Перейти к основному содержимому
Версия: 6.1

AI Security: Задачи

Модуль AI Security содержит 27 задач по классификации OWASP TOP 10 LLM. Задачи выполняются по расписанию и при обнаружении признаков угрозы регистрируют инцидент в Менеджере Инцидентов.

Кому полезны: аналитику ИБ, инженеру SOC


Список задач

КатегорияЗадачаОписание
LLM01Промпт-инъекцииОбнаружение попыток промпт-инъекций во входных запросах по библиотеке сигнатур: игнорирование инструкций, подмена роли, извлечение системного промпта, джейлбрейки (Пример инцидента)
LLM03Неавторизованное изменение обучающих данныхОбнаружение записи, изменения или удаления файлов обучающих датасетов пользователем, не входящим в список авторизованных
LLM03Нетипичный доступ к обучающим даннымОбнаружение чтения файлов обучающих датасетов пользователем, не входящим в список авторизованных
LLM04Превышение длины контекста запросаОбнаружение запросов, объем входного контекста которых превышает установленный порог (Пример инцидента)
LLM04Превышение допустимого времени генерацииОбнаружение запросов, время обработки которых превышает установленный порог, что может указывать на ресурсную атаку
LLM04Превышение лимита токенов пользователяСравнение расхода токенов пользователя за 15 минут со средним за предыдущие 48 часов; правило срабатывает при многократном превышении
LLM04Превышение общего лимита токеновКонтроль суммарного расхода токенов по всем запросам за 15 минут относительно установленного порога
LLM04Превышение порога частоты запросовПодсчет числа запросов пользователя в минуту и сравнение с установленным порогом
LLM05Нетипичное внешнее соединение агентаОбнаружение исходящих соединений агента на адреса вне списка разрешенных адресатов
LLM05/08Чрезмерное выделение прав агентамВыявление опасных сочетаний в конфигурациях разрешений: автоподтверждение без списка запретов, избыточные префиксы команд, сетевой доступ при автоподтверждении
LLM05/08Отклонение от профиля разрешенийСравнение текущей конфигурации разрешений агента с эталонными значениями из справочника agent_permission_baseline: режим подтверждения, сеть, sandbox, политика, списки разрешений
LLM05/08Попытка превышения полномочий агентомОбнаружение неуспешных действий агентов и сообщений об отказе в доступе (permission denied, forbidden, sandbox) (Пример инцидента)
LLM06Раскрытие конфиденциальной информацииАнализ запросов и ответов модели на наличие секретов, персональных данных, коммерческой тайны и признаков веб-атак по библиотеке сигнатур (Пример инцидента)
LLM06Раскрытие системного промпта модельюВыявление в ответах модели характерных маркеров служебных инструкций и системного промпта
LLM06Утечка конфиденциальных данных во внешние сервисыОбнаружение передачи секретов, персональных данных и сведений, составляющих тайну, в запросах к внешним провайдерам
LLM07Опасная команда в ответе моделиАнализ ответов модели на наличие деструктивных, эксфильтрационных и повышающих привилегии команд (Пример инцидента)
LLM07Опасный процесс на AI-хостеОбнаружение запуска процессов с деструктивной, эксфильтрационной или вредоносной командной строкой
LLM07Опасное действие, порожденное агентомОбнаружение запуска опасной команды, родительским процессом которой является рантайм AI-агента
LLM07Корреляция: промпт-инъекция → действиеКорреляция опасного действия в системе с предшествовавшей промпт-инъекцией на том же хосте
LLM07Корреляция: опасный ответ модели → действиеКорреляция опасного действия в системе с предшествовавшим ответом модели с опасной командой на том же хосте
LLM10Успешный доступ к хранилищу моделей нетипичным пользователемОбнаружение обращений к файлам моделей пользователем, не входящим в список авторизованных
LLM10Множественный доступ к файлам моделейПодсчет числа обращений к файлам весов для каждого пользователя и хоста за интервал; правило фиксирует превышение порога
LLM10Эксфильтрация артефактов модели процессомОбнаружение команд передачи данных (scp, rsync, rclone, curl и др.) в сочетании с обращением к файлам весов моделей
LLM10Исходящая передача весов во внешнюю сетьКорреляция крупных исходящих соединений с фактом доступа к файлам моделей на том же хосте
LLM10API-эксфильтрацияСравнение числа запросов пользователя к LLM API за 15 минут со скользящим средним за 48 часов; многократное превышение может указывать на попытку извлечения модели
СлужебнаяНаполнение справочника agent_permission_baselineЕжесуточное вычисление актуальных значений разрешений для каждого агента и сохранение эталонного профиля прав, используемого правилом контроля отклонений
Обратите внимание!

Пороговые значения, заданные в задачах, можно скорректировать с учетом особенностей конкретной инсталляции.