Banco Serfinanza-ն մոտ 90%-ով կրճատում է որոնման կառավարման ժամանակը և ավտոմատացնում է իր անվտանգ մշակման կառավարումը արհեստական ​​բանականության միջոցով։

Case Study

Banco Serfinanza-ի լոգո

Banco Serfinanza-ի մասին

Բանկո Սերֆինանզա ՍԱ կոլումբիական ֆինանսական հաստատություն է, որի գլխավոր գրասենյակը գտնվում է Բարանկիլյայում, որը մասնագիտանում է սպառողական բանկային գործունեության, մանրածախ ֆինանսավորման և փոքր ու միջին բիզնեսների համար ֆինանսական լուծումների մեջ։

Իր աճի և թվային վերափոխման ռազմավարության շրջանակներում Բանկը ստեղծել է իր սեփական տեխնոլոգիական հնարավորությունները՝ թվային ապրանքների և ծառայությունների մեկնարկը արագացնելու համար: Ծրագրային ապահովման մշակումը հիմնված է երկու հենասյուների վրա՝ ներքին ծրագրային ապահովման գործարան և մասնագիտացված ռազմավարական գործընկերների խումբ, որոնք նաև կոդ են գրում Բանկի համար:

Մարտահրավեր՝ ներկառուցված անվտանգություն բաշխված մշակման համար

Երբ մշակումը արագանում է և բաժանվում է նաև ներքին թիմի և մի քանի արտաքին գործընկերների միջև, անվտանգության վերահսկողությունը այլևս չի կարող հույսը դնել ձեռքով ստուգումների վրա: Յուրաքանչյուր մատակարարում հնարավորություն է կոդի խոցելիության կամ անապահով ենթակառուցվածքային կոնֆիգուրացիայի համար արտադրության հասնելու՝ առանց որևէ մեկի կողմից ժամանակին նկատելու այն:

Եվ հայտնաբերումը խնդիրը չէր։ Պարբերաբար վերանայումների միջոցով անվտանգության թիմը ստանում էր բազմաթիվ արդյունքներ, որոնք պետք է դասակարգվեին ձեռքով՝ մեկ առ մեկ որոշելով, թե որոնք են արժանի մշակողի ժամանակին, ապա դրանք բաշխելով։ Այդ դասակարգման աշխատանքը, այլ ոչ թե վերլուծությունը, խոչընդոտն էր։ Banco Serfinanza-ն բացահայտեց երեք կոնկրետ կարիք.

• Անընդհատ, հաստատուն տեսանելիություն Բանկ մուտք գործելու ռիսկի տակ են բոլոր կոդերը, անկախ նրանից՝ գրված են նրա ներքին գործարանի, թե գործընկերոջ կողմից։
• Ավտոմատ առաջնահերթություն, այլ ոչ թե ձեռքով տեսակավորում։ Առաջին հերթին շտկելու որոշումը չպետք է կախված լինի ցուցակները մեկ առ մեկ վերանայելուց։
• Վերահսկողություն զարգացման ցիկլի ներսում, այլ ոչ թե դրանից հետո։ Վերլուծությունը պետք է իրականացվի յուրաքանչյուր commit եւ ամեն pull request, այլ ոչ թե որպես պարբերական վերանայում, որը բացեր է թողնում մեկ փուլի և հաջորդի միջև։

Հիմնական նպատակը ևս մեկ վերլուծական գործիք ավելացնելը չէր. այն անվտանգ զարգացման կառավարումն ամրապնդելն էր ավտոմատացված, չափելի ապացույցների միջոցով։

Մեր մարտահրավերը խոցելիությունների հայտնաբերումը չէր, այլ դա անելը մեր ներքին զարգացման թիմի և մեր արտաքին գործընկերների շարժման արագությամբ։ Գործարարության արագ տեմպը նշանակում է Բանկ մտնող կոդի անընդհատ աճ, և ձեռքով վերահսկողությունը կայուն չէր։

