fenyegetésfelderítés Archives - Fortinet.hrp.hu - A magyar Fortinet disztribútor

Az AI biztonsága nem egy külön feladat – már az alapoktól gondolnod kell rá

Kovács Lajos — Wed, 12 Aug 2026 11:02:06 +0000

Az AI egyre gyorsabban kerül be a vállalatok mindennapi működésébe. Eleinte sokan csak kipróbálták a nyilvános mesterségesintelligencia-eszközöket: kérdéseket tettek fel a ChatGPT-nek, szövegeket írattak vele, összefoglalókat készítettek vagy éppen képeket generáltak. Mára azonban ennél sokkal többről van szó.

A vállalatok saját AI-rendszereket építenek, mesterséges intelligenciát építenek be meglévő alkalmazásaikba, és egyre többször olyan rendszereket is használnak, amelyek nemcsak válaszolnak egy kérdésre, hanem önállóan el is végeznek bizonyos feladatokat. Ez óriási lehetőség, de közben új biztonsági problémákat is teremt.

Az AI már nem egy különálló eszköz

Egy egyszerű chatbot esetében könnyű azt gondolni, hogy az AI csak egy újabb alkalmazás, amit valamilyen módon le kell védened.

A helyzet azonban gyorsan megváltozik, amikor az AI hozzáfér a céges adatokhoz, belső rendszerekhez vagy más alkalmazásokhoz.

Képzeld el például, hogy egy AI-rendszer hozzáférhet a vállalat dokumentumaihoz, ügyféladataihoz, készletinformációihoz vagy akár egy belső vállalatirányítási rendszerhez. Ha pedig egy úgynevezett AI-ügynököt használsz, az már nem feltétlenül vár arra, hogy valaki minden egyes lépését jóváhagyja. Képes lehet adatokat keresni, más rendszereket meghívni, API-kon keresztül kommunikálni, majd egy előre meghatározott feladatot önállóan végrehajtani.

Itt válik igazán fontossá a biztonság. Mert ha az AI hozzáfér valamihez, akkor annak a hozzáférésnek ugyanúgy szabályozhatónak és ellenőrizhetőnek kell lennie, mint bármelyik másik felhasználó vagy program esetében.

Három szinten jelenik meg a kockázat

Az AI biztonságát érdemes több szinten elképzelni.

Az első a nyilvános AI-eszközök használata. Ilyenkor például egy munkatárs saját maga kezd el használni egy AI-szolgáltatást, miközben a vállalatnak nincs pontos rálátása arra, milyen adatokat oszt meg vele. Ez könnyen problémát okozhat, ha valaki véletlenül bizalmas dokumentumot vagy ügyféladatot másol be egy nyilvános rendszerbe.

A második szint a vállalat saját AI-rendszere. Itt már a cég felelőssége, hogy milyen adatokat használ a rendszer, honnan szerzi az információkat, ki férhet hozzá, és megfelelően védve van-e az egész infrastruktúra.

A harmadik, és talán legérdekesebb szint az önállóan működő AI-ügynökök megjelenése.

Ezek a rendszerek már nem pusztán válaszokat generálnak. Információt kereshetnek, adatokat továbbíthatnak, más alkalmazásokat használhatnak és bizonyos esetekben akár üzleti folyamatokat is elindíthatnak.

Minél több mindent képes önállóan elvégezni egy AI, annál nagyobb a következménye annak, ha valami félremegy.

Nem jó ötlet előbb szabadságot adni, és utána kitalálni a szabályokat

Az AI bevezetésének sorrendje legalább olyan fontos, mint maga a technológia.

Sok vállalat először óvatosan kezdi használni az AI-t, kialakítja a szabályokat, ellenőrzi, milyen adatokhoz férhet hozzá, majd fokozatosan egyre több feladatot enged át neki.

Ez a biztonságosabb út.

A probléma akkor kezdődik, amikor egy vállalat gyorsan eljut az önállóan működő AI-rendszerekig, miközben még nincsenek meg azok a szabályok és korlátozások, amelyek megakadályoznák, hogy az AI túl sok mindenhez férjen hozzá vagy nem kívánt műveletet hajtson végre.

Ilyenkor később könnyen kiderülhet, hogy az egész rendszert át kell alakítani.

Vagyis nem feltétlenül maga az AI-technológia a probléma. Az a probléma, ha gyorsabban adsz neki önállóságot, mint ahogy kialakítod a megfelelő biztonsági kereteket.

A valódi veszély akkor kezdődik, amikor az AI működésbe lép

Az AI biztonságát nem lehet csak a fejlesztés során ellenőrizni.

Hiába teszteled alaposan a rendszert, amikor elkészül, a valódi környezetben új problémák jelenhetnek meg.

Valaki például olyan utasítást adhat az AI-nak, amely megpróbálja kijátszani a korábbi szabályokat. Ezt nevezik prompt injectionnek, vagyis olyan manipuláló utasításnak, amely megpróbálja rávenni a rendszert valamire, amit normál esetben nem tenne meg.

Más támadások során megpróbálhatják manipulálni az AI által használt adatokat, kihasználhatják a rendszerhez kapcsolódó API-kat, vagy adatokat próbálhatnak kicsempészni egyik rendszerből egy másikba.

Saját AI-rendszereknél további problémát jelenthet, ha valaki már a tanítás során rosszindulatú vagy hibás adatokat juttat a rendszerbe.

