בנקו סרפיננזה מקצר את זמן ניהול מציאת נתונים בכ-90% ומאפשר אוטומציה של בקרות הפיתוח המאובטחות שלו באמצעות בינה מלאכותית

מקרה מבחן

לוגו של בנקו סרפיננזה

אודות בנקו סרפיננזה

בנקו סרפיננזה SA הוא מוסד פיננסי קולומביאני שבסיסו בברנקייה, המתמחה בבנקאות צרכנית, מימון קמעונאי ופתרונות פיננסיים לעסקים קטנים ובינוניים.

כחלק מאסטרטגיית הצמיחה והטרנספורמציה הדיגיטלית שלו, הבנק בנה יכולות טכנולוגיות משלו כדי להאיץ את השקת המוצרים והשירותים הדיגיטליים. פיתוח התוכנה שלו נשען על שני עמודי תווך: מפעל תוכנה פנימי וקבוצת שותפים אסטרטגיים מיוחדים שגם כותבים קוד עבור הבנק.

האתגר: אבטחה מובנית בפיתוח מבוזר

כאשר הפיתוח מואץ ומתחלק גם בין צוות פנימי למספר שותפים חיצוניים, בקרת האבטחה אינה יכולה עוד להסתמך על ביקורות ידניות. כל מסירה היא הזדמנות לפגיעות קוד או לתצורת תשתית לא מאובטחת להגיע לייצור מבלי שאף אחד יאתר אותה בזמן.

וגילוי לא היה הבעיה. בעזרת ביקורות תקופתיות, צוות האבטחה קיבל כמויות גדולות של ממצאים שהיה צריך לסווג ידנית, תוך החלטה אחת אחת אילו ממצאים ראויים לזמן של מפתח, ולאחר מכן הקצאה של ממצאים אלה. עבודת הסיווג הזו, ולא הניתוח, הייתה צוואר הבקבוק. בנקו סרפיננזה זיהה שלושה צרכים ספציפיים:

• נראות רציפה ועקבית לתוך הסיכון שכל הקוד ייכנס לבנק, בין אם נכתב על ידי המפעל הפנימי שלו ובין אם על ידי שותף.
• תעדוף אוטומטי, לא מיון ידני. ההחלטה מה לתקן קודם לא צריכה להיות תלויה בבדיקת רשימות אחת אחת.
• שליטה בתוך מחזור הפיתוח, לא אחריו. הניתוח צריך להריץ על כל commit וכל pull request, לא כסקירה תקופתית שמשאירה פערים בין סיבוב אחד למשנהו.

המטרה הבסיסית לא הייתה להוסיף כלי ניתוח נוסף: אלא לחזק את ניהול הפיתוח המאובטח באמצעות ראיות אוטומטיות ומדידות.

האתגר שלנו לא היה לזהות פגיעויות, אלא לעשות זאת במהירות שבה צוות הפיתוח הפנימי שלנו והשותפים החיצוניים שלנו נעים. הקצב המהיר של העסק משמעו עלייה מתמדת בקוד הנכנס לבנק, ועם בקרות ידניות זה לא היה בר קיימא.

ליאונל סנטיאגו סנאנדרס

מנהל סיכונים תפעוליים

הפתרון: פלטפורמה התואמת את חזון הטרנספורמציה הדיגיטלית

הבנק אימץ את Xygeni לאחר הערכה יסודית של החלופות הקיימות בשוק.

הקשר הראשון התרחש ב-18ENISE, האירוע שאורגן על ידי INCIBE בלאון, ספרד, שם גילה צוות Banco Serfinanza את הגישה של Xygeni לניהול אבטחה בפיתוח תוכנה.

משם, בוצעה הוכחת היתכנות כדי לאמת שני דברים: שהפלטפורמה השתלבה עם התהליכים והכלים שכבר היו בבנק, ושהתוצאות שהפיקה היו ניתנות ליישום מבלי להוסיף עומס עבודה לצוות האבטחה.

