Banco Serfinanza lyhentää löytöjen hallintaan kuluvaa aikaa noin 90 % ja automatisoi turvalliset kehityskontrollinsa tekoälyn avulla.

Tapaustutkimus

Banco Serfinanzan logo

Tietoja Banco Serfinanzasta

Banco Serfinanza SA on kolumbialainen rahoituslaitos, jonka pääkonttori sijaitsee Barranquillassa ja joka on erikoistunut kuluttajapankkipalveluihin, vähittäiskaupan rahoitukseen ja rahoitusratkaisuihin pienille ja keskisuurille yrityksille.

Osana kasvu- ja digitaalisen transformaation strategiaansa pankki on rakentanut omia teknologiavalmiuksiaan digitaalisten tuotteiden ja palveluiden lanseerauksen nopeuttamiseksi. Sen ohjelmistokehitys lepää kahden pilarin varassa: sisäisessä ohjelmistotehtaassa ja erikoistuneiden strategisten kumppaneiden ryhmässä, jotka myös kirjoittavat koodia pankille.

Haaste: sisäänrakennettu tietoturva hajautetussa kehityksessä

Kun kehitys kiihtyy ja se jakautuu sisäisen tiimin ja useiden ulkoisten kumppaneiden kesken, tietoturvan valvonta ei voi enää luottaa manuaalisiin tarkistuksiin. Jokainen toimitus on mahdollisuus sille, että koodihaavoittuvuus tai turvaton infrastruktuurikokoonpano pääsee tuotantoon ilman, että kukaan huomaa sitä ajoissa.

Eikä havaitseminen ollut ongelma. Säännöllisten tarkastusten myötä tietoturvatiimi sai valtavia määriä löydöksiä, jotka piti luokitella käsin. He piti yksi kerrallaan päättää, mitkä niistä ansaitsivat kehittäjän aikaa, ja sitten määrittää ne muille. Pullonkaulana oli luokittelutyö, ei analyysi. Banco Serfinanza tunnisti kolme erityistarvetta:

• Jatkuva ja johdonmukainen näkyvyys riskiin, että kaikki koodi pääsee pankkiin, olipa se sitten pankin sisäisen tehtaan tai kumppanin kirjoittamaa.
• Automaattinen priorisointi, ei manuaalinen luokittelu. Päätöksen siitä, mitä korjataan ensin, ei pitäisi riippua siitä, että joku tarkistaa listoja yksi kerrallaan.
• Kontrollia kehityssyklin sisällä, ei sen jälkeen. Analyysi tulisi suorittaa joka commit ja jokainen pull request, ei säännöllisenä tarkasteluna, joka jättää aukkoja yhden kierroksen ja seuraavan väliin.

Tavoitteena ei ollut lisätä uutta analyysityökalua, vaan vahvistaa turvallista kehityksen hallintaa automatisoidulla, mitattavissa olevalla näytöllä.

Haasteenamme ei ollut haavoittuvuuksien havaitseminen, vaan sen tekeminen sisäisen kehitystiimimme ja ulkoisten kumppaniemme nopealla toimintavauhdilla. Liiketoiminnan nopea tahti tarkoittaa pankkiin tulevan koodin jatkuvaa kasvua, ja manuaalisten kontrollien kanssa tämä ei ollut kestävää.

Leonell Santiago Sanandres

Operatiivisten riskien johtaja

Ratkaisu: digitaalisen transformaation vision mukainen alusta

Pankki otti Xygenin käyttöön arvioituaan perusteellisesti markkinoilla olevia vaihtoehtoja.

Ensimmäinen yhteydenotto tapahtui INCIBE:n järjestämässä 18ENISE-tapahtumassa Leónissa, Espanjassa, jossa Banco Serfinanzan tiimi tutustui Xygenin lähestymistapaan ohjelmistokehityksen tietoturvan hallintaan.

Tämän jälkeen suoritettiin konseptin toimivuustestaus kahden asian validoimiseksi: että alusta integroitui pankin jo käytössä oleviin prosesseihin ja työkaluihin ja että sen tuottamat tulokset olivat käytännöllisiä ilman, että tietoturvatiimille aiheutui lisää työmäärää.

