответ? — ответим в рабочий день.
SAST ищет в коде известные шаблоны и не знает, как устроен проект, поэтому выдаёт много предупреждений, которые на деле не опасны. AI-анализ разбирает код вместе с архитектурой, правами доступа и потоками данных и проверяет каждую находку: достижим ли уязвимый код и можно ли его эксплуатировать. В отчёт попадают только подтверждённые проблемы.