Xygeni מכסה את כל המחזור מפלטפורמה אחת, עם ניתוח של קוד קנייני, תלויות בקוד פתוח, יישומים הרצים, ממשקי API, אישורים חשופים ותשתית כקוד, בנוסף להגנה על שרשרת האספקה ​​של תוכנה ו... ASPM שכבה המאחדת הן את הממצאים שלה והן את הממצאים שנקלטו מכלים אחרים למודל סיכונים יחיד.

מפלטפורמה זו, בנקו סרפיננזה פרס ארבע יכולות, שנבחרו בשל התאמתן לסדרי העדיפויות של הבנק: בינה מלאכותית SAST על קוד קנייני, CI/CD אבטחה על ה pipelines, IaC Security על תשתית כקוד, ועל שכבת הבינה המלאכותית של הפלטפורמה, אשר הופכת את המיון והתעדוף של כל מה ששלושת האחרים מזהים.

האינטגרציה בוצעה ב-GitLab, תוך הוספת ניתוח למידע הקיים. pipelineמאגרים הוטמעו בהדרגה, בשלבים ובהתאם לסדרי העדיפויות של הבנק, במקום להפעיל ניתוח על פני כל הנכס בבת אחת. דהcision נמנע מההשפעה הרגילה של פריסת אבטחה: כמות ראשונית של ממצאים כה גדולה עד שצוותי פיתוח מתעלמים ממנה.

התוצאות הראו התאמה חזקה עם יעדי הארגון, במיוחד באוטומציה, נראות סיכונים ובקרות פיתוח מאובטחות חזקות יותר.

מוצרי Xygeni בשימוש

למרות שבנקו סרפיננזה בדקה את כל מוצרי Xygeni, ובכך הגדילה את כיסוי הניתוח וזיהוי הבעיות, המיקוד והיתרונות המאומתים במהלך ה-PoC התמקדו בנושאים הבאים:

CI/CD אבטחה

Pipelineמנותחים כקוד, באותו קצב כמו קוד האפליקציה. בדיקות Xygeni pipeline הגדרות ו SCM הגדרות עבור תצורות לא מאובטחות, הרשאות מוגזמות, ענפים לא מוגנים וסיכון בתהליך הבנייה, ממופות ל-OWASP CI/CD 10 המובילים. עבור בנק עם פיתוח מבוזר, ה- pipeline היא נקודת בקרה קריטית לא פחות מהקוד עצמו: שם מתכנס כל מה שנכנס לבנק, בין אם הוא מגיע מבפנים או מבחוץ.

AI SAST

ניתוח סטטי מבוסס בינה מלאכותית של קוד קנייני על כל commit ו pull requestהוא מזהה דפוסים לא מאובטחים כגון הזרקת SQL או סקריפטים בין אתרים ומשתמש בהקשר של המאגר עצמו כדי להפריד בין מה שניתן לנצל לבין מה שתיאורטי, כך שמפתחים רואים רק את מה שחשוב. אותו הדבר standard חל על קוד מהצוות הפנימי ומשותפים אסטרטגיים, וכאשר ממצא מאושר, תיקון אוטומטי של בינה מלאכותית מציע את התיקון ישירות ב- pull request.

IaC Security

תצורות לא מאובטחות בתשתית כאשר קוד מזוהות לפני שהן מוקציות, ב-Terraform, CloudFormation, ARM, Bicep, Kubernetes, Helm ו-Dockerfiles, בנוסף לתמונות הקונטיינר שהן בונות. Guardrails ב pull request ו pipeline עצירת שינוי מסוכן לפני שהוא מגיע לענן, ותיקון אוטומטי של בינה מלאכותית מציע את התבנית המתוקנת. התיקון מתרחש כאשר הוא עולה דקות, לא לאחר הפריסה, כאשר הוא עולה חלון תחזוקה.

