Ha az elmúlt időszakban IT-s körökben bárkit megkérdeztünk, hogy mi foglalkoztatja legjobban, vagy mitől tart leginkább, akkor szinte biztosan mindenki az AI-t és a vele járó előnyöket, illetve problémákat említette.
A legtöbb vállalat, ahol reális haszna lehet az AI-nak, jelenleg azzal foglalkozik, hogy felépítsen valamilyen AI-stratégiát, és kialakítsa azt a módszert, amellyel előnyhöz jut az az AI-eszközök használatával. Ahol ezt központilag nem kezelik, ott egyértelműen látszik, hogy a dolgozók között burjánzik a „shadow AI”. (A legtöbb szakmabéli hallott már dolgozókról, akik minden kontroll és aggály nélkül elküldenek bármilyen érzékeny adatot az AI-nak.)
Segítség vagy veszélyforrás az AI?
Miközben az AI komoly segítség, sok esetben megkönnyítheti a munkát és felgyorsíthat olyan folyamatokat, mint például a kreatívanyag-gyártás vagy akár a fejlesztés, a félelem is valós, hiszen a nem megfelelő AI-használat komoly adatvédelmi problémákat vet fel.
A kihívásokra egyszerre próbálnak megoldást nyújtani a legkülönfélébb startupok és a legnagyobb gyártók. Ezeknek bemutatása nem egyszerű feladat, mivel a védelmi megoldások és a különféle AI-eszközök is napi szinten változnak. Az alábbiakban azt fogjuk bemutatni, milyen irányokat ismerünk jelenleg, és merre érdemes tájékozódni, ha valaki biztonságosan szeretne AI-eszközöket használni.
Tiltás helyett szabályozni érdemes az AI használatát
Még mielőtt belemerülnénk a különböző elérhető technikai megoldások részletezésébe, fontos megemlíteni, hogy ahogy a DLP-megoldások esetén, úgy a felhasználói „kreativitás” itt sem ismer határokat. Ezért a legkonzervatívabb megközelítés, miszerint tiltsunk minden AI-eszközt, várhatóan nem fog megfelelő eredményeket hozni. Az informatikailag képzettebb felhasználók (akiket általában véve az AI-használat jobban érint) egyértelmű iránymutatás nélkül általában megtalálják a módját annak, hogy az általuk preferált eszközt használni tudják – főleg az okostelefonok és a korlátlan mobilnet korában. Erre már külön fogalom is létezik, ami nem más, mint a fent említett „shadow AI”. A vállalatok számára tehát célszerű központilag kezelni ezt a kérdést, és egyértelmű szabályzatot, akár a cég által biztosított előfizetést nyújtani, ahol a használat kezelhető, illetve a céges kontroll megmaradhat a beállítások fölött. Amerikában például a munkavállalók gyakran már a felvételi folyamat során sok esetben külön rákérdeznek arra, hogy milyen AI-előfizetés érhető el, mint „juttatás” és milyen csomaggal.
Hogyan érdemes kezelni az AI eszközöket?
Ha a tiltást, mint lehetőséget kizártuk, akkor érdemes megvizsgálni, milyen megoldások léteznek az interneten fellelhető, legnépszerűbb fizetős (és ingyenes) eszközök, a Claude, a ChatGPT vagy a Gemini kezelésére.. Leginkább DLP jellegű szűréseket alkalmazhatunk, és ezek segítségével tudjuk szűrni, hogy miket másolhatnak be vagy küldhetnek el az adott alkalmazás felé a kollégák.
Az egyes gyártók más és más megközelítést alkalmaznak: van, amelyik ezt titkosított forgalmak bontásával tűzfal vagy SASE szinten kezeli (pl. Palo Alto Networks – AI Access Security; Zscaler – Zscaler AI; Netskope vagy Cloudflare) – itt a látott forgalmaknál DLP-szabályok alkalmazásával tudjuk meghatározni, hogy mi mehet és mi nem, illetve felderíthetjük a kollégák shadow AI használatát. Más esetekben egy erre felkészített, akár a vállalatnál már korábban bevezetett „hagyományos” DLP-rendszer is képes szűrni, például a copy paste műveleteket és feltöltéseket az internet irányába (pl. Forcepoint DLP). Ezeken felül létezik egy viszonylag új megközelítés is, ahol a vállalati böngészőket használhatjuk szűrőként. A munkavállalókat átirányíthatjuk egy, a cég által kezelt böngészőbe, ahol minden műveletet felül tudunk vizsgálni és menet közben azonnal szabályozni lehet, hogy ki, mit és milyen kontrollokkal érhet el. Ezen felül akár rögzíteni is tudjuk, mit csinál az adott felhasználó. Az ilyen jellegű megoldásokra remek példa a Palo Alto Networks által fejlesztett chromium-alapú Prisma Browser.