Ezért az AI védelmét nem elég egyszer beállítani. A rendszer működése közben is folyamatosan figyelni és ellenőrizni kell, hogy mi történik.

Az AI-nak is tudnia kell, hogy mit szabad

Ha egy AI-rendszer csak szöveget generál, a kockázat viszonylag korlátozott.

Ha viszont már képes e-maileket küldeni, adatokat lekérni, számlázási rendszert használni vagy más alkalmazásokban műveleteket végrehajtani, akkor nagyon fontos, hogy pontosan meghatározd a határait.

Egy AI-ügynöknek tudnia kell, hogy ki nevében dolgozik, milyen adatokhoz férhet hozzá, milyen műveleteket végezhet el, és melyekhez kell emberi jóváhagyás.

Ugyanilyen fontos az is, hogy minden lépése visszakövethető legyen.

Ha egy AI-rendszer elindít egy folyamatot, módosít egy adatot vagy hozzáfér egy érzékeny információhoz, később tudnod kell megmondani, hogy mi történt, miért történt, és milyen szabály alapján engedélyezte ezt a rendszer.

Az önállóság tehát nem jelentheti azt, hogy az AI ellenőrzés nélkül azt csinál, amit akar.

Nem külön AI-biztonságra, hanem egységes védelemre van szükség

Az AI megjelenésével újabb és újabb biztonsági eszközöket is lehet vásárolni. Önmagában azonban attól még nem lesz biztonságosabb a rendszer, hogy egy újabb program kerül az informatikai környezetbe.

Sok vállalatnál már most is rengeteg különálló biztonsági megoldás működik. Más rendszer kezeli a felhasználókat, más figyeli a hálózatot, más az alkalmazásokat, és megint más gyűjti a biztonsági eseményeket.

Ha ezek egymástól függetlenül működnek, könnyen előfordulhat, hogy éppen közöttük marad egy olyan rés, amit egy támadó kihasználhat.

Az AI ezt a problémát tovább növelheti.

Éppen ezért az a jó megközelítés, ha az AI ugyanabba a biztonsági rendszerbe illeszkedik bele, amelyet a vállalat többi fontos informatikai erőforrásának védelmére is használsz.

Hogyan lehet ezt a gyakorlatban megvalósítani?

Az elvek önmagukban azonban nem elegendők. Ha az AI már hozzáfér a vállalati adatokhoz, alkalmazásokhoz és hálózati erőforrásokhoz, akkor a biztonsági szabályokat a gyakorlatban is érvényesíteni kell. Látnod kell, hogy milyen AI-rendszerek működnek a környezetedben, milyen adatokat használnak, kikkel és mivel kommunikálnak, és milyen műveleteket hajtanak végre.

Ebben lehet fontos szerepe egy olyan egységes biztonsági platformnak, amely nem különálló eszközként kezeli az AI-t, hanem beilleszti azt a vállalat meglévő védelmi rendszerébe.

A Fortinet megközelítése erre épít: az AI biztonságát a hálózat, a felhasználók, az alkalmazások és az adatok védelmével együtt kezeli. Így nem kell egy teljesen különálló biztonsági réteget létrehoznod minden egyes AI-megoldás köré.

A cél, hogy egy helyen legyen meg a szükséges rálátás és ellenőrzés: ki használja az AI-t, milyen rendszerekhez fér hozzá, milyen adatokat mozgat, és milyen műveleteket hajt végre. Ez különösen akkor válik fontossá, amikor a hagyományos chatbotoktól eljutunk az önállóan működő AI-ügynökökig.

A Fortinet AI Security megoldásai ezt a szemléletet követik: az AI használatának láthatóvá tételétől és ellenőrzésétől kezdve a hálózati forgalom védelmén át egészen az AI-ügynökök működésének szabályozásáig. Így az AI nem egy új, különálló biztonsági problémaként jelenik meg, hanem a vállalat teljes informatikai védelmének részeként kezelhető.

A szabályoknak nem egyetlen ponton kell érvényesülniük, hanem a különböző biztonsági ellenőrzési pontokon is: a tűzfalon, az API-átjárón és a biztonsági eseményeket gyűjtő és elemző SIEM-rendszerben.

A hozzáférések szabályozásában a Zero Trust Network Access (ZTNA) is fontos szerepet kap. A modell lényege, hogy egyetlen felhasználót, eszközt vagy AI-rendszert sem tekintünk automatikusan megbízhatónak. Minden hozzáférést ellenőrizni kell, és csak azokhoz az erőforrásokhoz szabad hozzáférést adni, amelyekre az adott feladat elvégzéséhez valóban szükség van.

The post Az AI biztonsága nem egy külön feladat – már az alapoktól gondolnod kell rá appeared first on Fortinet.hrp.hu - A magyar Fortinet disztribútor.

A csendes fenyegetés: hogyan válik az AI vállalati kockázattá?

Kovács Lajos — Wed, 17 Jun 2026 05:51:02 +0000

A mesterséges intelligencia vállalati térnyerése soha nem látott ütemben zajlik. Az AI-alapú eszközök ma már a mindennapi munkavégzés természetes részévé váltak: a munkatársak kódot írnak velük, dokumentumokat foglalnak össze, adatokat elemeznek, vagy éppen automatizálják az ismétlődő feladatokat. Ezekhez az alkalmazásokhoz gyakran egyszerűen egy webböngészőn vagy akár saját, személyes felhasználói fiókjukon keresztül férnek hozzá.

