Наверняка вы уже не раз задавались вопросом: почему классические брандмауэры уже не справляются с современными атаками? Как правило, типичные межсетевые экраны (брандмауэры) разрабатывались для фильтрации трафика на основе IP-адресов и портов, но с развитием кибератак их эффективность стала снижаться. Современные угрозы включают сложные многоступенчатые атаки, эксплойты нулевого дня, продвинутые персистентные угрозы (APT) и шифрованный вредоносный трафик, который проходит сквозь стандартные фильтры. Такие методы обходят классические брандмауэры, не способные анализировать содержимое трафика на глубоком уровне. Поэтому обычным файерволом сегодня, увы, не обойтись. Как минимум ваш бизнес или компания будет под угрозой взлома, а в случае масштабной кибератаки вы рискуете вовсе потерять все данные.

Один из примеров — атака на сеть финансовых учреждений через эксплойт Log4Shell в 2021 году. Уязвимость позволила злоумышленникам выполнять произвольный код на серверах, а обычные брандмауэры оказались бессильны, поскольку не могли анализировать содержание HTTP-запросов и выявлять вредоносные команды. 

Глубокий анализ трафика и поведенческое обнаружение угроз

Next-Generation Firewall (NGFW) представляет собой значительно более продвинутую систему защиты, интегрирующую традиционные методы фильтрации с расширенным анализом пакетов (DPI) и технологиями обнаружения угроз на основе поведенческих аномалий. В отличие от стандартных брандмауэров, NGFW анализирует не только заголовки пакетов, но и их содержимое, выявляя сигнатуры вредоносных атак, аномальные запросы и шифрованные угрозы.

К примеру, исследование Palo Alto Networks Unit 42 о поверхности атаки за 2023 год выявило, что 85% организаций имели хотя бы один интернет-доступный экземпляр RDP, что делает их уязвимыми для атак. Это подчёркивает важность использования NGFW для обеспечения безопасности удалённого доступа и снижения рисков, связанных с экспозицией поверхности атаки. NGFW используют встроенные SSL-инспекторы и механизмы расшифровки, чтобы анализировать вредоносное содержимое внутри зашифрованных потоков данных.

Технологии, делающие NGFW эффективнее

Искусственный интеллект и машинное обучение

Современные NGFW применяют AI и ML-алгоритмы для прогнозирования угроз и выявления аномального поведения в сети. Это позволяет обнаруживать неизвестные вредоносные активности на основе паттернов атак. Например, недавно компания Check Point внедрила систему блокировки атак на основе ИИ, которая автоматически выявила и нейтрализовала новую волну фишинговых атак на корпоративные сети.

Защита API и облачных сервисов

С ростом облачных технологий хакеры стали активно атаковать API-коммуникации между сервисами. NGFW включает встроенные модули защиты API, анализирующие запросы на предмет аномалий и возможных атак на бизнес-логики сервисов. Свежее исследование Центра мониторинга и противодействия кибератакам «Информзащиты» показывает, что в 2024 году количество атак с помощью API на корпоративные сети выросло на 630%.

При этом наиболее подвержены атакам через API компании в сфере услуг, например, сервисы доставки еды, такси и маркетплейсы. На такие организации приходится порядка 78% от всех атак через API.

Сетевая сегментация и микросегментация

NGFW позволяет ограничивать горизонтальное перемещение вредоносного кода внутри сети с помощью динамической сегментации. Это критически важно для защиты от атак, подобных атаке на SolarWinds, когда вредоносный код распространился по внутренним сегментам сети. Сначала злоумышленники получили доступ к обычной записи пользователя (возможно, с использованием брутфорс-атаки), а затем, уже имея доступ к сети, нашли способ получить более высокие привилегии. 

Автоматизация реагирования на инциденты

Встроенные механизмы автоматического реагирования позволяют NGFW мгновенно блокировать подозрительные соединения и уведомлять специалистов о потенциальных атаках. Это снижает нагрузку на специалистов и ускоряет нейтрализацию угроз.

В чём же главные недостатки обычных файерволов?

Вот основные слабые места классических брандмауэров.

• Они не способны анализировать содержимое пакетов на уровне приложений.
• Плохо справляются с зашифрованным трафиком (более 80% интернет-трафика сегодня идёт через HTTPS, по данным Google Transparency Report.
• Уязвимы перед атаками нулевого дня из-за отсутствия механизмов поведенческого анализа.

Как видите, классические брандмауэры уже не справляются с динамикой современных угроз, так как не могут анализировать сложные атаки, шифрованный трафик и API-взаимодействия. NGFW, напротив, представляет собой комплексное решение с глубоким анализом пакетов, поведенческим мониторингом и ИИ-обнаружением аномалий. Внедрение NGFW — это не просто обновление защиты, а переход на новый уровень кибербезопасности, необходимый для защиты бизнеса в условиях современных атак.