| AI-security eszköz / Gyártó | Kategória / Típus | Fő védelmi funkció és feladat a cikk alapján |
| Palo Alto Networks (AI Access Security) | SASE / Tűzfal alapú védelem | Titkosított forgalom bontásával és DLP-szabályokkal felderíti a shadow AI használatot, és szűri a kiküldött adatokat. |
| Palo Alto Networks (Prisma Browser) | Vállalati böngésző | A céges Chromium-böngészőben valós időben szűri, korlátozza és akár rögzíti is a felhasználók AI-val kapcsolatos műveleteit. |
| Palo Alto Networks (Prisma AIRS & KOI agent) | AI-infrastruktúra védelem | Felderíti a cég AI-környezetét, védelmet nyújt a saját alkalmazásoknak, automatizált Red Teaming teszteket végez, és blokkolja a kockázatos browser extensionöket, IDE pluginokat. |
| Zscaler (Zscaler AI) | SASE / Hálózati biztonság | Hálózati szinten azonosítja a shadow AI-t, és DLP-szabályok segítségével meghatározza, hogy milyen adatok továbbíthatók a felhős AI-eszközök felé. |
| Netskope / Cloudflare | SASE / Felhőbiztonság | Hálózati adatáramlás-szűréssel és ellenőrzéssel akadályozzák meg az illetéktelen adatküldést a lakossági AI-szolgáltatások irányába. |
| Forcepoint DLP | Hagyományos DLP | Végponti és hálózati szinten szűri az internet felé irányuló feltöltéseket és a copy-paste műveleteket az AI-eszközök használatakor. |
| Varonis | API-alapú integrációs védelem | Védi a beépülő Copilot jellegű eszközöket, megakadályozva, hogy a felhasználók kijátsszák a jogosultsági kontrollokat és nem elérhető adatokat kérjenek le. |
| Radware (Agentic AI Protection) | Agentic AI védelem | Felderíti az AI-agentek moduljait, véd az átvételi támadások ellen, és az OWASP Top 10 (LLM/Agentic) keretrendszer szerint kezeli a használati anomáliákat. |
| Imperva (AI Application Security) | WAF / Reverse Proxy védelem | A vállalat saját fejlesztésű LLM-alkalmazásait védi reverse proxy alapon, szűrve a bemenő promptokat és kimenő válaszokat az OWASP Top 10 fenyegetések ellen. |
| Thales (AI Security Fabric) | AI-alkalmazás és RAG-védelem | Biztonságossá teszi a RAG-rendszerek (Retrieval-Augmented Generation) működését és az AI-alkalmazások vállalati használatát. |
| CyberArk | Identitásalapú védelem (IAM) | Az AI-agenteket identitásként kezeli: kizárólag a feladat elvégzésének idejére ad minimális jogosultságot, megelőzve az elszabadult agentek károkozását. |
| SentinelOne (Prompt Security) | Komplett AI Security Platform | Végponti prompt-szűrés, shadow AI felderítés, a fejlesztői eszközláncok (Github Copilot, Cursor) védelme és MCP gateway az agentic rendszerek kontrollálására. |
| Rubrik (Rubrik Agent Cloud) | Agent-viscontent és mentési védelem | Felderíti a céges környezetben működő összes agentet és azok jogosultságait. Nemkívánatos művelet esetén backup alapon segít a rendszer visszaállításában. |
Védelem a Microsoft és a Google ökoszisztémáján belül
A nyílt/felhős rendszereken felül fontos megemlíteni átmenetként a például Microsoft vagy Google ökoszisztémába beépülő „copilot” jellegű eszközöket. Ezeket az eszközöket API alapú integrációval tudjuk védeni, hogy a kollégák ne tudják kijátszani a különféle kontrollokat. Például ne lehessen rávenni a copilotot, hogy keressen olyan információkat, amikhez az adott felhasználó egyébként hozzá sem férhet. Ilyen megoldások például a Varonisnál és a Palo Alto Networks-nél is megtalálhatóak.
