Banco Serfinanza съкращава времето за управление на търсенето с около 90% и автоматизира своите защитени контроли за разработка с изкуствен интелект

Казус

Лого на Банко Серфинанца

Относно Банко Серфинанца

Банко Серфинанса СА е колумбийска финансова институция със седалище в Баранкиля, специализирана в потребителско банкиране, финансиране на дребно и финансови решения за малки и средни предприятия.

Като част от стратегията си за растеж и дигитална трансформация, банката е изградила собствен технологичен капацитет, за да ускори пускането на пазара на дигитални продукти и услуги. Разработването на софтуер се основава на два стълба: вътрешна фабрика за софтуер и група специализирани стратегически партньори, които също пишат код за банката.

Предизвикателството: вградена сигурност в разпределената разработка

Когато разработката се ускори и е разделена между вътрешен екип и няколко външни партньори, контролът на сигурността вече не може да разчита на ръчни проверки. Всяка доставка е шанс уязвимост в кода или несигурна конфигурация на инфраструктурата да достигне до продукция, без никой да я забележи навреме.

И откриването не беше проблемът. С периодичните прегледи екипът по сигурността получаваше обеми от открития, които трябваше да бъдат класифицирани ръчно, като се решаваше едно по едно кои заслужават времето на разработчика и след това се разпределяха. Тази класификационна работа, а не анализът, беше пречката. Banco Serfinanza идентифицира три специфични нужди:

• Непрекъсната, постоянна видимост в риска от навлизане на целия код в Банката, независимо дали е написан от нейната вътрешна фабрика или от партньор.
• Автоматично приоритизиране, а не ръчно сортиране. Решението какво да се поправи първо не трябва да зависи от това някой да преглежда списъците един по един.
• Контрол в рамките на цикъла на разработка, а не след него. Анализът трябва да се извършва на всеки commit и всеки pull request, а не като периодичен преглед, който оставя паузи между един кръг и следващия.

Основната цел не беше да се добави още един инструмент за анализ, а да се засили сигурното управление на развитието с автоматизирани, измерими доказателства.

Предизвикателството ни не беше да откриваме уязвимости, а да го правим със скоростта, с която се движат нашият вътрешен екип за разработка и външните ни партньори. Бързият темп на бизнеса означава постоянно увеличаване на кода, влизащ в банката, а с ръчния контрол това не беше устойчиво.

Леонел Сантяго Санандрес

Директор „Оперативен риск“

Решението: платформа, съобразена с визията за дигитална трансформация

Банката прие Xygeni след задълбочена оценка на наличните на пазара алтернативи.

Първият контакт се състоя на 18ENISE, събитието, организирано от INCIBE в Леон, Испания, където екипът на Banco Serfinanza откри подхода на Xygeni за управление на сигурността при разработването на софтуер.

След това беше проведено доказателство за концепцията, за да се потвърдят две неща: че платформата е интегрирана с процесите и инструментите, които банката вече е внедрила, и че резултатите, които е постигнала, са приложими, без да се добавя натоварване към екипа по сигурността.

Xygeni покрива пълния цикъл от една платформа, с анализ на собственически код, зависимости от отворен код, работещи приложения, API, открити идентификационни данни и инфраструктура като код, плюс защита на веригата за доставки на софтуер и... ASPM слой, който консолидира както собствените си открития, така и тези, получени от други инструменти, в единен модел на риска.

От тази платформа Banco Serfinanza внедри четири възможности, избрани заради съответствието им с приоритетите на банката: изкуствен интелект SAST върху собственически код, CI/CD Охрана на pipelines, IaC Security върху инфраструктурата като код и слоя с изкуствен интелект на платформата, който автоматизира сортирането и приоритизирането на всичко, което другите три откриват.

Интеграцията беше извършена в GitLab, добавяйки анализ към съществуващия pipelineХранилищата бяха внедрявани постепенно, на етапи и според приоритетите на банката, вместо анализът да се включва едновременно в целия имот. Това...cision избегна обичайния ефект от внедряването на актуализации за сигурност: първоначален обем от открития, толкова голям, че екипите за разработка го игнорираха.

Резултатите показаха силно съответствие с целите на организацията, особено в областта на автоматизацията, видимостта на риска и по-силния контрол върху сигурността на разработката.

Използвани продукти на Xygeni

Въпреки че Banco Serfinanza е тествала всички продукти на Xygeni, увеличавайки обхвата на анализа и откриването на проблеми, фокусът и валидираните ползи по време на PoC бяха съсредоточени върху следното:

CI/CD Охрана

Pipelineсе анализират като код, със същата честота като кода на приложението. Xygeni проверява pipeline определения и SCM настройки за несигурни конфигурации, прекомерни разрешения, незащитени клонове и риск в процеса на изграждане, съпоставени с OWASP CI/CD Топ 10. За банка с разпределено развитие, pipeline е също толкова критична контролна точка, колкото и самият код: там се събира всичко, което влиза в банката, независимо дали идва отвътре или отвън.