Какими бы крутыми ни были современные технологии, они не защищают от человеческих ошибок. Даже самые передовые системы кибербезопасности не способны гарантировать полную защиту, если сотрудники компании допускают недочёты.

Примечательно, что значительная часть утечек данных, атак и компрометаций происходит не из-за недостатков защитных технологий, а из-за человеческого фактора. Об этом говорится в различных исследованиях в области информационной безопасности. Ошибки могут быть разными: от использования слабых паролей и загрузки подозрительных файлов до предоставления злоумышленникам критически важной информации через социальную инженерию.

Стандартные механизмы защиты, такие как антивирусы, межсетевые экраны, системы обнаружения и предотвращения вторжений (IDS/IPS), обеспечивают высокий уровень защиты. Однако они бессильны перед ситуациями, когда сотрудник сам добровольно предоставляет доступ злоумышленнику — например, вводит свои данные на фейковом сайте или скачивает заражённый файл под видом важного документа.

Основные угрозы: от социальной инженерии до инсайдерских атак

Социальная инженерия — одна из самых опасных тактик киберпреступников, которая основана на манипулировании людьми с целью получения конфиденциальной информации. Классический пример — фишинговые атаки, когда пользователи получают письма или сообщения, имитирующие официальные уведомления от банков, IT-служб, партнёров или руководства компании. Такие атаки могут быть как массовыми, так и таргетированными (спирфишинг), когда злоумышленники заранее изучают жертву и создают персонализированные письма с высоким уровнем доверия.

​Кейс 1: Атака на сервис-провайдера Twilio

Пару лет назад сотрудники сервиса Twilio стали получать SMS якобы от IT-департамента с просьбой повторно авторизоваться с рабочим аккаунтом. Ссылка вела на фишинговый сайт, который сохранял логины и пароли для злоумышленников. Так они смогли получить доступ к внутренней системе провайдера, а через нее перехватывать одноразовые коды (SMS) клиентов Twilio в других сервисах. Затем последовал взлом около 1900 аккаунтов в мессенджере Signal — хакерам не составило особого труда запросить авторизацию нового устройства и ввести перехваченный код. По мнению специалистов компании Group-IB доверчивость сотрудников Twilio привела к компрометации почти 10 тысяч аккаунтов в 136 организациях.

Но на этом дело хакеров не закончилось. Они вернулись спустя 2 года — в июле 2024. Хакеры нашли дыру в API Authy (приложение двухфакторной авторизации) и слили данные 33 млн пользователей. Из-за уязвимого эндпоинта их номера телефонов оказались в руках злоумышленников, открывая дверь для масштабных фишинговых атак. Самое интересное, что в Twilio знали об уязвимости своего API с 2022 года, но не предприняли никаких мер до очередного взлома — сработала человеческая лень и вера в то, что молния дважды не бьёт в одну точку.

Фишинговые атаки остаются одной из главных причин утечек данных. Вредоносные письма могут содержать ссылки на поддельные сайты, где пользователи вводят свои учетные данные, либо вложенные файлы, содержащие вредоносный код. Даже наличие двухфакторной аутентификации не всегда спасает, если злоумышленники используют методы обхода, такие как перехват одноразовых кодов или использование вредоносных прокси-серверов. Кстати, в последнее время хакеры активно используют и мессенджеры, рассылая через них заражённые файлы под видом фотографий и документов.

Инсайдерские угрозы также представляют серьёзную проблему. В отличие от внешних атак, инсайдерские действия сложнее выявить, поскольку злоумышленник уже находится внутри организации и обладает определённым уровнем доступа. Инсайдерские угрозы могут быть преднамеренными (например, когда сотрудник продаёт данные конкурентам) или случайными (когда из-за ошибки сотрудника конфиденциальная информация становится доступной третьим лицам).

​Кейс 2: Утечка из сервиса доставки еды

Утечка информации из баз данных одного из крупнейших в России сервиса доставки еды затронула данные более 100 000 пользователей. В Сеть попали не только детали их заказов, но и адреса, номера телефонов. Расследование показало, что виноват «недобросовестный сотрудник». Всего один человек принес компании крупные репутационные потери и заставил выплатить штраф за нарушение закона о персональных данных.

Летом 2023 года Tesla обвинила двух бывших сотрудников в массовой утечкеданных, затронувшей более 75 000 человек. Инцидент произошёл в мае того года, а источником информации стало немецкое издание Handelsblatt, получившее 100 ГБ конфиденциальных файлов компании. Среди слитых данных оказались номера социального страхования, а также личная информация Илона Маска.