Miközben az AI jelentős hatékonyságnövekedést kínál, egy új és egyre nagyobb kihívás is megjelent a szervezetek számára. Ezt a jelenséget nevezzük „Shadow AI”-nak.

(A Shadow AI referál a korábbi Shadow IT fogalomra, ami olyan informatikai eszközök, alkalmazások vagy szolgáltatások használatát jelenti egy szervezetben, amelyeket az IT-részleg nem hagyott jóvá vagy nem felügyel.) A fogalom nem egy konkrét szoftvert vagy technológiát takar, hanem azt a helyzetet, amikor a munkavállalók mesterséges intelligencia eszközöket használnak a vállalat hivatalos felügyelete, szabályozása vagy akár tudta nélkül.

A Shadow AI napjainkra az egyik leggyorsabban növekvő vállalati kockázattá vált. Sok szervezet még csak most kezdi felismerni a probléma valódi jelentőségét, miközben az AI-eszközök használata már széles körben elterjedt a mindennapi üzleti folyamatokban. A megfelelő láthatóság és kontroll hiánya ugyanis nemcsak adatvédelmi és biztonsági kérdéseket vet fel, hanem komoly megfelelőségi és üzleti kockázatokat is hordozhat.

Az AI használata gyorsabban terjed, mint ahogy a vállalatok követni tudnák

Bár egyre több szervezet vezet be hivatalosan mesterséges intelligencia alapú megoldásokat, a valóságban a munkavállalók ennél jóval gyorsabban kezdik használni a nyilvánosan elérhető AI-eszközöket. Sok esetben ezek az alkalmazások a vállalat által felügyelt rendszereken kívül működnek, ezért a biztonsági és informatikai csapatok gyakran nem rendelkeznek pontos képpel arról, hogy milyen AI-szolgáltatásokat használnak a dolgozók, és milyen adatokat osztanak meg velük.

Ez jelentős változást hoz a korábban ismert „Shadow IT” jelenséghez képest. Míg a hagyományos árnyék-informatikai megoldások elsősorban adatokat tároltak vagy továbbítottak, a mesterséges intelligencia rendszerek ennél sokkal többet tesznek. Az általuk feldolgozott információkat elemzik, átalakítják, összefüggéseket keresnek bennük, és bizonyos esetekben hosszabb ideig meg is őrzik azokat. Mindez gyakran a felhasználók számára sem teljesen átlátható módon történik.

Különösen problémás lehet, amikor a munkatársak belső dokumentumokat, ügyféladatokat, pénzügyi információkat vagy akár forráskódot töltenek fel külső AI-szolgáltatásokba. Ilyenkor sokszor nem egyértelmű, hogy az adott szolgáltató pontosan hogyan kezeli ezeket az adatokat, meddig tárolja őket, illetve felhasználhatja-e őket saját rendszereinek fejlesztésére vagy tanítására. Ez a bizonytalanság új típusú adatbiztonsági és megfelelőségi kockázatokat teremt a vállalatok számára.

Miért nem működnek a hagyományos biztonsági modellek?

A legtöbb vállalati biztonsági stratégia arra az alapfeltevésre épül, hogy az informatikai rendszerek ismertek, a hozzáférések szabályozottak, az adatforgalom pedig nyomon követhető. A Shadow AI azonban gyakorlatilag mindhárom feltételezést megkérdőjelezi.

A probléma egyik fő oka, hogy az AI-eszközök használata gyakran a vállalat által felügyelt környezeteken kívül történik. A munkatársak böngészőből, saját eszközeikről vagy személyes fiókokon keresztül érik el ezeket a szolgáltatásokat, így a biztonsági csapatok sok esetben nem látják pontosan, mi történik. Ez nemcsak a hálózati forgalom megfigyelését nehezíti meg, hanem a végponti eszközökön zajló tevékenységek követését is.

Még akkor is kihívást jelent a helyzet, ha egy szervezet észleli az AI-használatot. Sok esetben nehéz megállapítani, hogy milyen adatokat osztottak meg a felhasználók az adott szolgáltatással, hogyan dolgozta fel azokat a rendszer, vagy hogy az információk pontosan hol és mennyi ideig kerülnek tárolásra.

A hagyományos biztonsági megoldásokat egyszerűen nem arra tervezték, hogy külső mesterséges intelligencia rendszerekkel folytatott interakciókat kezeljenek. Ennek következtében előfordulhat, hogy egy vállalat kiváló kontrollt gyakorol az infrastruktúrája, az alkalmazásai és a felhasználói hozzáférések felett, mégis szinte teljesen vak marad arra, hogyan használják az alkalmazottak az AI-eszközöket a napi munkafolyamatok során.

A helyzetet tovább súlyosbítja a töredezett biztonsági környezet. Sok szervezet különálló hálózati, felhőalapú és végpontvédelmi megoldásokat használ, amelyek egymástól elszigetelten működnek. Mivel ezek a rendszerek nem osztják meg teljes körűen az információkat egymással, egyik sem rendelkezik elegendő kontextussal ahhoz, hogy átfogó képet alkosson az AI-használatról. Így a vállalatok gyakran csak részleteket látnak, miközben a valódi kockázatok a különböző rendszerek között rejtve maradnak.