Xygeni kattaa koko syklin yhdeltä alustalta, sisältäen suljetun koodin, avoimen lähdekoodin riippuvuuksien, käynnissä olevien sovellusten, API-rajapintojen, paljastuneiden tunnistetietojen ja infrastruktuurin analyysin koodina sekä ohjelmistojen toimitusketjun suojauksen ja ASPM kerros, joka yhdistää sekä omat havaintonsa että muista työkaluista saadut tulokset yhdeksi riskimalliksi.

Banco Serfinanza otti tältä alustalta käyttöön neljä ominaisuutta, jotka valittiin niiden sopivuuden perusteella pankin prioriteetteihin: tekoäly SAST omalla koodilla, CI/CD Turvallisuus päällä pipelines, IaC Security infrastruktuuriin koodina ja alustan tekoälykerrokseen, joka automatisoi kaiken muun kolmen havaitseman triage- ja priorisointiprosessin.

Integrointi tehtiin GitLabissa, ja analyysi lisättiin olemassa olevaan pipelines. Arkistot otettiin käyttöön vaiheittain, vaiheittain ja pankin prioriteettien mukaisesti sen sijaan, että koko omaisuuden analyysi olisi otettu käyttöön kerralla. Tämä decision vältti tietoturvapäivityksen tavanomaisen vaikutuksen: alkuvaiheessa niin suuren määrän löydöksiä, että kehitystiimit jättävät sen huomiotta.

Tulokset osoittivat vahvaa yhdenmukaisuutta organisaation tavoitteiden kanssa, erityisesti automaation, riskien näkyvyyden ja vahvempien turvallisten kehityskontrollien osalta.

Käytetyt Xygeni-tuotteet

Vaikka Banco Serfinanza on testannut kaikki Xygeni-tuotteet, mikä on lisännyt analyysin kattavuutta ja ongelmien havaitsemista, PoC:n aikana keskityttiin ja validoidut hyödyt keskittyivät seuraaviin:

CI/CD Turvallisuus

Pipelines analysoidaan koodina samalla tahdilla kuin sovelluskoodi. Xygeni tarkistaa pipeline määritelmät ja SCM OWASP-protokollaan yhdistetyt suojaamattomien kokoonpanojen, liiallisten käyttöoikeuksien, suojaamattomien haarojen ja rakennusprosessin riskien asetukset CI/CD Top 10. Hajautetun kehityksen omaavalle pankille pipeline on yhtä kriittinen ohjauspiste kuin itse koodi: se on kohta, jossa kaikki pankkiin tuleva piste yhdistyy, tulipa se sitten sisältä tai ulkoa.

AI SAST

Tekoälyllä toimiva staattinen analyysi jokaisesta suljetusta koodista commit ja pull requestSe havaitsee turvattomia toimintamalleja, kuten SQL-injektiota tai sivustojenvälistä komentosarjahyökkäystä, ja käyttää repositorion omaa kontekstia erottaakseen hyödynnettävän ja teoreettisen, jotta kehittäjät näkevät vain sen, millä on merkitystä. Sama standard koskee sisäisen tiimin ja strategisten kumppaneiden koodia, ja kun löydös vahvistetaan, tekoälyn automaattinen korjaus ehdottaa korjausta suoraan pull request.

IaC Security

Infrastruktuurin suojaamattomat kokoonpanot koodin yhteydessä havaitaan ennen niiden käyttöönottoa Terraformissa, CloudFormationissa, ARM:ssa, Bicepissä, Kubernetesissa, Helmissä ja Dockerfilesissa sekä niiden rakentamissa säilökuvissa. Guardrails vuonna pull request ja pipeline pysäyttää riskialttiiden muutosten ennen kuin ne pääsevät pilveen, ja tekoälyn automaattinen korjaus ehdottaa korjattua mallia. Korjaus tehdään silloin, kun se maksaa minuutteja, ei käyttöönoton jälkeen, jolloin se maksaa ylläpitoikkunan.