Расследование показало, что инсайдеры нарушили политику безопасности Tesla, незаконно скопировав данные и передав их журналистам. Компания подала на них в суд и конфисковала их электронные устройства. В результате портал Handelsblatt опубликовал разоблачения о проблемах с системой автономного вождения Tesla, включая 2400 случаев самопроизвольного ускорения и 1500 жалоб на торможение. Оба бывших сотрудника до сих пор находятся под следствием.

Ещё один пример инсайдерской утечки — база данных американского провайдера Verizon с данными 63 000 сотрудников. Один из инженеров просто случайно скопировал её себе на накопитель осенью 2023 года. Но в 2024 году компания заявила, что не смогла доказать, что данные были переданы или использованы третьими лицами.

Самый забавный пример прошлого года — сотрудник автосалона Leaseline Vehicle Management Ltd в Англии решил нажиться на базе данных клиентов. Он продал архив с информацией о 3600 клиентах конкурентам, за что получил штраф в 1200 фунтов стерлингов.

Такое часто наблюдается у партнёров крупных производителей электроники. Например, смартфоны Google Pixel, новые iPhone или программные фичи будущих обновлений зачастую сливают в сеть за месяцы до официального анонса. Информация, разумеется, поступает от инсайдеров.

Как снизить риски: обучение, поведенческий анализ и ИИ-алгоритмы

Одним из наиболее эффективных методов защиты является постоянное обучение сотрудников. Компании должны внедрять программы повышения осведомлённости, проводя тренинги по кибербезопасности, включая моделирование фишинговых атак, разбор реальных кейсов и объяснение базовых принципов безопасности. Чем лучше осведомлены сотрудники, тем ниже вероятность того, что они станут жертвой социальной инженерии.

Технологические решения также помогают минимизировать риски, связанные с человеческим фактором. Например, поведенческий анализ с помощью ИИ позволяет выявлять аномалии в действиях пользователей. Если сотрудник внезапно начинает загружать большой объём данных за пределы сети компании или совершает нетипичные действия (например, входит в систему с нового устройства и сразу же экспортирует данные), система может заблокировать его доступ или отправить оповещение службе безопасности.

ИИ-алгоритмы и машинное обучение также стоит применять для анализа сетевого трафика, выявления подозрительных паттернов поведения и автоматического блокирования угроз. Например, современные решения могут обнаруживать попытки перехвата учетных данных, анализируя поведение пользователей при вводе логинов и паролей. Кроме того, ИИ может использоваться для предсказания потенциальных атак, обнаруживая подозрительные взаимосвязи между событиями в сети.

Что в итоге

Человеческий фактор остаётся одним из самых слабых мест в системе кибербезопасности, несмотря на совершенствование технологий защиты. Ошибки сотрудников, социальная инженерия, фишинговые атаки и инсайдерские угрозы представляют серьёзный риск для корпоративных сетей. Минимизация этих угроз требует комплексного подхода, включающего постоянное обучение персонала, использование поведенческого анализа и внедрение ИИ-алгоритмов. Только сочетание технологических решений и грамотного управления человеческими рисками позволяет добиться высокой степени защиты информации.

Современные межсетевые экраны следующего поколения (NGFW) по сути являются основой корпоративной кибербезопасности. Они объединяют базовые функции фильтрации трафика с расширенными возможностями анализа, определения атак и предотвращения угроз. Однако с развитием технологий киберугрозы становятся всё более сложными и высокоинтеллектуальными. Уже сегодня ИИ, квантовые вычисления и новые методы атак меняют принципы защиты данных. На фоне этого возникают вполне логичные вопросы: насколько NGFW готовы к вызовам будущего? Устареют ли современные системы через 5–10 лет? Какие технологии должны появиться, чтобы защитить бизнес в 2030 году? Есть ли вообще смысл в них инвестировать? Давайте разберёмся в этом подробно.

ИИ и его влияние на киберугрозы

Искусственный интеллект активно применяется как защитными системами, так и злоумышленниками. Если раньше кибератаки требовали участия человека, то теперь нейросети позволяют автоматизировать многие процессы.

Вот основные способы использования ИИ в атаках.

●      Автоматизация фишинговых атак. Нейросети могут генерировать убедительные письма и сообщения, имитируя стиль общения конкретных пользователей. Кроме того, дело дошло уже до фейковых аудио- и видеозаписей, которые очень сложно отличить от настоящих. 

●      Анализ уязвимостей. ИИ-алгоритмы могут самостоятельно сканировать сеть, выявлять слабые места, разрабатывать стратегии взлома.

