Новости

Эксперты PT ESC IR проанализировали результаты более 140 проектов по расследованию инцидентов. Более половины из них привели к нарушению бизнес-процессов компаний. В 21% проектов была обнаружена разведывательная деятельность и кибершпионаж, а в 20% — выгрузка конфиденциальной информации.

Доля проникновений через приложения и веб-сервисы на сетевом периметре за год выросла на 19 п.п. — с 36% до 51%. Среди атакованных продуктов чаще всего встречались платформа «1С:Предприятие», система управления сайтами Joomla, почтовые серверы Zimbra и CommuniGate Pro, а также сервер видео-конференц-связи TrueConf.

За отчетный период эксперты зафиксировали эксплуатацию 28 уникальных уязвимостей. Из них 61% на момент атаки были известны не менее двух лет. Среди основных недостатков защиты, способствовавших развитию атак, специалисты выделили устаревшие версии операционных систем и программного обеспечения (30%), отсутствие двухфакторной аутентификации (25%) и недостаточную сегментацию корпоративной сети (24%).

Как отмечают эксперты, для успешной атаки злоумышленникам часто не нужны принципиально новые техники. Они используют давно известные уязвимости, которые компании не устранили вовремя. Умело используя недостатки защиты внутренней инфраструктуры, хакеры могут оставаться внутри систем достаточно долго для кражи большого количества критической информации и подготовки инструментов для уничтожения бизнес-процессов.

Почти в половине исследованных организаций (49%) специалисты выявили следы присутствия известных APT-группировок, которые проводят сложные целенаправленные атаки. В некоторых инфраструктурах одновременно действовало несколько групп злоумышленников.

Среди заказчиков расследований на первое место вышли промышленные предприятия: их доля выросла с 9% до 22%. На государственные учреждения пришлось 18% проектов, на ИТ-компании и торговлю — по 10%.

Согласно оценкам J’son & Partners, на сегодняшний день в России насчитывается более 450 работающих МЦОД. В 2025 году доходы отечественного рынка МЦОД составили 4,4 млрд руб. и в 2030 году они прогнозируются на уровне 14,2 млрд руб. при среднегодовых темпах роста 27%. Дополнительные профессиональные услуги (ПИР, СМР, транспортировка, поддержка и обслуживание) формируют около 40% общего объема рынка, что указывает на серьезную роль интеграторов в цепочке продаж, часто выступающих как фронт-офис и непрямой канал сбыта для отечественных производителей МЦОД.

Крупнейшими потребительскими сегментами по числу МЦОД являются обрабатывающая промышленность, которая характеризуется сложностью и автоматизацией технологических процессов; государственные органы федерального, регионального и местного уровней, в том числе учреждения здравоохранения и образования; зарождающийся потребительский сегмент новой цифровой экономики – контентные и облачные услуги, финтех, маркетплейсы и цифровой торговый ретейл – вместе они уже стали заметной долей рынка МЦОД. Вместе с телеком и ИТ-индустрией, региональные МЦОД остаются перспективным сегментом для развития мобильных сетей 5G и внедрения национальных решений в области ИИ.

Ключевые преимущества внедрения МЦОД:

• Универсальность базовых решений МЦОД для всех типов пользователей для удаленных подразделений крупных корпораций, для компаний малого и среднего предпринимательства, госучреждений, здравоохранения, образования и городских служб;
• Модульность решений МЦОД, постепенность наращивания вычислительных ресурсов и инвестиций по мере роста потребностей при сроках реализации проектов до нескольких недель;
• Возможность подключения МЦОД в любой точке магистральных, региональных и локальных сетей ВОЛС и формирование геораспределенных систем передачи и обработки данных национального или местного масштаба: корпоративных сетей, электрических энергосистем, нефте- и газпроводов, интеллектуальных транспортных систем, при этом не исключая интеграцию с крупными ЦОД головных офисов.

В настоящее время в России реализуется национальный проект «Экономика данных и цифровая трансформация государства», рассчитанный на период 2025-2030 годов. Одновременно в стране выполняется целая серия отраслевых программ цифровизации в телекоммуникационной сфере, в обрабатывающих и нефтегазовой отраслях, в энергетике, в транспортных отраслях и других – ключевых сегментах применения МЦОД.

