Banco Serfinanza zkracuje dobu potřebnou k řízení vyhledávání přibližně o 90 % a automatizuje své bezpečné vývojové kontroly pomocí umělé inteligence.

Případová studie

Logo Banco Serfinanza

O bance Serfinanza

Banco Serfinanza SA je kolumbijská finanční instituce se sídlem v Barranquille, specializující se na spotřebitelské bankovnictví, retailové financování a finanční řešení pro malé a střední podniky.

V rámci své strategie růstu a digitální transformace si banka vybudovala vlastní technologické kapacity pro urychlení zavádění digitálních produktů a služeb. Vývoj softwaru spočívá na dvou pilířích: vlastní softwarové továrně a skupině specializovaných strategických partnerů, kteří pro banku také píší kód.

Výzva: vestavěné zabezpečení v rámci distribuovaného vývoje

Když se vývoj zrychlí a je zároveň rozdělen mezi interní tým a několik externích partnerů, bezpečnostní kontrola se již nemůže spoléhat na manuální kontroly. Každá dodávka je šancí, že se zranitelnost kódu nebo nezabezpečená konfigurace infrastruktury dostane do produkčního prostředí, aniž by si toho někdo včas všiml.

A detekce nebyla problémem. Díky pravidelným kontrolám bezpečnostní tým dostával velké množství zjištění, která bylo nutné ručně klasifikovat, přičemž bylo nutné jedno po druhém rozhodovat, která si zaslouží čas vývojáře, a poté je přiřazovat. Úzkým hrdlem byla právě klasifikační práce, nikoli analýza. Banco Serfinanza identifikovala tři specifické potřeby:

• Nepřetržitá a konzistentní viditelnost do rizika vstupu veškerého kódu do banky, ať už napsaného její interní továrnou nebo partnerem.
• Automatické stanovování priorit, nikoli manuální třídění. Rozhodování o tom, co opravit jako první, by nemělo záviset na tom, že někdo prochází seznamy jeden po druhém.
• Kontrola uvnitř vývojového cyklu, nikoli po něm. Analýza by měla probíhat každých commit a každý pull request, nikoli jako pravidelné přezkoumání, které ponechává mezery mezi jednotlivými koly.

Základním cílem nebylo přidat další analytický nástroj: šlo o posílení bezpečné správy vývoje pomocí automatizovaných a měřitelných důkazů.

Naší výzvou nebylo odhalovat zranitelnosti, ale spíše to dělat v tempu, s jakým se pohybuje náš interní vývojový tým a naši externí partneři. Rychlé tempo podnikání znamená neustálý nárůst kódu vstupujícího do banky, a s manuální kontrolou to nebylo udržitelné.

Leonell Santiago Sanandres

Ředitel operačního rizika

Řešení: platforma sladěná s vizí digitální transformace

Banka přijala Xygeni po důkladném vyhodnocení alternativ dostupných na trhu.

První kontakt se uskutečnil na akci 18ENISE pořádané INCIBE v Leónu ve Španělsku, kde tým Banco Serfinanza seznámil s přístupem společnosti Xygeni k řízení bezpečnosti ve vývoji softwaru.

Poté byl proveden koncept testovacího řízení, aby se ověřily dvě věci: že se platforma integrovala s procesy a nástroji, které banka již měla zavedené, a že dosažené výsledky byly proveditelné bez zvýšení pracovní zátěže bezpečnostního týmu.

Xygeni pokrývá celý cyklus z jediné platformy, včetně analýzy proprietárního kódu, závislostí na open source kódu, spouštění aplikací, API, odhalených přihlašovacích údajů a infrastruktury jako kódu, plus ochrany dodavatelského řetězce softwaru a… ASPM vrstva, která konsoliduje jak vlastní zjištění, tak i zjištění získaná z jiných nástrojů do jednoho modelu rizik.

Z této platformy Banco Serfinanza nasadila čtyři funkce, vybrané pro jejich soulad s prioritami banky: umělou inteligenci SAST na proprietárním kódu, CI/CD Bezpečnost na pipelines, IaC Security na infrastruktuře jako kódu a vrstvě umělé inteligence platformy, která automatizuje třídění a prioritizaci všeho, co ostatní tři detekují.

Integrace byla provedena na GitLabu, čímž byla do stávajícího systému přidána analýza. pipelineRepozitáře byly zaváděny postupně, ve fázích a podle priorit banky, namísto okamžitého spuštění analýzy v celém systému. To...cision se vyhnul obvyklému efektu zavádění zabezpečení: počátečnímu objemu zjištění tak velkému, že je vývojové týmy ignorují.

Výsledky ukázaly silný soulad s cíli organizace, zejména v oblasti automatizace, viditelnosti rizik a silnějších kontrolních mechanismů pro bezpečný vývoj.