A Shadow AI biztonsági és adatvédelmi kockázatai

A Shadow AI egyik legnagyobb veszélye az adatkezelés átláthatatlansága. Amikor a munkavállalók külső AI-eszközökbe töltenek fel dokumentumokat, ügyféladatokat vagy akár forráskódot, gyakran nem egyértelmű, hogy ezek az információk hogyan kerülnek tárolásra vagy felhasználásra. Az adatok védelméért azonban továbbra is a szervezet felel.

Emellett az AI által generált tartalmak pontossága sem garantált. A modellek időnként hiányos vagy téves információkat adhatnak, amelyek üzleti vagy akár jogi problémákhoz vezethetnek, ha ellenőrzés nélkül kerülnek felhasználásra.

A kockázatokat tovább növeli, hogy a támadók is egyre gyakrabban veszik célba az AI-rendszereket. Az olyan technikák, mint a prompt injection, új támadási felületet teremtenek a vállalatok számára. A Shadow AI ezért egyszerre jelent adatvédelmi, biztonsági és megfelelőségi kihívást.

A probléma nem a felhasználó, hanem a tudatosság hiánya

Fontos hangsúlyozni, hogy a Shadow AI használata a legtöbb esetben nem rosszindulatú tevékenység. A munkavállalók jellemzően azért fordulnak külső AI-eszközökhöz, mert gyorsabban, hatékonyabban vagy egyszerűbben szeretnék elvégezni a feladataikat. Sokszor éppen az innováció és a produktivitás iránti igény vezeti őket, nem pedig a vállalati szabályok megkerülésének szándéka.

Éppen ezért a probléma kezelése nem merülhet ki a tiltásban vagy a technológiai kontrollok bevezetésében. Legalább ilyen fontos a felhasználók oktatása és tudatosságának növelése. Ahogyan ma már természetesnek számítanak a biztonságtudatossági (security awareness) képzések, úgy a jövőben az AI-eszközök felelős használatára vonatkozó oktatásnak is a vállalati kultúra részévé kell válnia.

A gyakorlatban gyakran megfigyelhető, hogy a felhasználók a Shadow IT és a Shadow AI eszközöket alapvető infrastruktúraként kezelik. Egy felhőalapú tárhely, egy közösségi platform vagy egy AI-asszisztens használata sokak számára ugyanolyan természetesnek tűnik, mint az internet- vagy az e-mail-szolgáltatás. Közben könnyű megfeledkezni arról, hogy ezek mögött profitorientált vállalatok állnak, amelyek saját adatkezelési, tárolási és felhasználási szabályok szerint működnek.

Ezeket a szolgáltatókat ugyanúgy érhetik kibertámadások, adatvédelmi incidensek vagy szolgáltatáskimaradások, mint bármely más vállalatot. Emellett az sem magától értetődő, hogy adatkezelési gyakorlataik összhangban vannak az adott szervezet vagy iparág biztonsági, jogi és megfelelőségi követelményeivel. A Shadow AI kockázatainak csökkentése ezért nemcsak technológiai, hanem szemléletformálási feladat is.

Egyre szigorúbb szabályozói elvárások

A mesterséges intelligencia terjedésével párhuzamosan a szabályozói környezet is gyorsan fejlődik. Az olyan új keretrendszerek, mint az EU AI Act, már előírják a vállalatok számára az AI-rendszerek azonosítását, a kockázatok felmérését és a megfelelő felügyelet biztosítását. A szabályok megsértése jelentős pénzügyi következményekkel járhat.

A kihívást az jelenti, hogy ezek a követelmények teljes körű rálátást feltételeznek az AI használatára. A Shadow AI miatt azonban sok szervezet nem tudja pontosan, milyen eszközöket használnak a munkavállalók, így azokat nem tudja megfelelően nyilvántartani, értékelni vagy felügyelni. A megfelelőséghez ezért ma már nem elég szabályokat alkotni – láthatóvá is kell tenni az AI használatát.

A láthatóság önmagában nem elég

Az AI-használat felderítése fontos első lépés, de önmagában nem oldja meg a problémát. Nem elég tudni, hogy egy AI-eszközt használnak – azt is érteni kell, milyen adatokat kezel, kik használják, és milyen üzleti folyamatokhoz kapcsolódik.

A hagyományos biztonsági megoldások jellemzően csak a kép egy részét látják. Egy rendszer érzékelheti az AI-szolgáltatás elérését, de nem látja a megosztott adatokat vagy azok kontextusát. Emiatt nehéz megkülönböztetni a normál használatot a valódi kockázatoktól.

A hatékony AI-irányításhoz ezért átfogó rálátásra van szükség, amely összekapcsolja a felhasználói aktivitást, az adatmozgást és a hozzáféréseket, lehetővé téve a gyors és megalapozott döntéshozatalt.

A Shadow AI integrálása a biztonsági stratégiába

A Shadow AI kezeléséhez nem elegendő pusztán láthatóvá tenni az AI-használatot – valódi kontrollra is szükség van. A szervezeteknek nemcsak azt kell tudniuk, hogy milyen AI-eszközöket használnak a munkavállalók, hanem azt is, hogy milyen adatokat osztanak meg velük, milyen célból, és milyen kockázatot jelenthet ez az üzlet számára.

Ebben kulcsszerepet játszik a hálózati szintű láthatóság. A Fortinet környezetében a FortiOS képes azonosítani az AI-alkalmazások használatát, így a biztonsági csapatok pontos képet kaphatnak arról, mely szolgáltatásokat használják a felhasználók, kik férnek hozzájuk, és milyen kontextusban történik az interakció. A rendszer ráadásul folyamatosan frissül a FortiGuard Labs fenyegetésfelderítési információival, amelyek segítenek az újonnan megjelenő AI-szolgáltatások azonosításában és kategorizálásában.