Исследование показало, что каждая вторая российская компания использует полноценное коммерческое VM-решение. Еще 15% компаний совмещают использование двух типов инструментов, и в 80% случаев это связка коммерческой VM-платформы и коммерческого сканера. Open source остается прерогативой небольших инфраструктур — его применяют 13% респондентов, преимущественно организации с парком до 1 тыс. активов, тогда как собственные разработки встречаются только у компаний с инфраструктурой свыше 5 тыс. устройств, и обычно они дополняют коммерческие продукты, не заменяя их.

Исследование показало, что 41% компаний используют не более половины функциональных возможностей внедренных VM-систем. На практике востребованными остаются лишь два-три основных модуля: стремление разработчиков обгонять конкурентов по числу функций часто приводит к перегруженности интерфейсов вместо роста эффективности процессов у заказчика.

Разрыв между инновациями вендоров и реальными практиками использования во многом объясняется тем, что несмотря на общий тренд к автоматизации, первое место среди критериев выбора VM-решения компании отдали качеству отчетности. Спрос на понятные отчеты закономерен: устранение уязвимостей в организациях по-прежнему во многом держится на ручном управлении и внутренних коммуникациях. Поэтому основным инструментом контроля остается отчет, понятный и руководству, и исполнителям. В то же время низкую значимость респонденты присвоили скорости сканирования, наличию «мобильного сканера» и сертификации ФСТЭК. Ценность этих характеристик сильно зависит от специфики конкретной компании.

Следующим по значимости критерием стали интеграционные возможности систем, что эксперты расценивают как маркер зрелости: компании все чаще рассматривают VM не как обособленный продукт, а как часть экосистемы кибербезопасности. В приоритете — связки с Service Desk и ITSM-системами для ускорения устранения уязвимостей, а также обогащение данных из EDR, SIEM и CMDB для понимания критичности активов в бизнес-контексте. Вместе с тем для многих организаций — это пока зона роста: процессы не успевают за развитием технологий, что и порождает описанный выше разрыв в использовании функционала.

По данным совместного исследования Orion soft и аналитического портала «ИТ-инфраструктура», средняя стоимость вычислительного оборудования с 2022 по 2025 год выросла на 209%. При этом на сопоставимый бюджет компании теперь могут приобрести примерно на 35% меньше оборудования, чем в 2020 году.

Как отмечают эксперты Termidesk, резерв при этом остается внутри уже существующей инфраструктуры. Средняя утилизация ресурсов у участников исследования составляет 54%, а 46% крупных компаний делают ставку на более полное использование имеющегося оборудования и продление срока его эксплуатации вместо закупок впрок.

Российский рынок виртуализации продолжает расти. По оценке ТМТ Консалтинг, лицензионная база серверной виртуализации и VDI увеличится с более чем 600 тыс. лицензий в 2025 году до более 1,1 млн к 2031 году. Доля корпоративного серверного парка с действующими лицензиями российских решений виртуализации за тот же период может вырасти с 89% до 95%.

В Termidesk считают, что спрос будет поддерживать не только дальнейшая замена зарубежных продуктов. Чем дороже становится физическая инфраструктура, тем важнее для компаний возможность максимизировать использование уже имеющихся ресурсов.

Физический сервер часто покупают с запасом: нагрузка меняется, бизнес растет, а нехватка мощности может обойтись дороже простоя части ресурсов. Проблема начинается, когда этот запас годами остается невостребованным. Виртуализация позволяет собрать ресурсы в общий пул и распределять их между нагрузками по мере необходимости. И чем дороже оборудование, тем заметнее цена неиспользуемой мощности.

По данным исследования Termidesk, виртуальные рабочие столы используют 50% участников опроса. При этом 82% организаций размещают инфраструктуру виртуальных и удаленных рабочих мест локально, внутри собственного контура.

В организациях с 5 тысячами удаленных рабочих мест и более встречается не только VDI, а полный набор сценариев удаленного доступа, включая терминальные рабочие столы и публикацию приложений. На таком масштабе даже небольшой избыток зарезервированных ресурсов может означать необходимость содержать дополнительные серверы.

Когда виртуальных рабочих мест десятки или сотни, запас мощности может быть почти незаметен в общих расходах. Но когда их тысячи, несколько процентов превращаются уже в заметное количество оборудования. Поэтому для крупных инфраструктур вопрос все чаще звучит не только как «Какая платформа нам нужна», но и как «Сколько серверов нам действительно нужно для этой нагрузки».

