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.

Как работает анализ
Анализ
4слоя
Наблюдение
24/7после релиза
К каждой находке
Патчи проверка
Почему сканера мало

Тысяча предупреждений не равна безопасности

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 вендора
  • 64%

    веб-приложений в проектах Positive Technologies содержали уязвимости высокого риска, а ошибки управления доступом дали 51% всех находок.

    Positive Technologies, июнь 2026
  • 86%

    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, 2025
Слои анализа

Смотрим на проект целиком,
а не на отдельные строки

AI-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

Исходный код

Ищем уязвимости реализации: инъекции, небезопасную десериализацию, ошибки в криптографии, секреты в репозитории. Прослеживаем, откуда приходят данные и куда уходят.

MOD_02 // АКТИВЕН

Бизнес-логика

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

Архитектура

Границы доверия между сервисами, авторизация на каждом эндпоинте, хранение токенов и ключей, что из внутренних систем открыто наружу.

MOD_04

Зависимости

Сверяем библиотеки с базами CVE и проверяем, достижим ли уязвимый код из вашего приложения. Если нет — не поднимаем тревогу.

Отчёт

Находки, которым
можно верить

Отчёт — не список из сотни предупреждений, а подтверждённые проблемы с доказательством, оценкой риска и готовым исправлением. Ниже — как это выглядит на демо-проекте.

Карта поверхности атаки

Все точки входа проекта, их права и данные. Риск считается по тому, что реально достижимо.

Консоль находок

Подтверждённые уязвимости сверху, с патчем. Ложные срабатывания отклонены и не отвлекают.

Правила проекта

Блокировать merge при критической уязвимости
Проверка каждого pull request включена.
Отчёт уходит в ревью и Telegram.

Журнал проекта

  1. Релиз 2.4 проверен: новых уязвимостей нет
  2. Новая CVE в зависимостях: путь не достижим

Покрытие

Код и логикаВесь проект
ЗависимостиКаждый коммит
OWASP Top 10:2025

Какие уязвимости находит
AI-аудит кода

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.

  • A01

    Контроль доступа

    IDOR, доступ к чужим данным, повышение прав, SSRF.

  • A05

    Инъекции

    SQL и NoSQL, команды ОС, XSS, шаблонизаторы.

  • A07

    Аутентификация

    Сброс пароля, сессии, JWT без проверки подписи.

  • A06

    Бизнес-логика

    Обход оплаты, гонки, лимиты, накрутка бонусов.

  • A03

    Цепочка поставок

    Уязвимые и заброшенные пакеты, известные CVE.

  • A02

    Конфигурация

    Открытые админки, CORS, отладка в проде, заголовки.

  • A04

    Криптография и секреты

    Ключи в репозитории, слабое хеширование паролей.

  • LLM01

    AI-функции

    Промпт-инъекции и утечки данных через модель.

Процесс

От находки до исправления
без ложных тревог

Три шага на каждую находку. Отличие от сканера — во втором: подтверждение до того, как проблема попадёт в отчёт.

  1. Анализ

    Найти

    Модель читает проект целиком: маршруты, права, потоки данных, зависимости. Кандидаты в уязвимости собираются со всех четырёх слоёв.

  2. Проверка

    Подтвердить

    Для каждой находки строим путь атаки и проверяем, доходят ли туда данные злоумышленника. Что не подтвердилось, в отчёт не попадает.

  3. Патч

    Исправить

    К подтверждённой уязвимости прикладываем исправление: изменение в коде, объяснение и тест. Его можно сразу принять pull request'ом.

SYS_READYдемо-прогон — mypl-sec

sec@mypl:~/shop-api$mypl-sec scan --mode full

>
Индексирую проект…
1 284 файла · 3 сервиса · 214 зависимостей
>
Кандидатов в уязвимости: 47
код 19 · логика 11 · архитектура 6 · зависимости 11
>
Проверяю достижимость и воспроизвожуактивно
тестовый стенд, изолированная копия
>
Подтверждено: 3 · отклонено как ложные: 44
1 критическая · 2 средние
>
Патчи готовы. Открыт pull request #128
3 исправления · 5 тестов

sec@mypl:~/shop-api$

Сравнение

AI-анализ, SAST, DAST
и пентест

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.

Сравнение AI-анализа безопасности с SAST, DAST и ручным пентестом
SAST-сканерDAST-сканерРучной пентестAI-анализ МАЙПЛ
Как работаетИщет шаблоны в исходном коде без запускаАтакует запущенное приложение снаружиСпециалист ищет и эксплуатирует уязвимости вручнуюРазбирает код, архитектуру и логику в контексте проекта
Бизнес-логикаПочти не видитЧастично, по поведениюДа, в рамках сценариевДа: права, оплата, гонки, лимиты
Ложные срабатыванияМного: шаблон не знает контекстаМеньше, но пропускает непройденные путиМалоОтсекаем проверкой до отчёта
Что на выходеСписок предупрежденийСписок находокОтчёт с рекомендациямиПодтверждённые уязвимости и патчи
Как частоНа каждый коммитПериодическиРаз в квартал или годПостоянно: каждый PR и каждая новая CVE
Внедрение

Встраивается в разработку
и не выносит код наружу

Подключаемся к репозиторию с правами только на чтение и работаем там, где удобно вам: в нашем облаке или внутри вашей инфраструктуры.

RECmypl-sec.local
Ваш контур

Вы решаете, где живёт анализ

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.

  • Доступ к репозиторию только на чтение
  • Работаем по NDA, отчёт без исходного кода
  • Можно развернуть в вашем контуре на локальной модели
Код остаётся у вас NDA
Процесс разработки

Проверка в каждом pull request

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.

  • Проверка каждого pull request до слияния
  • Комментарии прямо в ревью: строка, риск, патч
  • Оповещения о новых CVE в ваших зависимостях
TRMterminal — ci — 120x40
Форматы работы

Разовый аудит
или постоянная защита

Стоимость зависит от объёма кода, числа сервисов и формата. Называем её после короткого знакомства с проектом, оценка ни к чему не обязывает.

FMT_01

Разовый аудит

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

Непрерывный мониторинг

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

Аудит с исправлением

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

Кому подходит
  • SaaS и веб-сервисы
  • Финтех и платежи
  • Интернет-магазины
  • Код от подрядчика
  • Унаследованный код
  • AI- и LLM-приложения

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.

Заявка на проверку

Проверим
ваш проект

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.

Вопросы и ответы
Вопросы

Вопросы об AI-аудите
безопасности

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.