Машинное обучение для обнаружения угроз, AI-помощник администратора и контроль доступа к провайдерам нейросетей. Разберём, как NGFW-решения адаптируются к AI-изменениям ИТ-ландшафта. Что нового у российских и зарубежных вендоров, где заканчиваются возможности межсетевого экрана и какое место в AI-трансформации сетевой безопасности занимает Ideco.
За словами «AI в NGFW» скрываются разные технологии
Сравнивать межсетевые экраны нового поколения, NGFW (Next-Generation Firewall), по наличию «искусственного интеллекта» почти бессмысленно. Например, Cisco предлагает генеративного помощника в системе управления, а Ideco сочетает распознавание AI-сервисов с отдельной AI-аналитикой событий безопасности и конфигурации межсетевого экрана.
Поэтому вместо общего рейтинга «интеллектуальности» сравним четыре сценария:
|
Сценарий |
Что делает система |
Что проверять заказчику |
|
ML-детектирование угроз |
Оценивает файлы, соединения или DNS-активность на наличие признаков угроз |
Качество обнаружения, ложные блокировки, задержку и зависимость от облака |
|
AI-аналитика эксплуатации |
Разбирает события, объясняет находки, помогает проверять конфигурацию |
Привязку выводов к исходным данным, полноту анализа и точность рекомендаций |
|
Помощник или агент администратора |
Отвечает на вопросы о настройках, предлагает правила, выполняет разрешённые операции |
Полномочия, согласование изменений, журналирование и откат |
|
Защита использования AI |
Обнаруживает AI-сервисы и ограничивает доступ; в специализированных шлюзах проверяет запросы и действия агентов |
Видимость трафика, контроль данных, идентификацию пользователей и агентов |
Последний сценарий требует отдельной оговорки. Контролировать AI-трафик не обязательно означает использовать AI для его распознавания: URL-категория или сигнатура приложения может решать эту задачу без большой языковой модели, LLM (Large Language Model). Именно категории URL используются для доступа к AI-чатботам в документации UserGate, а в Ideco базовая видимость строится на DNS, SNI и характеристиках соединения.
Обзор подготовлен по публичным материалам, проверенным на 17 сентября 2026 года. Это сравнение архитектур и заявленных возможностей, а не независимое испытание качества детектирования; отсутствие функции в найденной документации не доказывает её отсутствия у вендора.
Мировой опыт: от ML-детектирования к управлению AI
Машинное обучение в защитных механизмах
Пример глубокой интеграции ML в сетевую защиту даёт Palo Alto Networks: Advanced Threat Prevention сочетает локальный Deep Learning с облачным анализом для выявления неизвестных C2-коммуникаций и эксплуатации уязвимостей (документация Advanced Threat Prevention). Это гибридная архитектура: часть анализа выполняется на межсетевом экране, а облачные модели дополняют локальные механизмы.
У Juniper сервис Advanced Threat Prevention объединяет статический анализ, динамический анализ и ML с применением защитных действий на SRX; вендор описывает как облачный сервис, так и отдельное on-premises-решение. Здесь важно не путать место анализа и точку блокировки: интеграция с NGFW не означает, что все модели работают непосредственно на нём.
При выборе решения стоит выяснить, какие данные отправляются на анализ во вне, сколько времени ожидается вердикт и что произойдёт с трафиком при недоступности сервиса.
Генеративный AI в управлении
В системах управления AI получает другую роль: помогает разобраться в конфигурации и выполнить административную задачу. Cisco AI Assistant – облачный компонент Secure Firewall Management Center, который поддерживает вопросы о политиках, рекомендации по настройке, troubleshooting и создание правил; для работы требуется интеграция с Cisco Security Cloud.
Check Point AI Assist использует контекст политик, объектов, журналов и документации; его интеграция в SmartConsole документирована для R82, начиная с Take 1027, и Web SmartConsole, начиная с Take 125. У Juniper Security Director Copilot появился в релизе облачной системы управления от 14 июля 2026 года со статусом Beta: заявлены диалоговые сценарии подключения устройств, настройки и создания политик.
Правильно объяснить существующее правило, сформировать новое и безопасно применить его в production-сети – важный аспект безопасности.