●      Обход систем обнаружения. Машинное обучение позволяет атакующему не только писать код для вредоносного ПО, но и изменять его в реальном времени, делая неузнаваемым для стандартных защитных механизмов.

Текущие NGFW, основанные на стандартных сигнатурных методах обнаружения угроз, скорее всего, будут неэффективны против таких атак. Будущее за адаптивными системами, которые используют машинное обучение и анализ поведения для предотвращения атак на ранних этапах.

Квантовые вычисления: еще одна угроза криптографии

Обычные шифровальные алгоритмы, такие как RSA и AES, обеспечивают защиту данных за счёт сложности математических операций. Однако с появлением квантовых компьютеров эти методы могут стать бесполезными. Квантовые алгоритмы (например, алгоритм Шора) способны за считанные минуты взломать ключи шифрования, на которые даже суперкомпьютерам потребовалось бы несколько тысяч лет.

Как это повлияет на NGFW? Если коротко, то важно понимать три основных аргумента:

●      Современные файрволы используют шифрование для защиты передаваемых данных. В будущем они должны будут поддерживать квантово-устойчивые алгоритмы.

●      Квантовая криптография предложит новые методы защиты, такие как передача ключей с помощью квантовой запутанности.

●      В ближайшие годы возможен переход на гибридные схемы шифрования, сочетающие классические и квантовые методы.

Новые типы атак и их воздействие на NGFW

Киберугрозы эволюционируют с развитием технологий. Уже сейчас появляются атаки, которые обходят традиционные методы защиты.

Атаки на IoT-устройства

С ростом количества «умных» устройств в наших домах и офисах увеличивается и число уязвимостей. Многие IoT-гаджеты не имеют встроенной защиты или используют слабые пароли, что делает их идеальной мишенью для ботнетов и массовых атак.

Каким должен быть ответ NGFW?

●      Файрволы должны уметь анализировать трафик IoT-устройств и выявлять аномалии;

●      Возможна интеграция с облачными платформами для централизованного мониторинга и реагирования на угрозы.

Дипфейки

Современные нейросети позволяют подделывать голос, видео и текст. Это открывает новые возможности для кибермошенничества.

Каким должен быть ответ NGFW?

●      NGFW должны интегрироваться с системами поведенческого анализа и проверки подлинности данных;

●      Возможны разработки алгоритмов определения фейковых медиафайлов в режиме реального времени.

Как NGFW должны измениться, чтобы выжить в 2030 году?

Будущее файрволов зависит от их способности адаптироваться к новым угрозам. Это не статичный процесс, а бесконечная гонка вооружений между хакерами и специалистами по кибербезопасности. Каждая новая технология защиты рано или поздно сталкивается с угрозами, которые её обходят, а значит, современные NGFW в их нынешнем виде не смогут оставаться эффективными вечно. Уже сегодня появляются атаки, использующие ИИ для обхода привычных сигнатурных методов защиты, квантовые вычисления угрожают взломом существующим системам шифрования, а развитие сетевых протоколов требует новых подходов к фильтрации трафика.

Исследования показывают, что квантовые компьютеры способны угрожать современным криптографическим алгоритмам, таким как RSA и ECC. Например, в отчёте National Institute of Standards and Technology (NIST) отмечается, что традиционные методы шифрования окажутся уязвимыми перед квантовыми атаками, и уже разрабатываются криптографические стандарты нового поколения.

Кроме того, исследование Google Quantum AI показало, что квантовые вычисления могут значительно ускорить решение задач, включая критически важные вопросы кибербезопасности, что потенциально может поставить под угрозу актуальные методы защиты.

Мы предполагаем, что файрволы ближайшего будущего смогут использовать следующие технологии:

Квантово-устойчивая криптография

Переход на новые методы шифрования, устойчивые к взлому квантовыми компьютерами, станет приоритетной задачей для всех производителей киберзащитных решений.

Полная интеграция с ИИ

Файрволы должны использовать искусственный интеллект не только для анализа трафика, но и для:

●      автоматического обнаружения аномального поведения в сети;

●      обучения на новых типах атак без необходимости обновления сигнатур;

●      реального прогнозирования угроз на основе больших данных.

Гибридные облачные файрволы

Стандартные NGFW со временем начнут дополняться облачными технологиями и предложат:

●      мгновенные обновления и защиту от новых угроз;

●      масштабируемость, подходящую для больших корпоративных сетей;

●      интеграцию с облачными SIEM-системами для единого централизованного мониторинга безопасности.

Сетевые архитектуры Zero Trust

Модель Zero Trust предполагает полное недоверие ко всем устройствам и пользователям в сети. NGFW будущего должны обеспечивать:

●      обязательную аутентификацию на каждом этапе доступа к данным;

●      разделение сети на микросегменты для локализации возможных атак;

●      полный контроль трафика с анализом на уровне приложений.