A láthatóság azonban önmagában nem elegendő. Hálózati szinten például nehéz különbséget tenni egy ártalmatlan kérdés és egy bizalmas dokumentum feltöltése között. Ezért a védelemnek az adatok szintjére is ki kell terjednie.

Ebben kap fontos szerepet az adatvesztés-megelőzés (DLP). A hálózaton keresztül haladó adatokat a FortiGate képes ellenőrizni, míg a felhőalapú környezetekben ugyanezek a szabályok a SASE-architektúrán keresztül is érvényesíthetők. A végpontokon a FortiDLP további védelmi réteget biztosít azáltal, hogy közvetlenül az adatkezelés pillanatában vizsgálja a tartalmakat. Így a szervezetek nagyobb biztonsággal akadályozhatják meg érzékeny információk véletlen vagy szándékos kiszivárgását.

Mivel az AI-eszközöket egyre gyakrabban használják távoli munkavégzés során, felhőszolgáltatásokon keresztül vagy a vállalati hálózaton kívül, a biztonsági kontrolloknak a felhasználót is követniük kell. Az olyan megoldások, mint a FortiSASE, lehetővé teszik, hogy ugyanazok a biztonsági szabályok és láthatósági képességek érvényesüljenek függetlenül attól, hogy a felhasználó honnan és milyen eszközről dolgozik.

A hatékony Shadow AI-védelem tehát több réteg együttműködésére épül. A hálózati láthatóság biztosítja az alapokat, a fenyegetésfelderítési információk segítenek az új kockázatok felismerésében, míg az adatvédelmi és végponti kontrollok gondoskodnak arról, hogy az AI használata a szervezet egészében biztonságosan és szabályozottan történjen.

Összegzés

A mesterséges intelligencia ma már a mindennapi munkavégzés szerves részévé vált, ezzel együtt azonban a nem felügyelt AI-használat is egyre gyakoribb jelenség. A Shadow AI nem átmeneti probléma, hanem egy olyan kihívás, amellyel a szervezeteknek hosszú távon is számolniuk kell.

A hatékony védekezéshez nem elegendő az AI használatának korlátozása vagy tiltása. A cél inkább az, hogy az AI-eszközök használata láthatóvá, szabályozhatóvá és ellenőrizhetővé váljon. Azok a vállalatok, amelyek az AI-t a meglévő biztonsági és irányítási folyamataik részévé teszik, nemcsak a kockázatokat csökkenthetik, hanem a technológia előnyeit is biztonságosan használhatják ki, miközben megfelelnek az egyre szigorúbb szabályozói elvárásoknak.

The post A csendes fenyegetés: hogyan válik az AI vállalati kockázattá? appeared first on Fortinet.hrp.hu - A magyar Fortinet disztribútor.

FortiSASE Remote Browser Isolation – Biztonságos böngészés izolált környezetben

Kovács Lajos — Thu, 27 Nov 2025 11:48:35 +0000

A vállalati hálózatok egyik legnagyobb támadási felülete a webböngészés. A kártékony kódok, drive-by támadások, böngészősebezhetőségek és adatszivárgások jelentős része a felhasználók mindennapi internethasználatából ered. A modern SASE-környezetek egyik fontos védelmi eleme ezért a Remote Browser Isolation (RBI), amely új megközelítést kínál a webalapú fenyegetések kezelésére. A Fortinet a FortiSASE platform részeként integrált, felhőalapú RBI technológiát biztosít, amely lehetővé teszi a felhasználók számára a biztonságos böngészést.

Mi az a Remote Browser Isolation (RBI)?

A Remote Browser Isolation egy olyan biztonsági technológia, amelynek lényege, hogy a felhasználó által megnyitott weboldal nem közvetlenül a helyi eszközön, hanem egy elkülönített, felhőalapú konténerben fut.

A FortiSASE RBI esetében:

a böngészés egy távoli, Fortinet által biztosított izolált környezetben történik,
a felhasználó csak a renderelt felületet látja,
minden aktív tartalom (JavaScript, iframe, reklám, potenciálisan kártékony kód) a konténerből fut,
a hivatkozások és interakciók továbbra is teljes értékű böngészési élményt biztosítanak.

Ennek köszönhetően még akkor is, ha egy weboldal fertőzött, a rosszindulatú tartalom nem jut el a végpontig.

A FortiSASE RBI működési modellje

A FortiSASE RBI a Secure Web Gateway (SWG) szolgáltatáson belül működik, és három fő komponensből áll.

Kategória- és policy-alapú aktiválás

Az adminisztrátorok meghatározhatják a megfelelő proxy szabályban, hogy milyen felhasználókra vagy csoportokra vonatkozóan, milyen URL-kategóriák esetén aktiválódjon automatikusan az izolált böngészés. Az SWG szabályokban a hagyományos Accept és Deny műveletek mellett megjelenik az Isolate művelet is.

Példák:

Kártékony weboldalak (Malicious Websites)
Frissen regisztrált domainek (Newly Registered Domains)
Ismeretlen reputációjú oldalak (Unrated)
Frissen felfedezett domainek (Newly Observed Domains)

Izolált böngészőkörnyezet (konténeralapú)

A felhasználó által kért weboldal egy távoli konténerben fut. Innen csak a renderelt kép és a felhasználói interakció kerül továbbításra, így a kliens eszköz nem kapcsolódik közvetlenül a céloldalhoz.