Ранее торговый дом НЛМК использовал внешнее облачное решение, которое впоследствии стало недоступно. В результате компания осталась без единой площадки для взаимодействия с клиентами, а данные о клиентах, коммерческих предложениях, отгрузках и счетах приходилось собирать вручную из разных систем, файлов и почты. Целью проекта стало создание единого цифрового контура работы с клиентами — от первого контакта до оплаты и повторных продаж, а также своевременный контроль целевых показателей (доли рынка и конверсии лидов в сделки).

MVP-подход позволил за пять месяцев выстроить процесс работы с лидами и продажами, а также запустить решение с необходимой функциональностью в закрытом корпоративном контуре. В рамках проекта с помощью экспертов «Корус Консалтинг» были реализованы инструменты для управления лидами и воронкой продаж. В дальнейшем в контур CRM была добавлена возможность фиксации истории взаимодействия с клиентами (звонки, письма и встречи). В CRM также организована работа с обращениями: трафик менеджеры в рамках системы обрабатывают все заявки и обращения, а автоматизированные уведомления помогают своевременно информировать сотрудников о новых задачах и лидах.

Новые инструменты CRM позволили повысить эффективность работы фронт менеджеров: в системе доступны показатели эффективности и инструменты для контроля SLA. Сегодня 100% лидов торгового дома НЛМК обрабатывают в CRM. Кроме того, в системе доступен профиль клиента «360 градусов», что позволяет видеть полную информацию о нем. Дополнительно реализована аналитика и отчетность по работе с лидами в различных разрезах — по регионам и конкретным менеджерам.

Проект стал основой для дальнейшей цифровизации продаж. В ближайших планах Торгового дома НЛМК — масштабирование CRM на смежные подразделения и процессы, углубление аналитики по удержанию клиентов и расширение функционала отчетности.

Для того, чтобы семьи с детьми с аутизмом и они сами чувствовали себя спокойнее и увереннее, необходима социально-бытовая реабилитация. VR Inclusion не первый год реализует программы VR-реабилитации для детей с РАС. В рамках проекта с Цианом у детей появилась возможность отработать сценарии поведения в лифте и подъезде, до конца года появится сценарий поведения в квартире.

Подготовка детей и подростков с РАС к самостоятельной бытовой жизни — одно из самых трудоемких направлений работы: учебные квартиры и зоны бытовых навыков требуют значительных вложений, отдельного пространства и постоянного присутствия специалистов. Виртуальная среда позволяет перенести туда первичную отработку навыков и существенно снизить нагрузку на команду, а исследования показывают обнадеживающие результаты таких тренингов. Благодаря погружению и эффекту «невидимого взрослого» ребенок сам справляется с бытовой ситуацией под наблюдением специалиста со стороны, многократно повторяет сценарии в безопасных условиях и затем закрепляет навыки в реальной жизни, причем организовать это можно в любом центре.

Важным компонентом обучения является отработка навыков в типовой среде. Поэтому дом, подъезд и квартира в виртуальном пространстве созданы на основе жилого комплекса ГК «Самолет».

Возможность пройти обучение появилась у подопечных более 50 НКО в 15 регионах России. Курс будет состоять из девяти занятий, в рамках тестирования проекта уже получены позитивные отзывы пяти НКО.

АИС «Налог-3» –– одна из крупнейших государственных информационных систем страны, которая автоматизирует ключевые процессы налогового администрирования. Ее ядро построено на аппаратно-программном комплексе Oracle Exadata — это решение обеспечивало целостность данных, но одновременно замыкало множество подсистем на одну базу, делая всю систему зависимой от одного компонента. В 2022 году ФНС и ГНИВЦ определили приоритетные для перехода элементы системы — те подсистемы, которые содержат данные о юридических и физических лицах, а также информацию, связанную с контрольной деятельностью ведомства.

Для новой архитектуры была выбрана сертифицированная редакция СУБД Postgres Pro Enterprise. Выбор обусловлен способностью продукта работать в крупных промышленных системах, высокими требованиями к надежности и соответствием строгим требованиям регуляторов в области защиты информации. Целевая архитектура была развернута на программно-аппаратных комплексах в отказоустойчивой трехузловой конфигурации.