Что в итоге

Файрволы следующего поколения останутся ключевым элементом кибербезопасности, но их роль значительно изменится. В условиях появления квантовых компьютеров, дипфейков и умных атак с применением ИИ, NGFW должны эволюционировать в многоуровневые системы защиты, сочетающие поведенческий анализ, квантово-устойчивую криптографию и облачные технологии. Только в этом случае они смогут оставаться эффективным барьером на пути угроз условного 2030 года.

Межсетевые экраны, или файрволы, с момента своего появления стали одним из ключевых инструментов в обеспечении кибербезопасности. Изначально их основная задача заключалась в фильтрации трафика, но с ростом киберугроз технологии значительно эволюционировали. Рассказываем, как файрволы изменялись, чтобы отвечать на вызовы современного цифрового мира.

Первые шаги: простые фильтры пакетов

На заре эпохи интернета файрволы выполняли функцию простого фильтра пакетов. Они проверяли заголовки сетевых пакетов, чтобы блокировать или разрешать трафик на основе IP-адресов, портов и протоколов.

Увы, без ошибок не обошлось: разработчики не учли полное отсутствие проверки содержимого трафика и уязвимость перед спуфингом или простой подделкой IP-адресов. Поэтому первые файрволы были недостаточно эффективными особенно против сложных атак, таких как вирусы или вредоносные программы.

Впрочем, в этом и был их замысел — девайсы должны были фильтровать пакеты для базовой маршрутизации, а не анализировать данные.

Динамическая проверка: stateful-фильтрация

В 90-х годах файрволы стали «умнее» с появлением технологий stateful inspection. Эти системы отслеживали состояния соединений, анализируя весь контекст трафика. Главные их преимущества заключилась в проверке не только исходных, но и входящих данных. Кроме того, такая технология позволяла блокировать подозрительные или несоответствующие запросы.

Прогресс был очевиден, но даже такие решения всё ещё были ограничены: они не могли анализировать содержимое пакетов или учитывать прикладной уровень. Со временем хакеры научились обходить и эту защиту. Стоит отметить, что stateful-фильтрация ограничена из-за фокуса на соединениях, а не на содержимом трафика, что делает её уязвимой для сложных атак, таких как межсегментные или прикладные угрозы.

Переход к уровню приложений: proxy-файрволы

С развитием веб-приложений появилась необходимость защищать более высокие уровни сетевого взаимодействия. Proxy-файрволы стали ответом на эту задачу. Ключевые особенности такого типа межсетевых экранов — полный анализ данных на уровне приложений и возможность фильтрации запросов на основе содержимого, а не только заголовков.

Само собой, и тут не обошлось без своих нюансов. В недостатки такой технологии можно включить низкую производительность при высоких нагрузках и ограниченную совместимость с некоторыми протоколами. Почему так? Всё связано с необходимостью перенаправления всего трафика через прокси-сервер, что увеличивает задержки и требует больше ресурсов.

Эпоха Unified Threat Management (UTM)

Появление концепции UTM ознаменовало новый этап эволюции. Файрволы объединили несколько функций в одном устройстве:

• Фильтрация трафика;
• Защита от вирусов и спама;
• Встроенные системы предотвращения атак (IPS).

Это шаг имел огромное значение для развития многоуровневой защиты, однако возможности UTM были также ограничены относительно современных угроз, таких как сложные APT-атаки, поэтому сетевым экспертам пришлось проработать и другие варианты. Кроме того, UTM-системы сильно зависят от масштабируемости аппаратной части, и их производительность может страдать при высоких нагрузках.

​NGFW: новая эра файрволов

Next-Generation Firewall (NGFW) появился как ответ на недостатки предыдущих технологий. Они сочетают в себе все плюсы всех предшествующих поколений брандмауэров, но при этом в них исключены основные минусы прошлых решений. Вдобавок они вобрали в себя механизмы Deep Packet Inspection (DPI), что позволило анализировать данные приложений и обнаруживать угрозы.

 Межсетевые экраны нового поколения предложили:  

• Глубокий анализ трафика — NGFW анализируют данные вплоть до уровня приложений, включая их содержимое и поведение;
• Гибкость настроек — устройства поддерживают создание уникальных политик для разных групп пользователей или приложений;
• Интеграцию с системами предотвращения атак (IPS) — что позволяет NGFW обнаруживать и блокировать попытки проникновения в сеть в режиме реального времени;
• Поддержку автоматизации NGFW — автоматическое реагирование на угрозы и регулярные обновления баз данных;
• Расширенную аналитику — отчёты всех систем о подозрительной активности и анализ рисков.