את התוצאות

90% פחות זמן המושקע בזיהוי, קביעת סדרי עדיפויות והקצאת ממצאי אבטחה
החיסכון לא נובע מגילוי מהיר יותר, אלא מהפסקת הסיווג הידני. הניתוח עבר מבדיקה תקופתית להפעלה אוטומטית בכל commit וכל pull request, ושכבת הבינה המלאכותית מספקת סיכונים שכבר מסודרים לפי הקשר אמיתי במקום חומרה תיאורטית. מה שהיה בעבר משימה חוזרת ונשנית עבור צוות האבטחה, סקירת רשימות והחלטה מה להקצות למי, מגיע כעת כשהוא כבר פתור. הקפיצה ל-90% הללו חופפת עם הצגת שכבת הבינה המלאכותית. זיהוי רציף כבר נפתר בעזרת בינה מלאכותית. SAST, CI/CD אבטחה ו IaC Securityמה שחסר היה ביטול העבודה הידנית שהצטברה לאחר כל ניתוח.

ממשל על פני קוד שהצוות של הבנק עצמו לא כותב

בקרת אבטחה חלה באופן שווה על פיתוח מהמפעל הפנימי וגם משותפים אסטרטגיים. הבנק עבר מאמון בשיטות העבודה של כל ספק לדרישה לאותם בקרות ניתנות לאימות. standard, עם ראיות אוטומטיות לכך שהוא מתקיים בכל מסירה, ביותר מ-100 מאגרים תחת ניתוח מתמשך. זוהי התוצאה עם טווח ההגעה ארוך הטווח הגדול ביותר בכל הפריסה. standard שנבדק בכל אספקה, אינו תלוי בבשלות של כל שותף או בקשר המסחרי עמו, והוא מעניק לבנק עמדה שונה בשיחותיו עם ספקים.

גילוי מוקדם של חולשות לפני פריסת הייצור

פגיעויות קוד ותצורות תשתית לא מאובטחות מזוהות במהלך מחזור הפיתוח, כאשר תיקונן עולה חלקיק ממה שזה עולה מאוחר יותר. כיום, כל הממצאים הקריטיים והגבוהים נפתרים לפני שהם מגיעים למצב הייצור.

ממציאה לתיקון: המחזור נמדד בשעות, לא בימים

חולשה שיכלה בעבר להתגלות עד לבדיקה המתוכננת הבאה מופיעה כעת תוך דקות, בתוך אותו pull request היכן שהוצג, והוא מתוקן בזמן שההקשר עדיין טרי עבור המפתח. תיקון מפסיק להיות הפרעה והופך לחלק מהעבודה שכבר נמצאת בתהליך.

תעדוף אוטומטי: מכמות ממצאים לרשימה קצרה

מיון אינו עוד משימה של צוות האבטחה. הבינה המלאכותית של הפלטפורמה מסדרת סיכונים לפי הקשר אמיתי ומפחיתה את הרעש שמגיע לצוותי הפיתוח. ההשפעה אינה רק טכנית: היא משפרת את הקשר בין אבטחה למוצר, מכמות ממצאים ועד רשימות קצרות.

הטמעת Xygeni אפשרה לנו לחזק משמעותית את תהליכי הפיתוח המאובטחים שלנו על ידי אוטומציה של בקרות וזיהוי מוקדם של פגיעויות.

קיצרנו את הזמן שהשקענו בניהול וקביעת סדרי עדיפויות של ממצאים בכ-90%, וכיום רובם נפתרים לפני שהם מגיעים לייצור. מעבר ליכולות הטכניות של הפלטפורמה, אנו מעריכים את הצוות שלה. commitמכוון לשיפור מתמיד, חדשנות וליווי צמוד לאורך כל התהליך.

Xygeni הפכה לכלי מפתח חשוב במסגרת אסטרטגיית הטרנספורמציה הדיגיטלית וניהול הסיכונים הטכנולוגיים שלנו.

ליאונל סנטיאגו סנאנדרס
מנהל הסיכונים התפעוליים, Banco Serfinanza SA

אבטחו את פיתוח ואספקת התוכנה שלכם

עם אבטחת Xygeni