Защита AI-приложений и агентов
Отдельное направление хорошо видно у Fortinet: в анонсе FortiOS 8.0 описаны FortiView для видимости Shadow AI, AI-aware Application Control и видимость взаимодействий по MCP (Model Context Protocol) и A2A (Agent-to-Agent) (Fortinet). В том же материале заявлены AI-агенты для диалоговых сценариев диагностики и настройки в Security Fabric.
Palo Alto Networks документирует маркировку GenAI-приложений как Sanctioned, Unsanctioned и Tolerated с применением политик на NGFW или Prisma Access; механизм связан со Strata Cloud Manager и требует соответствующих лицензий. Для более глубокого контроля в июле 2026 года компания объявила новый продукт – Prisma AIRS AI Gateway: отдельную точку контроля LLM-запросов, MCP-вызовов и A2A-взаимодействий с инспекцией промтов и запросов к LLM.
Что с AI у зарубежных вендоров
NGFW у мировых лидеров всё чаще становится частью более широкой системы анализа и управления трафиком. Практически все вендоры используют облачные сервисы для работы AI-функций. Поэтому в России нужно учитывать особенности лицензирования и доступа к ним. Просто купить «коробку» уже не достаточно.
Российский рынок: сильные стороны лежат в разных слоях
Российские решения также нельзя свести к одной шкале. У Kaspersky публично описано применение ML/AI для эвристического анализа файлов в NGFW, у Positive Technologies генеративный помощник работает в смежных продуктах, а Ideco развивает AI-сценарии вокруг эксплуатации межсетевого экрана и контроля AI-трафика.
Kaspersky: ML в защите и отдельный GenAI-помощник
В Kaspersky NGFW заявлен эвристический анализ файлов с использованием Machine Learning и Artificial Intelligence, а также интеграция с Kaspersky Security Network.
UserGate и InfoWatch: не смешивать контроль AI и AI-аналитику
UserGate документирует URL-категорию «Чат-боты искусственного интеллекта / Chat-bot AI» для применения в правилах контентной фильтрации. Это практический инструмент управления доступом к AI-сайтам, но сейчас уже сложно гранулированно управлять доступом к AI-сервисам одной категорией – появились AI-агенты, сервисы и даже форумы AI-агентов, прокси-сервисы для доступа к «запрещенным» LLM-провайдерам и т.п.
Ideco: AI вокруг реальных задач эксплуатации NGFW
На наш взгляд, Ideco входит в число технологических лидеров российского направления AI для эксплуатации NGFW и контроля Shadow AI: основание для такой оценки даёт сочетание распознавания AI-приложений в продукте (как модуле контроля приложений, так и трех категорий контент-фильтра, отдельного дашборда с статистикой по AI), с доступными в технической поддержке AI-сервисами анализа правил файрвола и событий безопасности. Кроме того, документирована работа AI-агентов с Ideco NGFW с помощью API и специально разработанных навыков (skills).
Для анализа трафика ML-модели используются в модуле DNS Security, который способен заблокировать DNS-туннелирование и обращение к центрам управления ботнетов, фишинговым и недавно зарегистрированным доменам.
Shadow AI Discovery: увидеть сервис и применить политику
В Ideco NGFW Novum v23 «Контроль приложений» получил 83 протокола AI-приложений, включая ChatGPT, Claude, DeepSeek, GigaChat, YandexGPT и агрегаторы Chad AI и GPTunneL (описание релиза). Для базовой видимости используются DNS, SNI и характеристики соединения без обязательной расшифровки TLS; распознанные сервисы можно учитывать в существующих механизмах контроля, журналирования и сетевых политик.
Практический смысл такого подхода можно показать на условном сценарии. Компания разрешает разработчикам использовать согласованный AI-сервис, а к неутверждённым агрегаторам применяет ограничения. Или автономные AI-агенты выделяются в отдельную подсеть и получают доступ только к нужному LLM-провайдеру и необходимым для рабочих задач ресурсов, что ограничивает возможность их «побега» в интернет.
При этом текущее Shadow AI Discovery не анализирует prompts и не определяет содержимое передаваемых документов, поэтому не заменяет DLP, систему предотвращения утечек данных. Но в ближайших версиях появится LLM Proxy/Firewall с возможностью логирования сессий обращений к LLM и их фильтрации.