Современные вызовы: искусственный интеллект и облака

Сегодня NGFW продолжают активно развиваться. В борьбе с новыми угрозами активно используются технологии машинного обучения, которые помогают обнаруживать аномалии и адаптироваться к ранее неизвестным атакам.

Кроме того, важным направлением становится интеграция NGFW с облачными инфраструктурами, что позволяет обеспечивать безопасность в гибридных и мультиоблачных средах.

Что в итоге?

Эволюция файрволов — это путь от простых фильтров к многофункциональным NGFW, способным защищать сети от самых сложных угроз. NGFW стали незаменимым инструментом кибербезопасности, и их развитие продолжает задавать стандарты защиты в цифровом мире.

Заключенные в сеть угрозы сегодня представляют собой крупнейшую опасность для обычных пользователей, бизнеса, игровых серверов, онлайн-кинотеатров и даже государственных структур. Особенно выделяются DDoS-атаки (распределенные атаки отказа в обслуживании), которые порождают серьёзные проблемы для деятельности компаний во всех отраслях. Мы рассмотрим различные типы атак, свежую статистику и эффективные способы защиты с учетом специфики отраслей.

Что такое DDoS-атаки и почему они опасны

DDoS (Distributed Denial of Service) — это тип кибератаки, при которой злоумышленники стремятся сделать целевой сервер, сеть или услугу недоступными для пользователей, перегружая их пустыми запросами. Атаки проводятся с использованием ботнетов — сетей из тысяч или даже миллионов зараженных устройств, управляемых удалённо.

Последствия DDoS могут быть ощутимыми: например, интернет-магазин теряет часть выручки или рекламного бюджета (если пользователи с рекламных каналов не могли зайти на ресурс). Например, в 2023 году один из крупных ритейлеров потерял миллионы долларов из-за многодневной недоступности своего интернет-магазина, а финансовая организация оказалась под угрозой из-за утечки данных в результате атаки. Такие случаи демонстрируют, как критично обеспечить надежную защиту от подобных угроз.

Виды атак: разнообразие угроз

Объемные атаки. Такие атаки направлены на перегрузку канала связи жертвы, например, с помощью UDP-флуда или ICMP-флуда. Их цель – исчерпать пропускную способность.

Протокольные атаки. Такие атаки используют уязвимости сетевых протоколов. Примеры: SYN-флуд, Ping of Death, Smurf-атаки.

Атаки на уровне приложений. Эти угрозы нацелены на конкретные приложения: например, HTTP-флуд, который перегружает веб-серверы запросами.

Гибридные атаки. Злоумышленники комбинируют разные типы атак для достижения максимального разрушительного эффекта.

Статистика и тренды кибератак за последние годы

По данным глобальных исследований, число DDoS-атак выросло на 1885% в последнем квартале 2024 года по сравнению с аналогичным периодом предыдущего года. Средняя продолжительность атаки составляет от 5 до 20 минут, однако мощные атаки могут длиться часами. По данным Cloudflare, в 2024 году крупнейшая зафиксированная атака использовала более 13 000 IoT-устройств, а пик нагрузки составил 5,6 Тбит/с.

Сектора, наиболее подверженные атакам:

• Банковский сектор – цель для атак с целью вымогательства.
• Ритейл – страдает от атак во время пиковых распродаж.
• ЦОДы – атакуются ради вывода из строя масштабных инфраструктур.

При этом в число популярных среди хакеров отраслей также оказались операторы связи, интернет-провайдеры, рекламные агентства, онлайн-казино, игровые сервисы и онлайн-телевидение.

Какие риски несут DDoS-атаки?

Банкинг: атаки этой отрасли зачастую имеют финансовую мотивацию — от вымогательства до попыток отвлечь внимание от более сложных кибератак, таких как проникновение в системы хранения данных.

Офисы и малый бизнес: для этих компаний атаки опасны из-за ограниченных ресурсов для восстановления работы.

Производство: прерывание производственных процессов из-за атак может привести к значительным убыткам, особенно в высокотехнологичных и автоматизированных отраслях.

Ритейл: киберугрозы в этой сфере особенно активны в периоды высокого спроса, такие как сезон распродаж. Перегрузка онлайн-магазинов может вызвать падение продаж и снижение доверия клиентов.

ЦОДы (центры обработки данных): масштабные атаки на ЦОДы могут вызывать цепные сбои в работе крупных компаний, зависящих от их услуг. Из-за таких атак пользователи не могут часами заказать такси, доставку продуктов, воспользоваться мессенджерами или другими приложениями.