Tulokset

90 % vähemmän aikaa tietoturvahavaintojen tunnistamiseen, priorisointiin ja osoittamiseen
Säästöt eivät tule nopeammasta havaitsemisesta, vaan siitä, ettei luokittelua enää tehdä manuaalisesti. Analyysi siirtyi säännöllisestä tarkastelusta automaattisesti suoritettavaan joka... commit ja jokainen pull request, ja tekoälykerros toimittaa riskin, joka on jo järjestetty todellisen kontekstin mukaan teoreettisen vakavuuden sijaan. Se, mikä aiemmin oli tietoturvatiimin toistuva tehtävä, listojen tarkistaminen ja päättäminen, mitä kenellekin osoitetaan, on nyt jo ratkaistu. Hyppy tuohon 90 prosenttiin tapahtuu samaan aikaan tekoälykerroksen käyttöönoton kanssa. Jatkuva havaitseminen oli jo ratkaistu tekoälyn avulla. SAST, CI/CD Turvallisuus ja IaC Security; puuttui kuitenkin manuaalisen työn poistaminen, joka kasaantui jokaisen analyysin jälkeen.

Hallinto koodille, jota pankin oma tiimi ei kirjoita

Turvallisuusvalvonta koskee yhtä lailla sekä sisäisen tehtaan että strategisten kumppaneiden kehitystä. Pankki siirtyi kunkin toimittajan käytäntöihin luottamisesta vaatimaan samoja todennettavissa olevia käytäntöjä. standard, ja automaattisesti saadaan näyttöä siitä, että se täyttyy jokaisella toimituksella, yli 100 jatkuvan analysoinnin alla olevassa tietovarastossa. Tällä tuloksella on pitkän aikavälin ulottuvuus koko käyttöönotossa. standard joka tarkistetaan jokaisen toimituksen yhteydessä, ei riipu kunkin kumppanin kypsyydestä tai kaupallisesta suhteesta heihin, ja se antaa pankille erilaisen aseman keskusteluissa toimittajien kanssa.

Heikkouksien varhainen havaitseminen ennen tuotantoon käyttöönottoa

Koodin haavoittuvuudet ja turvattomat infrastruktuurikokoonpanot tunnistetaan kehityssyklin aikana, jolloin niiden korjaaminen maksaa murto-osan siitä, mitä se maksaa myöhemmin. Nykyään kaikki kriittiset ja merkittävät löydökset korjataan ennen kuin ne pääsevät tuotantoon.

Löydöstä korjaamiseen: sykli mitataan tunneissa, ei päivissä

Heikkous, joka aiemmin saattoi jäädä huomaamatta seuraavaan tarkastukseen asti, ilmestyy nyt muutamassa minuutissa samassa pull request siinä kohdassa, jossa se esiteltiin, ja se korjataan kontekstin ollessa vielä kehittäjälle tuore. Korjaaminen lakkaa olemasta keskeytys ja siitä tulee osa jo käynnissä olevaa työtä.

Automaattinen priorisointi: suuresta löydösmäärästä lyhyeen luetteloon

Triage ei ole enää tietoturvatiimin tehtävä. Alustan tekoäly lajittelee riskit todellisen kontekstin perusteella ja vähentää kehitystiimeille tulevaa kohinaa. Vaikutus ei ole pelkästään tekninen: se parantaa tietoturvan ja tuotteen välistä suhdetta, koska kehittäjien korjattavaksi pyydetyt asiat ovat perusteltuja.

Xygenin käyttöönotto on mahdollistanut meille tietoturvallisten kehitysprosessiemme merkittävän vahvistamisen automatisoimalla valvontaa ja havaitsemalla haavoittuvuuksia varhaisessa vaiheessa.

Olemme lyhentäneet löydösten hallintaan ja priorisointiin käyttämäämme aikaa noin 90 %, ja nykyään suurin osa niistä ratkaistaan ​​ennen tuotantoon pääsemistä. Alustan teknisten ominaisuuksien lisäksi arvostamme sen tiimin… commitjatkuvaan parantamiseen, innovaatioihin ja tiiviiseen tukeen koko prosessin ajan.

Xygenistä on tullut tärkeä mahdollistaja digitaalisessa transformaatiossamme ja teknologiariskien hallintastrategiassamme.

Leonell Santiago Sanandres
Operatiivisten riskien johtaja, Banco Serfinanza SA

Turvaa ohjelmistokehityksesi ja -toimituksesi

Xygeni Securityn kanssa