A felhasználó böngészőjében egy piros FortiSASE logót helyez el az RBI, így a felhasználó látja, hogy éppen egy távoli konténerben dolgozik.

Példa

Kollégánk egy adathalász e-mailt kap, amelyben arra kérik, hogy változtassa meg a jelszavát egy olyan szolgáltatásnál, amelyet cégünk is használ. Nem veszi észre, hogy a hivatkozás, amelyre kattint, bár kísértetiesen hasonlít a szolgáltatás valódi domain nevére, megtévesztő, speciális karaktereket tartalmaz. Ennek következtében nem a valódi szolgáltatás oldalára jut, hanem egy vizuálisan megtévesztésig hasonló, hamis weboldalra, amelynek URL-je első ránézésre az eredetivel azonosnak tűnik.

A FortiSASE azonban érzékeli az eltérést, és mivel a megtévesztő URL egy frissen regisztrált domain-re mutat, aktiválja az RBI funkciót. A kollégánk számítógépén megjelenő böngészőablakban feltűnik a piros FortiSASE-logó, így – a megfelelő belső képzést követően – tudni fogja, hogy ez a weboldal nem feltétlenül az, aminek látszik.

Szabályozott forgalom

Az üzemeltetők meghatározhatják:

a végponti sessionök számát (maximum 5 egyidejű),
a stream minőségét (alacsony / közepes / magas),
a végponti böngészőcookie-k engedélyezését vagy tiltását,
a vágólap-hozzáférést,
a jobb klikk engedélyezését vagy tiltását,
a nyomtatás PDF-be engedélyezését vagy tiltását,
fájltípusok le- és feltöltésének engedélyezését vagy tiltását.

Miért előnyös a FortiSASE RBI?

Teljes védelem a zero-day fenyegetések ellen

Mivel a tartalom nem a végponton fut, gyakorlatilag minden webalapú támadás hatástalan.

Biztonságos távoli munkavégzés

A home office és BYOD környezetekben kiemelt előny, hogy a böngészési tartalom nem kerül érintkezésbe a nem menedzselt vagy kevésbé biztonságos eszközökkel.

Egyszerű üzemeltetés

A FortiSASE platform natívan integrálja az RBI-t, tehát nincs szükség külön agentre vagy böngészőbővítményre.

Licencelés és korlátozások

A FortiSASE RBI funkció eléréséhez az alábbiak szükségesek:

FortiSASE Advanced vagy Comprehensive licenc
aktivált Secure Web Gateway funkció.

Az RBI funkció jelenleg az alábbi keretek között érhető el:

maximum 5 párhuzamos RBI session felhasználónként,
automatikus session-timeout inaktivitás esetén (10 perc),
havi izolált adatlimit (100 MB / felhasználó / hó).

Konfiguráció rövid áttekintése

Az RBI aktiválása jellemzően az alábbi lépésekből áll:

SWG policyk konfigurálása,
olyan szabályok létrehozása, amelyek meghatározzák, hogy mely forgalom izolálódjon,
végponti proxybeállítások.

A Fortinet részletes konfigurációs útmutatót is biztosít, beleértve a „Configuring RBI with proxy” példát:
https://docs.fortinet.com/document/fortisase/latest/feature-administration-guide/761922/example-configuring-rbi-with-proxy

Fájlfeltöltés weboldalra RBI nélkül

Fájlfeltöltés RBI-jal – .docx feltöltés tiltással

Fájlfeltöltés RBI-jal – .docx feltöltés engedélyezéssel –„bizonyíték” az interakcióra

Szerző:
Csere István | Presales- / Rendszermérnök – HRP Europe Kft.

Összegzés

A FortiSASE Remote Browser Isolation modern, zero-trust szemléletű védelmet nyújt a webböngészéshez. Az elkülönített futtatási modellnek köszönhetően még a legkifinomultabb webalapú támadások sem jelentenek közvetlen veszélyt a végpontokra. A megoldás különösen hasznos:

felhőalapú munkakörnyezetben,
távoli dolgozóknál,
BYOD eszközök esetén,
magas biztonsági elvárásokkal rendelkező iparágakban.

A FortiSASE RBI az egyik legfejlettebb böngészésvédelmi technológia, amely teljes mértékben beilleszkedik a vállalati SASE stratégiába.

The post FortiSASE Remote Browser Isolation – Biztonságos böngészés izolált környezetben appeared first on Fortinet.hrp.hu - A magyar Fortinet disztribútor.

Határok nélkül biztonságban – SASE, OT és FortiAI a gyakorlatban

Kovács Lajos — Mon, 20 Oct 2025 07:54:20 +0000

A digitalizáció korában a biztonság többé nem pusztán technológiai kérdés, hanem üzleti stratégia is. A DIG-IT Podcast legújabb epizódjában a HRP Europe Kft. Fortinet szakértője, Csere István, kollégánk, beszélget a kiberbiztonság új korszakáról, az innováció és a mesterséges intelligencia szerepéről, valamint arról, hogyan válhat a biztonság valódi versenyelőnnyé a vállalatok számára.

