06.08.2026
При запросе модели из Hugging Face через корпоративный репозиторий она автоматически помещается в «карантин» — изолированную среду, где проходит анализ без запуска. После завершения проверки AppSec.Track определяет, можно ли использовать модель в корпоративной среде.
Помимо самой модели платформа проверяет библиотеки и зависимости, необходимые для ее работы. Для этого используется собственная база данных уязвимостей, которая охватывает основные экосистемы распространения программных компонентов, включая PyPI, npm, Maven, NuGet, а также специализированные ML-репозитории. На этапе сборки AppSec.Track формирует SBOM (список компонентов ПО) и автоматически проверяет их на наличие известных рисков.
«Модели из публичных хабов распространяются в сериализованных форматах, которые при загрузке способны выполнить произвольный код на машине разработчика или прямо в CI. Достаточно один раз подтянуть заражённую модель, чтобы злоумышленник получил доступ к среде. Классический сканер зависимостей такую угрозу не видит: вредонос спрятан внутри самого файла модели, а не в списке пакетов. Правильный ответ индустрии — переезд на safetensors. Этот формат по своей конструкции не хранит исполняемый код. Но пока значительная часть публичных хабов лежит в pickle, необходим механизм предварительной проверки. Поэтому мы разделили тестирования на два этапа: на входе в контур модель разбирается изнутри и дальше не пересканируется, а на сборке её окружение контролируется по SBOM через наш фид», — поясняет Михаил Макаров, руководитель продукта AppSec.Track.
Ранее в AppSec.Track появилась интеграция с MCP (Model Context Protocol), которая позволяет ИИ-ассистентам в среде разработки напрямую обращаться к платформе. Разработчики могут проверять сторонние open-source компоненты, выявлять уязвимости, а также находить несуществующие и вредоносные пакеты прямо в диалоге с ИИ-ассистентом.
***
AppSec Solutions — ведущий российский разработчик с экспертизой в области разработки безопасного ИИ для создания безопасного программного обеспечения. В экосистему входят продукты для автоматизации задач выявления и устранения критических ошибок и уязвимостей из реестра отечественного ПО. Сегодня это флагманские разработки: AppSec.Sting (платформа анализа защищенности мобильных приложений), AppSec.Hub (платформа управления безопасной разработкой ПО), AppSec.Track (решение для предотвращения атак на цепочку поставок ПО, включая компоненты кода, написанного ИИ), AppSec.Code (полноценная среда разработки программного обеспечения со встроенными функциями информационной безопасности), AppSec.AIGate( файрволл, блокирующий атаки на искусственный интеллект), AppSec.Wave (универсальный инструмент статического анализа кода), AppSec.GenAI (AI Security решение, обеспечивающее комплексный подход к оценке безопасности ИИ), AppSec.Cryptex (протектор для защиты мобильных приложений от реверс-инжиниринга).
AppSec Solutions добавила в платформу AppSec.Track проверку ML-моделей из публичных репозиториев. AppSec.Track стал первым российским решением, которое позволяет анализировать модели из Hugging Face до их попадания в корпоративную инфраструктуру и предотвращать выполнение потенциально вредоносного кода на рабочих станциях разработчиков и в CI/CD-конвейерах.
При запросе модели из Hugging Face через корпоративный репозиторий она автоматически помещается в «карантин» — изолированную среду, где проходит анализ без запуска. После завершения проверки AppSec.Track определяет, можно ли использовать модель в корпоративной среде.
Помимо самой модели платформа проверяет библиотеки и зависимости, необходимые для ее работы. Для этого используется собственная база данных уязвимостей, которая охватывает основные экосистемы распространения программных компонентов, включая PyPI, npm, Maven, NuGet, а также специализированные ML-репозитории. На этапе сборки AppSec.Track формирует SBOM (список компонентов ПО) и автоматически проверяет их на наличие известных рисков.
«Модели из публичных хабов распространяются в сериализованных форматах, которые при загрузке способны выполнить произвольный код на машине разработчика или прямо в CI. Достаточно один раз подтянуть заражённую модель, чтобы злоумышленник получил доступ к среде. Классический сканер зависимостей такую угрозу не видит: вредонос спрятан внутри самого файла модели, а не в списке пакетов. Правильный ответ индустрии — переезд на safetensors. Этот формат по своей конструкции не хранит исполняемый код. Но пока значительная часть публичных хабов лежит в pickle, необходим механизм предварительной проверки. Поэтому мы разделили тестирования на два этапа: на входе в контур модель разбирается изнутри и дальше не пересканируется, а на сборке её окружение контролируется по SBOM через наш фид», — поясняет Михаил Макаров, руководитель продукта AppSec.Track.
Ранее в AppSec.Track появилась интеграция с MCP (Model Context Protocol), которая позволяет ИИ-ассистентам в среде разработки напрямую обращаться к платформе. Разработчики могут проверять сторонние open-source компоненты, выявлять уязвимости, а также находить несуществующие и вредоносные пакеты прямо в диалоге с ИИ-ассистентом.
***
AppSec Solutions — ведущий российский разработчик с экспертизой в области разработки безопасного ИИ для создания безопасного программного обеспечения. В экосистему входят продукты для автоматизации задач выявления и устранения критических ошибок и уязвимостей из реестра отечественного ПО. Сегодня это флагманские разработки: AppSec.Sting (платформа анализа защищенности мобильных приложений), AppSec.Hub (платформа управления безопасной разработкой ПО), AppSec.Track (решение для предотвращения атак на цепочку поставок ПО, включая компоненты кода, написанного ИИ), AppSec.Code (полноценная среда разработки программного обеспечения со встроенными функциями информационной безопасности), AppSec.AIGate( файрволл, блокирующий атаки на искусственный интеллект), AppSec.Wave (универсальный инструмент статического анализа кода), AppSec.GenAI (AI Security решение, обеспечивающее комплексный подход к оценке безопасности ИИ), AppSec.Cryptex (протектор для защиты мобильных приложений от реверс-инжиниринга).
Возврат к списку