Felelős MI-használat
Támogassa az MI átgondolt bevezetését és felelős használatát.
Gyakorlati felméréssel támogatjuk a mesterséges intelligencia (MI) tudatos bevezetését, az információk védelmét és a biztonságos fejlesztési gyakorlatokat.
A munkatársak nyilvános asszisztenseket, böngészőbővítményeket és beépített MI-funkciókat használhatnak egységes szabályok nélkül. A promptok, a feltöltött dokumentumok és az összekapcsolt adatforrások bizalmas információkat tehetnek hozzáférhetővé, ha a szervezet nem szabályozza egyértelműen a hozzáférést, az adatmegőrzést és a szolgáltatói beállításokat. A csapattal közösen térképezzük fel a jóváhagyott és az informális használatot.
A generált kód hibás jogosultságkezelést, sérülékeny függőségeket (vulnerable dependencies) vagy üzleti logikai hibákat tartalmazhat. Az MI-vel támogatott adathalászat (phishing) és megszemélyesítés (impersonation) a meglévő ellenőrzési folyamatokat is próbára teheti. Az Ön működéséhez illeszkedő helyzeteket értékeljük. A lehetséges támadásokat forgatókönyvként kezeljük, nem megtörtént incidensként.
Külön egyeztetett hatókörben azt is szimuláljuk, hogyan lépne fel egy eltérített vagy rosszindulatú LLM-ügynök (LLM agent) a szervezettel szemben. Az ellenőrzött gyakorlat négy lépést vizsgál:
Dokumentáljuk a megkísérelt útvonalakat, a működésbe lépő védelmi kontrollokat és a támadás megszakításának gyakorlati lehetőségeit. A szimulációt egyeztetett célokkal, korlátokkal és leállítási feltételekkel (stop conditions) végezzük. Nem adunk korlátlan hozzáférést önállóan működő ügynöknek az éles rendszerekhez.
Egyeztetjük a hatókört, azonosítjuk az eszközöket és felelősöket, áttekintjük a megosztott adatokat, a jogosultságokat és az integrációkat.
Megvizsgáljuk a használati szabályokat, az adatbesorolást, a szolgáltatói beállításokat, az MI által készített tartalmak emberi ellenőrzését és a fejlesztési gyakorlatokat. A technikai tesztelést külön egyeztetett hatókörben végezzük.
Meghatározzuk a célokat, a korlátokat és a leállítási feltételeket, majd megfigyeljük, hogyan térképezi fel az ellenőrzött ügynök a peremvédelmet, és hogyan kapcsolja támadási útvonalakká a hozzáférhető információkat és szolgáltatásokat.
A megállapításokat üzleti következményekhez kapcsoljuk, majd arányos védelmi lépéseket, felelősöket és nyomon követhető feladatokat javasolunk.



Dokumentált MI-használati és adatkitettségi térképet, rangsorolt kockázati listát, kontrolljavaslatokat és megvalósítási ütemtervet adunk át. A szabályzat frissítése, a fejlesztői útmutató elkészítése és a vezetői workshop is része lehet az egyeztetett hatókörnek. Ha az agentikus szimuláció is része a megbízásnak, támadási útvonaltérképet, alátámasztó bizonyítékokat, kontrollmegfigyeléseket és a támadás megszakítására alkalmas pontok rangsorát is átadjuk. A felmérés döntéstámogatásra szolgál.
Támogassa az MI átgondolt bevezetését és felelős használatát.
Csökkentse a bizalmas adatok véletlen megosztásának kockázatát.
Tárja fel időben a hiányosságokat, és előzze meg a költséges javításokat.
Nem. A munkatársak által használt külső MI-asszisztensek és a meglévő szoftverek MI-funkciói is indokolhatják a felmérést.
Előzetesen egyeztetjük, hogy milyen bizonyítékokra van szükség, és lehetőség szerint anonimizált példákkal vagy ellenőrzött tesztadatokkal dolgozunk.
Az agentikus rendszer egy cél elérésén több lépésben tud dolgozni. Kiválaszthatja a következő műveletet, használhat rendelkezésére álló eszközöket, értékelheti az eredményt, majd ennek alapján módosíthatja a következő lépését ahelyett, hogy csak egyetlen választ adna.
Az MI-ügynök olyan szoftver, amely egy MI-modell segítségével dolgozik egy meghatározott cél elérésén. A kialakításától függően információt gyűjthet, eszközöket használhat, más rendszerekkel léphet kapcsolatba, és kiválaszthatja a következő engedélyezett műveletet.
Az LLM az angol large language model, magyarul nagy nyelvi modell rövidítése. Nagy mennyiségű szövegen tanított modell, amely képes a nyelv értelmezésére és létrehozására, így többek között összefoglalásra, elemzésre, párbeszédre és kódgenerálásra használható.
Az MI az emberi intelligenciához kapcsolódó feladatokat végző rendszerek tág gyűjtőfogalma. A gépi tanulás olyan módszerek összessége, amelyekkel a rendszerek adatokból tanulnak mintázatokat. Az LLM a gépi tanulási modellek egyik típusa, amely a nyelv értelmezésére és létrehozására szakosodott.
Azt vizsgálja, hogyan azonosíthatna egy ellenőrzött ügynök elérhető szolgáltatásokat, hogyan kapcsolhatná össze a rendelkezésére álló információkat, és milyen útvonalakon próbálhatna a peremvédelmen keresztül fontos rendszerekhez jutni. A cél a valószínű támadási útvonalak és az ezeket megszakító kontrollok feltárása.
Nem. A tesztelés előtt meghatározzuk a célokat, az engedélyezett műveleteket, a technikai korlátokat és a leállítási feltételeket. Károkozó vagy jelentős működési kockázattal járó műveleteket nem végzünk.
A szimuláció tesztrendszereken is elvégezhető. A legtöbb használható információt azonban akkor adja, ha a hatókör széles, és a kapcsolódó éles rendszereket is magában foglalja, mert így a valós integrációk, jogosultsági határok és működő védelmi kontrollok is láthatóvá válnak. A kockázatot folyamatos emberi felügyelettel, lépcsőzetes műveletekkel, előre meghatározott korlátokkal és azonnali leállítási lehetőséggel csökkentjük.
Nem. Az MI-hez kapcsolódó kockázatokat és kontrollhiányokat tárja fel. Az agentikus szimulációt külön egyeztetett hatókörben végezzük, a szélesebb körű penetrációs tesztelés pedig továbbra is külön szolgáltatás.