Լեոնել Սանտիագո Սանանդրես

Գործառնական ռիսկերի տնօրեն

Լուծումը՝ թվային փոխակերպման տեսլականին համապատասխանող հարթակ

Բանկը Xygeni-ն ընտրեց շուկայում առկա այլընտրանքների մանրակրկիտ գնահատումից հետո։

Առաջին շփումը տեղի ունեցավ Իսպանիայի Լեոն քաղաքում INCIBE-ի կողմից կազմակերպված 18ENISE միջոցառման ժամանակ, որտեղ Banco Serfinanza թիմը բացահայտեց Xygeni-ի մոտեցումը ծրագրային ապահովման մշակման ոլորտում անվտանգության կառավարման հարցում։

Այդ պահից սկսած՝ իրականացվեց հայեցակարգի փորձարկում՝ երկու բան հաստատելու համար՝ որ հարթակը ինտեգրված էր Բանկի արդեն իսկ առկա գործընթացների և գործիքների հետ, և որ դրա արդյունքում ստացված արդյունքները կիրառելի էին առանց անվտանգության թիմին ծանրաբեռնվածություն ավելացնելու։

Xygeni-ն ներառում է ամբողջական ցիկլը մեկ հարթակից՝ վերլուծելով սեփական կոդը, բաց կոդով կախվածությունները, գործարկվող հավելվածները, API-ները, բացահայտված հավատարմագրերը և ենթակառուցվածքը որպես կոդ, գումարած ծրագրային ապահովման մատակարարման շղթայի պաշտպանությունը և... ASPM շերտ, որը համախմբում է ինչպես իր սեփական արդյունքները, այնպես էլ այլ գործիքներից ստացված արդյունքները մեկ ռիսկի մոդելի մեջ։

Այդ հարթակից Banco Serfinanza-ն կիրառեց չորս հնարավորություն, որոնք ընտրվեցին Բանկի առաջնահերթություններին համապատասխանելու համար՝ արհեստական ​​բանականություն SAST սեփականատիրական կոդի վրա, CI/CD Անվտանգություն pipelines, IaC Security ենթակառուցվածքի վրա՝ որպես կոդ, և հարթակի արհեստական ​​բանականության շերտը, որը ավտոմատացնում է մյուս երեքի կողմից հայտնաբերվող ամեն ինչի տեսակավորումը և առաջնահերթության սահմանումը։

Ինտեգրացիան իրականացվել է GitLab-ում՝ ավելացնելով վերլուծություն առկա pipelineն. Պահոցները ներգրավվեցին աստիճանաբար, փուլերով և Բանկի առաջնահերթություններին համապատասխան, ամբողջ գույքի վերլուծությունը միանգամից միացնելու փոխարեն։ Դաcisիոնը խուսափեց անվտանգության ներդրման սովորական ազդեցությունից՝ հայտնաբերված նյութերի սկզբնական ծավալն այնքան մեծ էր, որ մշակողների թիմերը անտեսեցին այն։

Արդյունքները ցույց տվեցին կազմակերպության նպատակների հետ ամուր համապատասխանություն, մասնավորապես՝ ավտոմատացման, ռիսկերի տեսանելիության և անվտանգ զարգացման ավելի ուժեղ վերահսկողության ոլորտներում։

Օգտագործված Xygeni արտադրանք

Չնայած Banco Serfinanza-ն փորձարկել է Xygeni-ի բոլոր արտադրանքը՝ ընդլայնելով վերլուծության ծածկույթը և խնդիրների հայտնաբերումը, PoC-ի ընթացքում ուշադրությունը և վավերացված առավելությունները կենտրոնացած էին հետևյալի վրա.