AI SAST

Статичен анализ на собствен код, задвижван от изкуствен интелект, на всеки commit намлява pull requestТой открива несигурни модели като SQL инжектиране или междусайтово скриптиране и използва собствения контекст на хранилището, за да отдели това, което е експлоатирано, от това, което е теоретично, така че разработчиците да виждат само това, което е важно. Същото. standard важи за код от вътрешния екип и от стратегически партньори, а когато дадено откритие бъде потвърдено, AI Auto-fix предлага корекцията директно в pull request.

IaC Security

Несигурните конфигурации в инфраструктурата, тъй като кодът се открива преди да бъде предоставен, в Terraform, CloudFormation, ARM, Bicep, Kubernetes, Helm и Dockerfiles, както и в изгражданите от тях образи на контейнери. Guardrails в pull request и pipeline спрете рискована промяна, преди да достигне облака, а AI Auto-fix предлага коригирания шаблон. Корекцията се случва, когато отнема минути, а не след внедряването, когато отнема време за поддръжка.

Резултатите

90% по-малко време, прекарано в идентифициране, приоритизиране и определяне на констатации за сигурност
Спестяванията не идват от по-бързото откриване, а от това, че вече не се извършва ръчно класифициране. Анализът премина от периодичен преглед към автоматично изпълнение на всеки... commit и всеки pull request...и слоят с изкуствен интелект предоставя риска, вече подреден по реален контекст, вместо по теоретична тежест. Това, което преди беше повтаряща се задача за екипа по сигурността - преглед на списъци и решаване какво да се възложи на кого, сега пристига вече решено. Скокът до тези 90% съвпада с въвеждането на слоя с изкуствен интелект. Непрекъснатото откриване вече беше решено с изкуствен интелект. SAST, CI/CD Сигурност и IaC Security; това, което липсваше, беше елиминирането на ръчната работа, която се трупаше след всеки анализ.

Управление на код, който не се пише от собствения екип на банката

Контролът на сигурността се отнася еднакво за разработването от вътрешната фабрика и от стратегически партньори. Банката премина от доверие към практиките на всеки доставчик към изискване на едни и същи проверими... standard, с автоматизирани доказателства, че е изпълнено при всяка доставка, в повече от 100 хранилища под непрекъснат анализ. Това е резултатът с най-дългосрочен обхват в цялото внедряване. A standard Това, което се проверява при всяка доставка, не зависи от зрелостта на всеки партньор или от търговските отношения с него и дава на банката различна позиция в разговорите ѝ с доставчиците.

Ранно откриване на слабости преди внедряване в производство

Уязвимостите в кода и несигурните конфигурации на инфраструктурата се идентифицират в рамките на цикъла на разработка, където отстраняването им струва много по-малко от това, което струва по-късно. Днес всички критични и важни открития се отстраняват, преди да достигнат до производствена среда.

От откриването до отстраняването: цикълът се измерва в часове, а не в дни

Слабост, която преди можеше да остане незабелязана до следващия планиран преглед, сега се появява в рамките на минути, в рамките на същия pull request където е било въведено и е поправено, докато контекстът е все още пресен за разработчика. Поправянето престава да бъде прекъсване и става част от вече започнатата работа.

Автоматично приоритизиране: от обем от открития до кратък списък

Триажът вече не е задача на екипа по сигурност. Изкуственият интелект на платформата подрежда риска според реалния контекст и намалява шума, който достига до екипите за разработка. Ефектът не е само технически: той подобрява връзката между сигурността и продукта, защото това, което се иска от разработчиците да поправят, е оправдано.

Внедряването на Xygeni ни позволи значително да подобрим процесите си на сигурно разработване, като автоматизираме контролите и откриваме уязвимости рано.

Намалихме времето, което прекарвахме в управление и приоритизиране на откритията, с около 90% и днес повечето от тях се разрешават преди да достигнат до производствената среда. Освен техническите възможности на платформата, ние ценим и екипа ѝ. commitнасоченост към непрекъснато усъвършенстване, иновации и тясна подкрепа през целия процес.

Xygeni се превърна във важен фактор в рамките на нашата стратегия за дигитална трансформация и управление на технологичните рискове.

Леонел Сантяго Санандрес
Директор Оперативен риск, Banco Serfinanza SA

Осигурете си разработка и доставка на софтуер

с Xygeni Security