Журнал "Information Security/ Информационная безопасность" #3, 2026

В связи со стремительным ростом популярности публичных ИИ-сервисов ситуация повторилась. На первый взгляд кажется, что просто появился еще один канал передачи данных, но все оказалось сложнее. Пользователь теперь не просто отправляет документ во внешний сервис – он ведет диалог с моделью, передает ей фрагменты документов, получает результаты обработки и использует их в дальней- шей работе. Лишь спустя некоторое время компании начали задумываться о том, какие данные попадают в эти сервисы и что происходит с ними после отправки. Впрочем, появление генеративных моделей не стало для DLP-систем тех- нологической революцией. Современные системы защиты уже давно умеют конт- ролировать работу в браузере и анали- зировать не только содержимое доку- ментов, но и контекст их использования. Новым вызовом оказалось изменение пользовательского поведения. Передача информации во внешние ИИ-сервисы довольно быстро вошла в привычку и повседневную рабочую практику. Имен- но это и потребовало пересмотра под- ходов к защите данных. От контроля передачи к контролю контекста Исторически DLP решала довольно понятную задачу – контролировала пере- дачу конфиденциальной информации за пределы организации. При работе с генеративным ИИ этого уже недоста- точно. Стало важно понимать не только сам факт обращения к ИИ-сервису, но и весь сценарий работы с данными: что пользователь передал модели, какой результат получил и как использовал его дальше. Такой сценарий требует не только новых механизмов контроля, но и понят- ных правил использования ИИ. Прихо- дится определять, какими сервисами можно пользоваться, какие данные допу- стимо в них передавать, кто имеет право работать с генеративными моделями и в каких бизнес-процессах это вообще разрешено. Насколько детальными будут эти правила, зависит от зрелости про- цессов информационной безопасности. Для одних организаций генеративный ИИ уже становится частью корпоратив- ной архитектуры, для других пока оста- ется еще одним классным, но неконтро- лируемым инструментом в теневой обла- сти ИТ. Следующий вопрос – где работает сама модель. Если компания развернула собственную LLM внутри корпоративной инфраструктуры, она контролирует и модель, и данные, которые в нее попада- ют. С публичными сервисами ситуация принципиально другая. После передачи информации организация уже не конт- ролирует, что с ней произойдет дальше, и смогут ли эти данные использоваться повторно. Все это меняет требования к DLP- системе. Теперь недостаточно увидеть факт передачи данных – нужно понимать весь сценарий работы с информацией: какой сервис использовался, какие све- дения были переданы, что модель вер- нула в ответ и как этот результат при- менялся дальше. DLP-система переходит от контроля передачи данных к контролю контекста их использования. Следующий шаг – ИИ-агенты Генеративные модели пока остают- ся инструментом, которым управляет человек, а вот ИИ-агенты делают следующий шаг – начинают действо- вать самостоятельно. Агент получает собственную учетную запись, опре- деленные полномочия и возможность выполнять операции в корпоративных системах без постоянного участия пользователя. В этой ситуации меняется постановка задачи для DLP-системы. Контролиро- вать нужно уже не только действия сотрудника, но и полномочия, которые он передает своему цифровому помощ- нику. По сути, агент становится цифро- вым двойником пользователя. Если ему предоставлены те же права доступа, он сможет выполнять любые действия в рамках этих полномочий. Многие ком- пании только начинают внедрять ИИ- агентов и нередко оставляют им настрой- ки по умолчанию. Поэтому здесь на первый план пока выходят организа- ционные меры: разграничение прав доступа, принцип минимальных приви- легий и контроль операций, которые разрешено выполнять агентам. Впрочем, и это не означает принципи- альной смены архитектуры DLP. Сред- ства защиты продолжают контролиро- вать рабочие станции, каналы передачи данных и действия пользователей. Но по мере распространения агентных тех- нологий этого уже может оказаться недостаточно. Если сегодня DLP-система анализирует действия человека, то зав- тра ей придется учитывать и действия его цифрового представителя. Вероятно, именно это станет следующим этапом развития систем защиты данных. Расследование как реконструкция событий С появлением генеративного ИИ меняется и подход к расследованию инцидентов. Если раньше достаточно было установить, кто, кому, когда и по какому каналу отправил конфиденци- альную информацию, то теперь прихо- дится восстанавливать всю цепочку работы с данными. Представим простой пример. Сотруд- ник передает в ИИ не всю клиентскую базу, а только ее фрагмент, получает сегментацию клиентов или аналитиче- ский отчет, а затем отправляет подряд- чику результат обработки. Формально сама база данных компанию не покину- ла. Но часть конфиденциальной инфор- 40 • СПЕЦПРОЕКТ DLP-системы в эпоху генеративного ИИ: сегодня и завтра енеративный искусственный интеллект стал для DLP-систем не первой и, скорее всего, не последней технологией, к кото- рой пришлось адаптироваться. За последние два десятилетия системы защиты данных от утечек уже пережили появление социальных сетей, мессенджеров, облачных сервисов и мно- жества других каналов передачи информации. Каждый раз, чтобы научиться работать в новой реальности, DLP-системы выходили на новый виток своего развития. Г Сергей Сидоренко, ведущий эксперт по развитию продуктов для защиты данных ГК InfoWatch Фото: ГК InfoWatch