На подготовительных контурах команда проекта многократно отрабатывала процедуру переноса данных, добившись скорости, при которой массивы данных объемом 40–50 Тбайт переносились примерно за сутки. Именно эти показатели позволили рассчитать технологическое окно для промышленного внедрения. В результате реализации проекта транзакционные данные 9 критичных подсистем АИС «Налог-3» учетного и контрольного блоков перенесены с Oracle Exadata в новый промышленный контур на базе Postgres Pro Enterprise Certified.

По итогам проекта снижена зависимость критичных элементов АИС «Налог-3» от иностранного вендора СУБД и уменьшена концентрация рисков за счет вывода части нагрузки из единой централизованной базы данных в несколько отдельных отказоустойчивых кластеров. Функциональные и эксплуатационные характеристики перенесенных подсистем сохранены в полном объеме.

Промышленный переход выполнен в технологическое окно продолжительностью чуть более суток, включающее перенос данных, резервное копирование и конфигурирование прикладного ПО. В ходе эксплуатации нового решения подтверждена его работоспособность в условиях постоянного роста: ежемесячный прирост объема данных в новом контуре составляет 3–4 Тбайт и не сопровождается деградацией производительности. Более того, отмечено повышение скорости выполнения отдельных операций по сравнению с Oracle Exadata.

В интерфейсе COMDI участники могут задавать ИИ-ассистенту вопросы по программе мероприятия. Общаться с ним можно в свободной форме, как с привычной ИИ-моделью. Например, ассистента можно попросить найти выступления на определенную тему. Он покажет подходящие события с указанием времени, места и имен выступающих.

Еще одна возможность ассистента — помощь в нетворкинге. ИИ анализирует информацию в профилях зарегистрированных пользователей и рекомендует, с кем стоит познакомиться и почему: например, у участников могут совпадать интересы, опыт работы или профессиональные задачи. Пользователи могут обмениваться сообщениями и планировать личные встречи прямо на площадке мероприятия.

В планах COMDI — запуск работы ИИ-ассистента с содержанием прошедших выступлений. Например, участник сможет попросить пересказать пропущенную часть сессии, если опоздал или ненадолго отвлекся.

Выбор платформы затрагивает работу ряда подразделений. Производству нужно обслуживать оборудование, сервисной службе – распределять заявки и курировать сроки, руководству – видеть результаты и затраты. ИТ-команда отвечает за совместимость с системами и устойчивость инфраструктуры. Если все требования не согласовать до покупки, ограничения могут обнаружиться после запуска, и устранение потребует дополнительных ресурсов.

Первая ошибка – сравнивать возможности продуктов, не определив, какой процесс нужно улучшить. Наличие мобильного приложения, аналитики или конструктора процессов не объясняет, как изменится работа сотрудников. Например, предприятие выбирает платформу для ускорения ремонта, но оценивает только удобство регистрации заявок. Основное время уходит на согласование работ и поиск запчастей. После внедрения обращения создаются быстрее, но длительность простоя остается прежней. Во избежание такой ситуации, нужно заранее описать путь задачи от возникновения до выполнения, найти причины задержек, выбрать показатели для оценки результата.

Вторая ошибка — откладывать проверку интеграций до начала внедрения. Заявленную возможность подключения к ERP, сервис-деску или оборудованию необходимо проверить в условиях заказчика. Значение имеют версии систем, состав передаваемых данных, права доступа и порядок работы при потере связи. Если эти вопросы остаются без внимания, могут возникнуть дубли заявок, расхождения в статусах и задержки уведомлений. Сотрудникам придётся перепроверять информацию вручную, а ИТ-службе — выполнять незапланированные доработки. До покупки важно проверить полный сценарий: от поступления события из внешней системы до назначения исполнителя и передачи результата выполненной работы.

Третья ошибка — оценивать решение только по начальной стоимости. При сравнении предложений компания может ориентироваться на цену лицензии, не учитывая перенос данных, настройку интеграций, обучение и сопровождение. Дополнительные расходы становятся особенно заметны при подключении новых подразделений и площадок. Проект, который укладывался в бюджет на старте, требует новых вложений, а его расширение приходится откладывать. Снизить этот риск помогает расчет полной стоимости владения за одинаковый период для всех рассматриваемых решений.

Четвертая ошибка — выбирать платформу ради ИИ, не оценив готовность собственных данных. Интеллектуальный помощник может классифицировать обращения, находить похожие инциденты и предлагать дальнейшие действия. Для этого ему нужны корректные сведения об объектах, история заявок и результаты работ. Если информация неполна или противоречива, сотрудники будут тратить время на исправление маршрутизации и проверку рекомендаций. До выбора решения следует определить задачу для ИИ и проверить ее выполнение на данных компании. Оценивать нужно правильность обработки обращений, число ручных исправлений и изменение сроков работы.