Az adásban többek között szóba kerül:
🔹 mit jelent az innováció a Fortinet számára, és hogyan marad naprakész egy ilyen széles portfólióval rendelkező gyártó,
🔹 a SASE (Secure Access Service Edge) koncepció, amely a hibrid munkavégzés biztonsági alapjává vált,
🔹 az AI megjelenésének hatása a kibervédelemre és az új fenyegetések,
🔹 a digitális bizalom és az identitásvédelem kérdése a deepfake és social engineering korszakában,
🔹 valamint a Fortinet Authorized Training Center (ATC) szerepe az oktatásban és az utánpótlásban.

💬 Ahogy Csere István fogalmaz:

„A biztonság nem költség, hanem befektetés – a jövőbe és a versenyelőnybe.”

Ha kíváncsi arra, hogyan válik a kiberbiztonság stratégiai tényezővé, és hogyan használja a Fortinet az AI-t és a SASE-t a gyakorlatban, ne hagyja ki ezt az epizódot!

The post Határok nélkül biztonságban – SASE, OT és FortiAI a gyakorlatban appeared first on Fortinet.hrp.hu - A magyar Fortinet disztribútor.

FortiAI-Assist – Mesterséges intelligencia a kibervédelem gyorsítására és hatékonyságának növelésére

Kovács Lajos — Wed, 15 Oct 2025 12:00:21 +0000

A kiberfenyegetések összetettsége és gyakorisága soha nem látott mértékben növekszik. A támadók nemcsak kifinomultabb eszközöket használnak, hanem egyre inkább automatizált, AI alapú támadási technikákat is bevetnek. A védelmi oldalon ennek megfelelő válasz születik: a biztonsági rendszereknek is integrálniuk kell a mesterséges intelligenciát az incidensek felismeréséhez, elemzéséhez és elhárításához.

A FortiAI-Assist ennek a fejlődésnek a része. A Fortinet Security Fabric ökoszisztémájába integrált AI asszisztens célja, hogy felgyorsítsa a biztonsági működést (SecOps), csökkentse az MTTD/MTTR (Mean Time To Detect – átlagos észlelési idő. Mean Time To Respond – átlagos reagálási idő) időt, valamint könnyebbé tegye a hálózatbiztonsággal és felügyelettel kapcsolatos munkafolyamatokat.

Mi az a FortiAI-Assist?

A FortiAI-Assist egy generatív mesterséges intelligenciát alkalmazó asszisztens, amely különböző Fortinet megoldásokban érhető el, mint előfizetéses szolgáltatás. Az AI Assist beágyazódik a támogatott Fortinet eszközök adminisztrátori kezelőfelületébe, így a megoldás chat felülete az üzemeltetőknek kényelmesen elérhető. A jelenleg támogatott Fortinet termékek a FortiAnalyzer, FortiManager, FortiSOAR, FortiSIEM, FortiAIOps, FortiNDR Cloud. Fő funkciója, hogy természetes emberi nyelvi kérdésekből kiindulva az alkalmazott termék szerepkörétől függően nagy nyelvi modellnek (LLM) segítségével

elemezze a biztonsági eseményeket,
lekérdezze a naplókat,
automatizálja a vizsgálati lépéseket,
javaslatokat tesz elhárítási lépésekre,
segít szabályok, keresési lekérdezések vagy playbook-ok készítésében.
támogatja a központi menedzsmentet, tűzfalszabályokat, VPN kapcsolatokat konfigurál

Más szóval, a FortiAI-Assist a SOC elemzők és az üzemeltetők társa: csökkenti a manuális terhelést, támogatja központi menedzsmentet, minimalizálja az elemzői hibákat, és gyorsabb, pontosabb válaszokat biztosít incidensek esetén.

AI Assist működési architektúra

A FortiAI-Assist a Fortinet eddigi gépi tanulásra és fenyegetésfelderítésre épülő infrastruktúrájára támaszkodik, többek között:

Komponens	Szerep
FortiAI ML Engine	Anomália- és fenyegetésdetekció
Generatív AI modell	Természetes nyelvi feldolgozás és válaszgenerálás
FortiSOC integráció	Incidenskezelési folyamatok összefűzése
Threat Intelligence	Folyamatosan frissített fenyegetésadatbázis
Data Privacy Layer	Adatvédelem, titkosítás és audit

Fő funkciók részletesen

Természetes nyelvű keresés biztonsági naplókban

Az elemzők SQL lekérdezések helyett használhatnak olyan utasításokat, mint:

“Mutasd az elmúlt 24 órából az összes sikertelen RDP belépési kísérletet külső IP címekről.”

A FortiAI-Assist automatikusan generálja a SIEM lekérdezést és lefuttatja azt.

Gyors incidensanalízis

Képes összefoglalni egy incidens hátterét:

támadási útvonal (kill chain) elemzése,
MITRE ATT&CK mátrix hozzárendelés,
releváns asset-ek és felhasználók feltérképezése,
kockázati pontszám meghatározása.

Automatikus playbook generálás (SOAR funkciók)

A SOC folyamatok automatizálhatók természetes nyelven:

“Hozz létre egy playbook-ot, ami karanténba helyezi a fertőzött végpontot és riasztást küld a SOC csoportnak.”

Asszisztált triázs

A túl sok riasztásból a FortiAI-Assist képes:

prioritást meghatározni,
fals pozitívokat szűrni,
kontextust adni a döntéshez.