NGFW — лучшее решение против DDoS и других атак

Мы уже рассказывали про Next-Generation Firewall (NGFW), тут всего лишь напомним. Файрволы следующего поколения — продвинутая версия обычного межсетевого экрана, которая объединяет функции глубокого анализа трафика, IDS/IPS (системы обнаружения и предотвращения вторжений), контроля приложений и фильтрации URL.

NGFW помогает справляться с киберугрозами благодаря своим колоссальным возможностям:

• Интеллектуальная фильтрация трафика: NGFW способен анализировать не только заголовки пакетов, но и содержимое трафика. Это позволяет выявлять аномалии и блокировать вредоносные запросы.
• Автоматическое обнаружение ботнетов: система NGFW использует поведенческий анализ для выявления и блокировки устройств, входящих в ботнеты.
• Защита на уровне приложений: NGFW может предотвращать атаки, направленные на конкретные сервисы — например, веб-серверы.
• Гибкость настройки: политики безопасности можно адаптировать под потребности конкретной отрасли.

Рекомендации по защите от киберугроз

Рассмотрим базовые вещи, которые помогают в защите от DDoS-атак и других видов угроз в сети:

• Обновление инфраструктуры: использование современных решений, таких как NGFW, гарантирует защиту от новых видов угроз.
• Постоянный мониторинг сети: регулярное отслеживание трафика помогает оперативно реагировать на подозрительные активности.
• Создание резервных копий: регулярный бэкап данных минимизирует потери в случае успешной атаки.
• Обучение сотрудников: человеческий фактор — одно из слабых звеньев в защите, поэтому обучению персонала всегда должно уделяться особое внимание.

Для отраслей с высокими рисками, таких как банковский сектор и ЦОДы, рекомендуется внедрение дополнительных мер, включая системы распределенного мониторинга и резервные каналы связи.

Что в итоге?

DDoS-атаки остаются одной из ключевых угроз современного цифрового мира, и в ближайшее время ситуация в лучшую сторону явно не изменится. Защита от них требует комплексного подхода, включающего использование технологий, таких как NGFW, мониторинг трафика, обновление инфраструктуры и обучение сотрудников. Только интегрированная стратегия безопасности может гарантировать защиту бизнеса от киберугроз и минимизацию их последствий.

Не заметить активный рост и бурное развитие искусственного интеллекта в последние несколько лет было попросту невозможно. Эти два слова стали настолько трендовыми, что даже британский словарь Collins сделал огромное исключение, признав искусственный интеллект словом (хотя это сочетание) 2023 года.

Действительно, нейросети становится всё более мощным инструментом, но их используют не только для законных целей. Например, в руках киберпреступников современные нейросети могут выполнять задачи, которые значительно упрощают организацию и реализацию атак. В этой статье мы подробно разберём, как ИИ используется в киберпреступности, и как NGFW (Next-Generation Firewall) помогает бороться с такими угрозами.

ИИ и киберпреступность: инструменты, меняющие правила игры

Современные нейросети обладают широкими возможностями, которые преступники используют для нескольких целей.

Сбор информации — ИИ помогает находить и обрабатывать огромные объёмы данных, упрощая сбор информации о жертвах (организациях). Например, хакер может собрать данные с публичных страниц в соцсетях для персонализации атак, а нейросеть ему поможет мгновенно выявить контакты, предпочтения и рабочие связи нужного человека. В чём опасность? Данные становятся основой для целевых атак, таких как spear-phishing.

Анализ и сжатие данных — ИИ обрабатывает огромные объёмы информации и формирует сжатые отчёты. Такие функции сегодня есть даже в смартфонах. Например, вы можете попросить свой девайс предоставить краткую выжимку из этой статьи, а злоумышленники просят ИИ выявить уязвимости в инфраструктуре компании на основе открытых данных. В чём тут опасность? Это ускоряет подготовку к сложным атакам.

Создания фишинговых писем — генеративные нейросети пишут убедительные фишинговые письма, которые трудно отличить от реальных. Если раньше защита почтового ящика зачастую могла выявить такие письма, то сейчас текст, стилистика и данные не отличаются от того, как пишут люди. Хакеры используют инструменты для генерации текста письма с персонализированными данными, чтобы получить доступ к аккаунту жертвы. Почему это опасно? При определённом подходе и автоматизации один хакер может совершать массовые атаки на миллионы пользователей без особых усилий.

Написания вредоносного кода — ИИ помогает создавать и безопасно тестировать вредоносное ПО, например, вирусы и трояны. Злоумышленник может попросить нейросетей найти эксплойт уязвимостей. В чём опасность? Это снижает барьер для входа в киберпреступность, так как требуется меньше знаний и навыков. Если раньше хакеры изучали тысячи строк кода, чтобы научится хоть что-то делать, сейчас за них код может написать ChatGPT, останется только протестировать его и при необходимости откорректировать. 