CI/CD Անվտանգություն

Pipelines-երը վերլուծվում են որպես կոդ, նույն տեմպով, ինչ որ ծրագրի կոդը։ Xygeni-ն ստուգում է pipeline սահմանումներ եւ այլն SCM Անապահով կոնֆիգուրացիաների, չափազանց շատ թույլտվությունների, չպաշտպանված ճյուղերի և կառուցման գործընթացում ռիսկի կարգավորումներ, որոնք կապակցված են OWASP-ի հետ CI/CD Առաջատար 10-ը։ Բաշխված մշակմամբ բանկի համար՝ pipeline նույնքան կարևոր վերահսկողական կետ է, որքան կոդն ինքը. այն է, որտեղ միավորվում է Բանկ մտնող ամեն ինչ՝ անկախ նրանից, թե դա գալիս է ներսից, թե դրսից։

AI SAST

Արհեստական ​​բանականության հզորությամբ ստատիկ վերլուծություն յուրաքանչյուրի սեփական կոդի վրա commit և pull requestԱյն հայտնաբերում է անապահով օրինաչափություններ, ինչպիսիք են SQL ներարկումը կամ միջկայքային սկրիպտավորումը, և օգտագործում է պահոցի սեփական համատեքստը՝ շահագործելիությունը տեսականից առանձնացնելու համար, որպեսզի մշակողները տեսնեն միայն կարևորը։ Նույնը standard վերաբերում է ներքին թիմի և ռազմավարական գործընկերների կոդին, և երբ արդյունքը հաստատվում է, AI Auto-fix-ը առաջարկում է ուղղումը անմիջապես pull request.

IaC Security

Ենթակառուցվածքում կոդի տեսքով անապահով կոնֆիգուրացիաները հայտնաբերվում են նախքան դրանց տրամադրումը՝ Terraform, CloudFormation, ARM, Bicep, Kubernetes, Helm և Dockerfiles համակարգերում, գումարած դրանց կողմից կառուցված կոնտեյներային պատկերներում։ Guardrails է pull request եւ pipeline կանխել ռիսկային փոփոխությունը, նախքան այն կհասնի ամպ, և AI Auto-fix-ը կառաջարկի ուղղված ձևանմուշը: Ուղղումը տեղի է ունենում, երբ այն արժե րոպեներ, այլ ոչ թե տեղակայումից հետո, երբ այն արժե սպասարկման պատուհան:

Արդյունքները

90%-ով պակաս ժամանակ է ծախսվում անվտանգության հետ կապված հայտնաբերումների նույնականացման, առաջնահերթության սահմանման և վերագրման վրա
Խնայողությունները չեն պայմանավորված ավելի արագ հայտնաբերմամբ, այլ ձեռքով դասակարգումը դադարեցնելով։ Վերլուծությունը պարբերական վերանայումից անցավ ավտոմատ կերպով յուրաքանչյուրի վրա կատարվողի։ commit եւ ամեն pull request, և արհեստական ​​բանականության շերտը ներկայացնում է ռիսկերը, որոնք արդեն դասակարգված են իրական համատեքստով, այլ ոչ թե տեսական լրջությամբ։ Այն, ինչ նախկինում անվտանգության թիմի համար կրկնվող խնդիր էր՝ ցուցակների վերանայումը և որոշում կայացնելը, թե ում ինչ հանձնարարել, այժմ արդեն լուծված է։ Այդ 90%-ին անցնելը համընկնում է արհեստական ​​բանականության շերտի ներդրման հետ։ Անընդհատ հայտնաբերման խնդիրն արդեն լուծվել էր արհեստական ​​բանականության միջոցով։ SAST, CI/CD Անվտանգության և IaC Security; պակասում էր յուրաքանչյուր վերլուծությունից հետո կուտակվող ձեռքով աշխատանքի վերացումը։