Központi menedzsment támogatás

tűzfalszabályok létrehozása, módosítása, optimalizálása
VPN konfiguráció generálása
hibakeresés

FortiAI-Assist - működés és adatvédelem

A Fortinet a FortiAI-jal többrétegű megközelítéssel védi az adatokat: visszahívás (callback) funkcióval, adatmaszkolással és biztonságos proxy-val.

Visszahívás funkció (Callback):

A prompt-okat (utasításokat) elküldi a nagy nyelvi modellnek (LLM), amely olyan lekérdezést generál, amelyet az érintett Fortinet megoldás megért. Ez a lekérdezés ezután a helyi hoszton kerül végrehajtásra, így az eredmények helyben kerülnek feldolgozásra.

Adatmaszkolás:

Az érzékeny információk az érintett Fortinet megoldásoktól függően (FortiAnalyzer esetén például IP címek, MAC címek és felhasználónevek. FortiManager-ben eszköznevek, IP címek, VDOM nevek, vendor információk, stb.) automatikusan maszkolásra kerülnek, mielőtt az LLM-hez kerülnének, mivel a modellnek nincs szüksége ezekre az adatokra a lekérdezés összeállításához. Amikor a visszahívás funkció visszatér a helyi hosztra, az adatok visszafejtésre kerülnek.

Példa (FortiAnalyzer):

Admin prompt-ja FortiAnalyzer esetén: „Add meg a ma észlelt kártékony programtevékenységek statisztikáját a 192.168.50.20 végpontról!”

Maszkolt adat, amit a FortiAnalyzer küld: „Add meg a ma észlelt kártékony programtevékenységek statisztikáját a 12.198.37.2 végpontról!”

Ebben a példában a 12.198.37.2 egy automatikusan generált, irreleváns IP cím, amely a session cookie alapján készült.

Fontos megjegyezni, hogy az egyes értékek különböző maszkolási módszerekkel vannak védve a FortiAnalyzerben — például az IP címek másképp kerülnek maszkolásra, mint a felhasználónevek. A maszkolt értékek a a cookie-tól is függenek, ezzel biztosítva, hogy minden munkamenet más kulcsot használjon az adatok védelmére.

FortiAI Proxy:

Minden FortiAI prompt a Fortinet FortiAI Proxy-n keresztül halad át, mielőtt a felhőbe kerülne, ahol további ellenőrzések történnek az adatok védelme érdekében. Ezenfelül alkalmazza a Retrieval-Augmented Generation (RAG) technológiát, amely lehetővé teszi, hogy az AI ne csak általános nyelvi modellként válaszoljon, hanem a saját környezetben található valós hálózati adatokra és dokumentációra támaszkodva adjon pontos, kontextus alapú válaszokat.

A Fortinet NEM használja fel az anonimizált beszélgetési adatokat nyelvi modellek betanítására vagy finomhangolására.

Példa

Az adminisztrátor beír egy prompt-ot a FortiAnalyzer FortiAI-Assistan felületén.

Például: „Mennyit nézett YouTube-ot ma a 192.168.4.199 IP cím?”

Az érzékeny adatokat, például az IP címet, automatikusan maszkolja a rendszer, mielőtt elhagyná a FortiAnalyzert.
A kérdés következő állomása a FortiAI proxy, ami további adatvédelmi ellenőrzések mellett „hozzáilleszti” a kérdéshez a releváns Fortinet dokumentációkból származó információkat.
Az LLM elemzi a kérdést, és meghatározza a megfelelő funkciót a válasz előállításához.
Az LLM a visszahívás (callback) funkcióval a FortiAI proxy-n keresztül visszaküldi a FortiAnalyzernek a választ.
A FortiAnalyzer visszafejti az adatokat, majd az adatbázisban végrehajtja a lekérdezést.
A FortiAnalyzer válaszol az adminisztrátornak a FortiAI Assistant felületen.

Amennyiben további adatvédelmi szintre van szükség az adminisztrátorokkal szemben – beleértve a FortiAI felhasználókat is -, használható az adminisztrátori profilokban elérhető Privacy Masking (adatvédelmi maszkolás) funkció. Ez lehetővé teszi az adatok titkosítását és anonimizálását az adminisztrátorok számára, tovább növelve a felhasználói adatvédelem szintjét a szervezet igényei szerint.

FortiAnalyzer 7.6.3 FortiAI-Assist-tel

Szerző:
Csere István | Presales- / Rendszermérnök – HRP Europe Kft.

Összegzés

A FortiAI-Assist a mesterséges intelligencia erejét állítja a kibervédelem szolgálatába, hogy felgyorsítsa és hatékonyabbá tegye a biztonsági műveleteket. Az AI-alapú asszisztens természetes nyelvű lekérdezésekkel támogatja a SOC-elemzőket az incidensek azonosításában, elemzésében és elhárításában, miközben csökkenti a manuális terhelést és a hibalehetőségeket. A Fortinet megoldásain keresztül az FortiAI-Assist integráltan működik a teljes biztonsági infrastruktúrában, biztosítva a gyors reagálást és a mélyebb kontextusú fenyegetésértékelést. A fejlett adatvédelmi megoldások – mint az adatmaszkolás, a biztonságos proxy – garantálják, hogy a mesterséges intelligencia használata mellett az érzékeny információk biztonságban maradjanak.

The post FortiAI-Assist – Mesterséges intelligencia a kibervédelem gyorsítására és hatékonyságának növelésére appeared first on Fortinet.hrp.hu - A magyar Fortinet disztribútor.