AI-анализ IPS и DNS Security: от событий к проверяемым находкам
Через портал технической поддержки Ideco доступен сервис AI-анализа журналов IPS, системы предотвращения вторжений, и DNS Security: он формирует приоритизированный отчёт, помогает отделять шум и указывает направления дальнейшей проверки.
AI-аудит правил: контекст вместо общих советов
Второй сервис проверяет правила межсетевого экрана а также брутфорс-атаки на NGFW-сервисы; результат содержит находки с идентификаторами правил и рекомендациями по исправлению. В описании сервиса приведены проверки чрезмерно широких разрешений, затенённых правил, проблем логирования и рискованной публикации внутренних служб.
Это отличие подхода Ideco от зарубежных решений. Не встроить AI-помощника «внутрь» NGFW, а построить удобный UX и сервисы для работы внешних AI-агентов с NGFW.
Оба AI-сервиса Ideco работают через REST API в режиме read-only и не изменяют конфигурацию даже в случае ошибочных действий (контроль на стороне NGFW, а не на стороне агента).
Что доступно, а что относится к развитию
|
Компонент |
Подтверждённый статус |
Граница возможностей |
|
Распознавание AI-приложений |
Включено в Ideco NGFW Novum v23 |
Базовая видимость и сетевые политики, не анализ содержания prompts |
|
AI-анализ IPS/DNS и аудит правил |
Сервисы через техподдержку, read-only |
Анализ и рекомендации без автоматического изменения конфигурации |
|
Отдельный AI-дашборд, развитие Discovery для локальных inference-сервисов |
Дашборд появился уже в v23.1, а дальнейшее развитие запланировано на ближайшие версии. |
В v23 не анализируются и не журналируются запросы к LLM, а только фиксируется факт обращений (LLM Proxy появится в v24) |
|
MCP-доступ агентов, LLM Proxy и последующая фильтрация запросов |
Заявленные направления развития |
V24 ожидается в конце октября 2026 |
Наш акцент в этой архитектуре: соединить видимость, анализ и управляемые действия. Уже описанные функции дают основу для такого развития, но законченный цикл автономного управления дело ближайшего будущего.
Как проверить AI-функции на пилоте
Для выбора решения, которое способно работать в новой информационной среде (где в том числе живут и агенты) – проверьте на пилоте простой воспроизводимый набор задач.
|
Проверка |
Тестовый сценарий |
Критерий результата |
|
Обнаружение AI-сервисов |
Согласованные и несогласованные сервисы, агрегатор, локальный endpoint |
Какие обращения распознаны, какие пропущены и какие легитимные приложения ошибочно классифицированы |
|
Подключение вашего AI-агента к NGFW |
Возможность подключения по API/MCP/CLI. Ограничения прав подключения (readonly/full). |
Есть ли возможности управления решением с помощью внешнего AI-агента. Какие способы подключения и их ограничений существуют. |
|
Анализ событий |
Размеченный набор значимых срабатываний и фонового шума |
Полнота выявления значимых событий, доля ложных выводов, обоснование приоритета |
|
Аудит конфигурации |
Заранее внесённые ошибки и корректные сложные правила |
Найденные ошибки, пропуски, ложные замечания и точные ссылки на правила |
|
Качество рекомендаций |
Находка с неоднозначным способом исправления |
Учёт зависимостей, недостающих данных и риска нарушения доступности |
|
Безопасность использования агента с решением |
Попытка выполнить операцию сверх выданных прав |
Отказ, запись в журнале и отсутствие изменения конфигурации |
AI в защите: необходимость в эпоху автономных агентов
AI в средствах защиты становится необходимым ответом на изменения самой ИТ-среды: корпоративные агенты получают доступ к данным и инструментам, а злоумышленники используют агентов для поиска уязвимостей, подготовки и автоматизации атак. Защита, которая зависит только от ручного анализа и настройки правил, рискует отстать от скорости этих процессов. Поэтому задача AI в NGFW не сводится к удобному интерфейсу: он должен помогать обнаруживать новую активность, связывать события с контекстом и сокращать путь от выявления риска до проверенного защитного действия. Для нас в Ideco именно так выглядит безопасность, которая не успевает устареть: AI ускоряет анализ и реакцию, а человек сохраняет контроль над полномочиями и критичными изменениями.
Автор: Ideco