Примеры использования ИИ в атаках

Если ещё 5 лет назад сюжет «Чёрного зеркала» нам казался фантастикой, то сегодняшние нейросети могут максимально точно имитировать речь и даже внешний вид человека. В последние годы злоумышленники стали всё чаще подделывать голосовые сообщения или видеоролики, используя технологии deepfake для условной имитации звонка руководителя с просьбой о срочном переводе денежных средств со счёта компании.

Как NGFW борется с ИИ-угрозами

Из других наших материалов вы уже знаете, что межсетевые экраны нового поколения — Next-Generation Firewall — используют передовые технологии для защиты от сложных угроз. Но может ли файрвол противостоять искусственному интеллекту?

Анализ поведения трафика (DPI)

NGFW использует технологии Deep Packet Inspection (глубокий анализ пакетов), чтобы отслеживать аномальное поведение в сети. Это помогает выявлять подозрительные фишинговые письма или вредоносный трафик. Поэтому если нейросеть попробует взломать сеть, создавая аномалии, NGFW сможет это выявить.

Системы предотвращения вторжений (IPS)

Интеграция с IPS позволяет NGFW обнаруживать атаки ещё до их реализации. Например, подозрительная активность, связанная с перебором паролей, будет заблокирована автоматически. Поэтому даже самый умный брутфорс на базе ИИ с этой задачей не справится.

Искусственный интеллект в самом файрволе

Не стоит забывать и такой момент: NGFW использует собственные нейросети для анализа сетевых логов и выявления потенциальных угроз. Это помогает оперативно реагировать на атаки, которые невозможно отследить вручную. Исключаем человеческий фактор — получаем максимальную защиту.

Обновляемые базы данных угроз

По своему определению NGFW регулярно обновляет базы данных, включая списки вредоносных IP-адресов, используемых для рассылки фишинговых писем или запуска вирусов.

Интеграция с SIEM и SOC

Файрволы нового поколения легко интегрируются с системами информационной безопасности, что позволяет централизованно анализировать данные и выявлять сложные угрозы. Но не все файрволы обладают одинаковыми функциями. Например, интеграция с SIEM и использование ИИ доступны только в премиальных решениях.

Профилактика атак с использованием ИИ

• Обучение персонала: сотрудникам нужно постоянно предоставлять наглядные материалы, демонстрирующие как выглядят современные фишинговые письма и чего стоит избегать;
• Усиление политик доступа: регулярное обновление паролей, использование двухфакторной аутентификации;
• Регулярный аудит безопасности: проверка инфраструктуры на наличие уязвимостей;
• Использование современных решений: установка и правильная настройка NGFW и других инструментов для автоматизации защиты.

Заключение

ИИ стал мощным инструментом не только в легальных сферах, но и в руках киберпреступников. Его использование позволяет автоматизировать атаки, находить уязвимости и запускать фишинговые кампании с высокой эффективностью. Однако современные NGFW, интегрированные с ИИ, предоставляют компаниям возможности для борьбы с этими угрозами, делая киберпространство более безопасным.

Аппаратный файрвол выступает своего рода фильтром между внешними источниками и вашей внутренней сетью. Но его эффективность зависит от правильных настроек. Какие ошибки чаще всего допускают при настройке? 

Отсутствие ограничений входящего трафика

Да, это удивительно, но такое бывает. Даже базовый сценарий защиты рабочих станций предполагает блокировку всего входящего трафика кроме тех соединений, что уже открыты (в белом списке). Таким образом доступ к станции извне для злоумышленников будет заблокирован. Оставлять доступными все порты и не фильтровать трафик — главная ошибка. 

Отсутствие типовых прав доступа

Разграничение доступа сотрудников — принципиально важная задача. Конечно, можно давать доступы каждому персонально. Но лучше настроить фильтры так, чтобы была возможность формировать групповые ограничения. Например, для менеджеров по продаже или бухгалтеров. Так меньше шанс ошибиться и предоставить сотруднику больше прав, чем нужно. 

Отсутствие сегментации

Разделять нужно не только пользователей, но и оборудование. Хотя бы с помощью подсетей. Поскольку настройки для рабочих станций и серверов принципиально разные. Причем прописать нужно не только внешние настройки, но и правила взаимодействия сегментов между собой. 

Отсутствие мониторинга

Даже если ваш файрвол отлично выполняет задачи, вы должны понимать, как именно он работает, с какими вызовами ему приходится справляться. Для этого нужно настроить уведомления о подозрительной активности и взять за правило отслеживать логи. Любая аномальная активность должна насторожить, даже если все работает исправно.  

А с каким ошибками приходилось сталкиваться вам?