Použité produkty Xygeni

Přestože Banco Serfinanza otestovala všechny produkty Xygeni, čímž zvýšila pokrytí analýz a detekci problémů, pozornost a ověřené přínosy během PoC se soustředily na následující:

CI/CD Bezpečnost

Pipelinejsou analyzovány jako kód, ve stejné kadenci jako kód aplikace. Xygeni kontroluje pipeline definice a SCM nastavení pro nezabezpečené konfigurace, nadměrná oprávnění, nechráněné větve a rizika v procesu sestavení, namapovaná na OWASP CI/CD Top 10. Pro banku s distribuovaným vývojem pipeline je stejně kritickým kontrolním bodem jako samotný kód: je to místo, kde se sbíhá vše, co do banky vstupuje, ať už to přichází zevnitř nebo zvenčí.

AI SAST

Statická analýza proprietárního kódu s využitím umělé inteligence na každém commit a pull requestDetekuje nebezpečné vzorce, jako je SQL injection nebo cross-site scripting, a používá vlastní kontext repozitáře k oddělení toho, co je zneužitelné, od toho, co je teoretické, takže vývojáři vidí pouze to, na čem záleží. Totéž standard platí pro kód od interního týmu i od strategických partnerů a když je nález potvrzen, AI Auto-fix navrhne opravu přímo v pull request.

IaC Security

Nezabezpečené konfigurace v infrastruktuře, protože kód je detekován před jeho zřízením, a to napříč platformami Terraform, CloudFormation, ARM, Bicep, Kubernetes, Helm a Dockerfiles, a také v obrazech kontejnerů, které vytvářejí. Guardrails v pull request a pipeline zastavit riskantní změnu dříve, než se dostane do cloudu, a automatická oprava pomocí umělé inteligence navrhne opravenou šablonu. Oprava proběhne, když to stojí několik minut, ne až po nasazení, kdy to stojí čas na údržbu.

Výsledky

O 90 % méně času stráveného identifikací, prioritizací a přiřazováním bezpečnostních zjištění
Úspory nepramení z rychlejší detekce, ale z toho, že se již neklasifikuje ručně. Analýza se změnila z pravidelné kontroly na automatické spouštění každých commit a každý pull request...a vrstva umělé inteligence poskytuje rizika již seřazená podle reálného kontextu, nikoli podle teoretické závažnosti. Co dříve bývalo opakujícím se úkolem bezpečnostního týmu, prohlížet seznamy a rozhodovat, co komu přiřadit, nyní přichází již vyřešené. Skok na oněch 90 % se shoduje se zavedením vrstvy umělé inteligence. Průběžná detekce byla již vyřešena umělou inteligencí. SAST, CI/CD Zabezpečení a IaC Security; chybělo odstranění manuální práce, která se hromadila po každé analýze.

Řízení kódu, který nepíše vlastní tým banky

Bezpečnostní kontrola se vztahuje stejnou měrou na vývoj z interní továrny i od strategických partnerů. Banka přešla od důvěry v postupy každého dodavatele k požadavku stejných ověřitelných postupů. standard, s automatizovaným důkazem, že je splněn při každé dodávce, napříč více než 100 repozitáři, které jsou průběžně analyzovány. Toto je výsledek s nejdelším dosahem v celém nasazení. A standard To, že se kontroluje u každé dodávky, nezávisí na vyspělosti jednotlivých partnerů ani na obchodním vztahu s nimi a dává bance odlišné postavení v rozhovorech s dodavateli.

Včasné odhalení slabin před nasazením do produkčního prostředí

Zranitelnosti kódu a nezabezpečené konfigurace infrastruktury jsou identifikovány již v rámci vývojového cyklu, kde jejich oprava stojí zlomek toho, co stojí později. Dnes jsou všechna kritická a závažná zjištění řešena ještě předtím, než se dostanou do produkčního prostředí.

Od nalezení k opravě: cyklus se měří v hodinách, nikoli ve dnech

Slabina, která dříve mohla zůstat nepovšimnuta až do další plánované kontroly, se nyní objeví během několika minut, ve stejném pull request kde byl zaveden, a je opraven, dokud je kontext pro vývojáře stále čerstvý. Oprava přestává být přerušením a stává se součástí již rozpracované práce.

Automatické stanovování priorit: od velkého množství nálezů po krátký seznam

Třídění již není úkolem bezpečnostního týmu. Umělá inteligence platformy třídí rizika podle reálného kontextu a snižuje šum, který se dostává k vývojovým týmům. Efekt není jen technický: zlepšuje vztah mezi zabezpečením a produktem, protože to, co se od vývojářů požaduje opravit, je opodstatněné.

Implementace Xygeni nám umožnila výrazně posílit naše bezpečné vývojové procesy automatizací kontrol a včasnou detekcí zranitelností.

Zkrátili jsme dobu strávenou správou a prioritizací zjištění přibližně o 90 % a dnes je většina z nich vyřešena ještě předtím, než se dostane do produkčního prostředí. Kromě technických možností platformy si ceníme také práce jejího týmu. commitdůraz na neustálé zlepšování, inovace a úzkou podporu v průběhu celého procesu.

Společnost Xygeni se stala důležitým nástrojem v rámci naší strategie digitální transformace a řízení technologických rizik.

Leonell Santiago Sanandres
Ředitel provozních rizik, Banco Serfinanza SA

Zajistěte si vývoj a dodávky softwaru

s Xygeni Security