API-alapú agentek ellenőrzése
Ha még mélyebbre merülünk az AI világába, akkor mindenképpen meg kell említenünk a különféle MCP- vagy API-alapú, akár local LLM-re épülő vagy agentic megoldásokat. Ezek a saját alkalmazások sok esetben hozzáférhetnek belső szenzitív fájlokhoz, adatbázisokhoz, és segíthetik például a felhasználók mindennapi munkáját, vagy segítségükkel akár automatizálhatók is bizonyos feladatok. Egyre több felhasználó ad hozzáférést a saját gépéhez, vagy különféle belső rendszerekhez azért, hogy az AI az ismétlődő feladatokat elvégezze helyette. Ilyen feladat lehet például különféle riportok elkészítése vagy akár email- és naptár karbantartása is.
A saját fejlesztésű rendszerek esetén hatványozottan fontos, hogy ezeket az AI-agenteket vagy eszközöket fel kell készíteni a rosszindulatú felhasználók kiszűrésére, mivel pár jól célzott kérdés/prompt az alapbeállításokkal akár adatszivárgást, visszaállíthatatlan adatvesztést, vagy „jobb esetben” óriási számlát generálhat a cégnek, amennyiben a rendszer mögött fizetős szolgáltatás áll.
Ezek a rendszerek annyira szerteágazóak, hogy típustól függően sokféle megoldás érhető el. Véleményünk szerint ezen a területen a legaktívabb a fejlesztés, és talán itt is van rá a legnagyobb szükség, mivel ezeket a rendszereket úgy alakították ki, hogy tervezetten érzékeny adatokhoz is hozzáférjenek.
“Attól függően, hogy mire van szükség, érdemes mindig felmérni az aktuális megoldásokat, és tájékozódni, hogy a nekünk szükséges területen melyik gyártó rendelkezik már hatékony megoldással.”
Az egyik ilyen megoldás például a Radware által nyújtott Agentic AI Protection, amely képes felderíteni az agentic AI által használt különböző modulokat, toolokat, és segít megvédeni a céges AI-eszközöket attól, hogy a támadók átvegyék fölöttük az irányítást. Képes reagálni a különféle használati anomáliákra, szorosan igazodva védelmi szinten az OWASP által kiadott Top 10 for LLM Applications és Top 10 for Agentic Applications keretrendszerhez.
Hasonló megközelítést alkalmaz a WAF (Web Application Firewall) megoldásairól híres Imperva az AI Application Security-vel, amely egy reverse proxy-alapú megoldás és a vállalatok által fejlesztett és üzemeltetett LLM-alapú alkalmazásokat védi. Szintén erősen fókuszál az OWASP Top 10-re, amelynek többségét képes kivédeni. Használatával az AI-védelem is bekerül az Imperva console-ba, az információkat pedig szűrhetjük prompt és válasz oldalról is. Fontos itt megemlíteni, hogy az Impervát felvásárló Thales is bejelentett 2025 végén egy AI Security Fabric megoldást, amely a RAG- (Retrieval-Augmented Generation) rendszereket és az AI-alkalmazások használatát hivatott biztonságosabbá tenni.
A Palo Alto Networks megoldása
Ezen felül (nem meglepő módon) a Palo Alto Networksnek is van erre a területre egy hasonló megoldása, a Prisma AIRS. Ez több különféle modulból áll, amelyek együtt az AI-infrastruktúra nagyon széles skáláját képesek megvédeni.
- fel tudja deríteni a cég által használt AI-infrastruktúrát,
- felméri a környezet aktuális problémáit.
- megvédi a cég által használt vagy fejlesztett AI-alapú alkalmazásokat,
- akár automatizált Red Teaming is elérhető a platformon belül, amely képes tesztelni, hogyan reagál az adott környezet a támadásokra,
- megmondja, milyen eredmények születtek a korábban említett OWASP Top 10 támadási mód bevetése esetén.
A nemrég bejelentett újdonságokkal a Prisma AIRS már kiegészül az agentic világ veszélyei elleni védelemmel is. Ennek egy részét a gyártó által felvásárolt KOI agent fogja elhozni. Ők azt a célt tűzték ki, hogy a más megoldások által nem, vagy csak részben vizsgált browser extensionok, IDE pluginek és fejlesztői csomagok által jelentett problémákat előzzék meg. A megoldásuk képes ezek kockázatelemzésére és probléma esetén az érintett elemek blokkolására is.