Пятая ошибка — недостаточно оценивать команду, которая будет внедрять и сопровождать платформу. Для запуска необходимо обследовать процессы, подготовить данные и обучить пользователей. Если обязанности заказчика, вендора и интегратора не распределены, часть работ может остаться без ответственного. Это приводит к переносу сроков, спорам при приемке и дополнительной нагрузке на внутреннюю ИТ-службу после запуска. При выборе поставщика важно оценить его опыт в похожих проектах, доступность специалистов и готовность помочь с проработкой требований.

Причины таких ошибок связаны с нехваткой времени на подготовку, недостаточным опытом внедрения и разным представлением участников о будущем процессе. Каждое подразделение хорошо знает собственный участок, но может не учитывать, какие сведения и действия нужны коллегам. В STAQ рекомендуют начинать выбор с формирования рабочей группы, в которую входят владелец процесса, представители ИТ, информационной безопасности и будущие пользователи. Вместе с поставщиком они должны определить границы проекта, интеграции, ожидаемый результат и порядок его проверки.

Следующий этап — пилот на одном объекте. До запуска фиксируют исходные показатели, потом оценивают изменения при сопоставимой нагрузке: время обработки задач, соблюдение сроков, объём ручной работы и затраты.

Разработанный агент самостоятельно анализирует данные в CDP-платформе, формулирует гипотезы и готовит под них сегменты, триггерные сценарии и проекты коммуникаций, однако финальное решение о запуске кампании принимает по-прежнему человек. Clover стал одним из первых решений такого класса на российском рынке.

Обычно ИИ-ассистент работает по запросу, выполняет команду специалиста или следует заранее настроенному сценарию. Clover действует иначе – он сам отслеживает поведение клиентов и новости конкурентов, изменения в данных, проводит анализ, формулирует гипотезы и под каждую готовит кампанию: подбирает сегмент, формирует сценарий и создает текст сообщения. Например, узнав об акции конкурента, он предложит ответную акцию для клиентов, которые чаще покупают товары этой категории. Запуск всегда утверждает человек, без его подтверждающих действий рассылка невозможна.

По результатам внутреннего тестирования благодаря помощи ИИ-агента полный цикл подготовки кампании (от выбора гипотезы до готовой к отправке рассылки) занял у маркетолога 15-20 минут. По оценке участников исследования, раньше на такую работу с учетом проверки шаблона уходило до двух суток. На сбор сложного сегмента Clover тратит от 2 до 16 минут, тогда как специалист – минимум полчаса. Для маркетинга это означает более быструю реакцию на изменения рынка, действия конкурентов и возможность проверить большее число гипотез. Агент существенно экономит время, которое маркетолог может направить на решение более интересных и высокоуровневых задач.

Работа с Clover начинается с онбординга: помощник уточняет отрасль, маркетинговые цели и стиль коммуникаций компании, определяет конкурентов и целевую аудиторию. Кроме проактивного режима, Clover выполняет задачи по запросу на естественном языке, без SQL: создает и редактирует сегменты, шаблоны, кампании и сценарии.

Решение построено по трехконтурной модели безопасности. Исходные клиентские данные хранятся в закрытом контуре CDP. Clover работает в изолированной среде и получает только агрегированные показатели, метаданные и обезличенные описания аудиторий. Языковые модели вынесены в отдельный слой и могут быть развернуты полностью в инфраструктуре заказчика. Персональные данные подставляются в готовые шаблоны уже внутри CDP и не передаются языковым моделям. Такой подход снижает и затраты: ИИ работает на уровне сегментов и сценариев, поэтому расходы на него почти не зависят от размера клиентской базы.

Агент функционирует на платформе LANDEV AI (решение компании ЛАНИТ). Она поддерживает работу с несколькими языковыми моделями и позволяет выбирать подходящую в зависимости от сложности задачи. За счет этого сокращается расход токенов и снижается совокупная стоимость эксплуатации помощника. Токены тратятся на подготовку сегментов, сценариев и шаблонов коммуникаций, после чего CDP персонализирует сообщение для каждого получателя без обращения к языковым моделям. Поэтому расходы на ИИ практически не зависят от объема клиентской базы.