Կառավարում կոդի վրա, որը Բանկի սեփական թիմը չի գրում

Անվտանգության վերահսկողությունը հավասարապես վերաբերում է ինչպես ներքին գործարանի, այնպես էլ ռազմավարական գործընկերների կողմից իրականացվող մշակմանը։ Բանկը յուրաքանչյուր մատակարարի գործելակերպին վստահելուց անցավ նույն ստուգելի տվյալների պահանջին։ standard, ավտոմատացված ապացույցներով, որ այն բավարարվում է յուրաքանչյուր առաքման ժամանակ, ավելի քան 100 պահոցներում՝ շարունակական վերլուծության ներքո: Սա արդյունքն է, որն ունի ամենաերկարաժամկետ ազդեցությունը ամբողջ տեղակայման մեջ: Ա standard որը ստուգվում է յուրաքանչյուր առաքման ժամանակ՝ կախված չէ յուրաքանչյուր գործընկերոջ հասունությունից կամ նրանց հետ առևտրային հարաբերություններից, և դա Բանկին տալիս է տարբեր դիրքորոշում մատակարարների հետ զրույցներում։

Արտադրության տեղակայումից առաջ թույլ կողմերի վաղ հայտնաբերում

Կոդի խոցելիությունները և անապահով ենթակառուցվածքների կոնֆիգուրացիաները հայտնաբերվում են մշակման ցիկլի ընթացքում, որտեղ դրանց շտկումը արժենում է ավելի ուշ ծախսվող գումարի մի փոքր մասը։ Այսօր բոլոր կարևոր և բարձր մակարդակի հայտնաբերումները լուծվում են նախքան արտադրության հասնելը։

Գտնումից մինչև լուծում. ցիկլը չափվում է ժամերով, այլ ոչ թե օրերով

Մի թուլություն, որը նախկինում կարող էր չնկատվել մինչև հաջորդ պլանավորված ստուգումը, այժմ հայտնվում է րոպեների ընթացքում՝ նույն ժամանակահատվածում։ pull request որտեղ այն ներկայացվել է, և շտկվում է, քանի դեռ համատեքստը դեռ թարմ է մշակողի համար։ Ուղղումը դադարում է ընդհատում լինելուց և դառնում է արդեն ընթացքի մեջ գտնվող աշխատանքի մի մասը։

Ավտոմատ առաջնահերթություն. արդյունքների ծավալից մինչև կարճ ցուցակ

Տեսակավորումը այլևս անվտանգության թիմի խնդիր չէ։ Հարթակի արհեստական ​​բանականությունը դասակարգում է ռիսկերը իրական համատեքստի համաձայն և նվազեցնում է մշակողների թիմերին հասնող աղմուկը։ Արդյունքը միայն տեխնիկական չէ. այն բարելավում է ավտոմատ առաջնահերթությունը. արդյունքների ծավալից մինչև կարճ ցուցակներ՝ անվտանգության և արտադրանքի միջև փոխհարաբերությունը, քանի որ այն, ինչ մշակողներից պահանջվում է շտկել, արդարացված է։

Xygeni-ի ներդրումը թույլ է տվել մեզ զգալիորեն ամրապնդել մեր անվտանգ մշակման գործընթացները՝ ավտոմատացնելով վերահսկողությունը և վաղ հայտնաբերելով խոցելիությունները։

Մենք մոտ 90%-ով կրճատել ենք հայտնաբերված խնդիրների կառավարման և առաջնահերթության դասակարգման վրա ծախսվող ժամանակը, և այսօր դրանց մեծ մասը լուծվում է արտադրության մեջ մտնելուց առաջ։ Հարթակի տեխնիկական հնարավորություններից զատ, մենք կարևորում ենք դրա թիմի աշխատանքը։ commitշարունակական կատարելագործման, նորարարության և ամբողջ գործընթացի ընթացքում սերտ աջակցության նկատմամբ կենտրոնացած։

Xygeni-ն դարձել է մեր թվային փոխակերպման և տեխնոլոգիական ռիսկերի կառավարման ռազմավարության կարևորագույն գործոն։

Լեոնել Սանտիագո Սանանդրես
Գործառնական ռիսկերի տնօրեն, Banco Serfinanza SA

Ապահովեք ձեր ծրագրային ապահովման մշակումը և մատակարարումը

Xygeni Security-ի հետ