Korlátozott jogosultságok
Egy teljesen más megközelítésből a CyberArk például az agentic AI-rendszerek védelmét a hozzá legközelebb álló identitás alapon kezeli. Ennek használatakor az AI-agentek a CyberArkon keresztül a lehető legkevesebb jogosultságot kapják meg – és csak a feladataik elvégzéséig. Így elkerülhetjük azt, hogy egy elszabadult agent kárt okozzon, vagy esetleg kiszivárogjon a neki adott jogosultság, mivel ez automatikusan visszavonásra kerül, amint nincs rá szükség.
A SentinelOn Prompt Security megközelítése
A korábbi gyártók megoldásain kívül fontos megemlíteni a SentinelOne-hoz tartozó Prompt Security-t. A gyártó korábban kifejezetten csak az AI-security iránnyal foglalkozott, így a legteljesebb védelmet biztosítják egy platformon belül (bár ezt a gyorsan változó környezet miatt csak óvatosan lehet kijelenteni).
A Prompt Security Egyszerre képes agent alapon végpontokon szűrni a userek által elküldött promptokat, és felderíteni a shadow AI használatot. Illetve a vállalatok által fejlesztett alkalmazások esetén is védelmet nyújt a különféle támadások ellen. Egyedüli megoldásként képes a fejlesztői toolchaineket is védeni (pl. Github copilot, Cursor stb.), legyen szó akár kód scannelésről vagy sérülékeny kódrészletek blokkolásáról. Mindezen felül az agentic rendszerek védelmére MCP gatewayként is működtet az elküldött promptok és válaszok szűrésének biztosítására.
Rubrik Agent Cloud – az agenthasználat felderítése
Mindenképpen fontos megemlíteni a Rubrik Agent Cloud megoldását, amely képes felderíteni minden agent-használatot a cégnél. Rámutat arra, milyen identitásokkal és összeköttetésekkel rendelkeznek, illetve milyen műveleteket hajtottak végre a céges környezeten belül. A vizibilitáson felül segíti a szabályozást is, és ha esetleg valami számunkra nem kívánatos műveletet hajtott volna végre valamelyik agent, akkor akár a visszaállításban is segít, a gyártó által nyújtott backupra építve.
Összegzés
A tisztánlátás végett mindenképpen érdemes arról is beszélni, hogy miként a tiltásnál, úgy a különféle védelmi vonalak esetén is határtalan a felhasználói kreativitás. Ha a dolgozókat nem oktatjuk a tudatos AI-használatra, akkor sok problémával találkozhatunk, illetve előfordulhat, hogy az AI által előállított tartalmak minősége is jelentősen rosszabb lesz, mint amit akár ugyanazzal az eszközzel elő tudnának állítani megfelelő képzettségi szint esetén. Meggyőződésünk szerint a védelmi megoldások bevezetésével egyidőben szükséges és érdemes AI-tudatosítást (sok esetben felvilágosítást) is végezni a cégeknél.
Gyakran ismételt kérdések
A shadow AI az AI-eszközök, például a ChatGPT vagy a Claude központi ellenőrzés és szabályozás nélküli használatát jelenti. A legnagyobb kockázatot az jelenti, hogy a dolgozók ellenőrizetlenül érzékeny céges vagy üzleti adatokat küldhetnek el külső rendszerekbe, ami súlyos adatvédelmi és biztonsági incidensekhez vezethet.
A tiltást a felhasználók a saját okostelefonjaik és mobilnetük segítségével könnyedén kijátsszák, így a folyamat csak még inkább az ellenőrizhetetlen szürke zónába szorul. Ráadásul a tiltás megfosztja a céget az AI nyújtotta hatékonyságnöveléstől és a versenyelőnytől is.
A védelem a hálózati és felhős szűrésektől kezdve a céges böngészők használatán át egészen az API- és identitásalapú védelemig terjed. A DLP-rendszerek és az SASE-megoldások megakadályozzák az érzékeny adatok kijutását, míg a speciális AI-védelmi platformok a saját fejlesztésű agenteket és a fejlesztői eszközöket óvják az illetéktelen hozzáféréstől és a külső támadásoktól.
A technikai korlátok önmagukban nem elegendők, mert a felhasználók mindig találhatnak kiskapukat. A munkavállalók rendszerszintű felvilágosítása és tudatosítása elengedhetetlen ahhoz, hogy felismerjék az adatvédelmi kockázatokat, és képesek legyenek biztonságosan, mégis hatékonyan használni a rendelkezésre álló eszközöket.
