Cybersikkerhed

Check Point flytter AI-prompt-inspektion ind i sine firewalls

mm
Føj Unite.AI til dine foretrukne kilder på Google

Check Point annoncerede AI Network Firewall den 30. juli 2026, og placerer prompt- og agentniveau-inspektion inden for sin firewall-software-udgave R82.20, og kører det fra gatewayene, som kunderne allerede opererer. Funktionen er tilgængelig nu.

Lukket er det, som virksomhedens sikkerhedsteams har levet med, siden generativ AI nåede arbejdspladsen. En konventionel firewall kan fastslå, at en medarbejder nåede en AI-tjeneste. Den kan ikke fastslå, hvad der gik ind i sessionen. Prompts, filoverførsler, model-API-kald og Model Context Protocol-anmodninger krydser alle nettet som almindelig krypteret HTTPS-trafik, så applikationsidentifikation stopper ved destinationen, mens kontraktteksten, der er indssat i en chat-vindue, forbliver inden for sessionen.

Hvad firewallen nu inspicerer

AI Network Firewall dækker tre områder:

  • Medarbejderens AI-brug: opdagelse af de AI-applikationer, -agenter og -værktøjer, der kører på nettet, godkendt eller ej, med indsigt i, hvilke prompts der bruges til, og gennemtvingelse, der standser følsomme data fra at forlade baseret på promptens brugsformål.
  • AI-værktøjer: opdagelse af Model Context Protocol-trafik, en oversigt over de servere og værktøjer, agenterne kalder, og adgangspolitik, der gælder for hver interaktion.
  • AI-applikationer og -modeller: inline-blokering af prompt-injektion og modstridende input, før det når modellen, uden ændring af applikationen.

Den tredje har den mest uafhængige forskning bag sig. Prompt-injektion rangerer som nummer ét i OWASP’s Top 10 for store sprogmodeller, som skelner mellem direkte injektion og den indirekte type: instruktioner, der er plantet i en web-side eller dokument, som en model læser senere og handler på, i indhold, som en menneskelig aldrig behøver at se. OWASP’s vurdering er, at der ikke findes nogen fuldendt forebyggelse for denne klasse, fordi adfærden følger af, hvordan modellerne behandler input. Inline-netværksfiltrering er en form for begrænsning, der anvendes på trafik, som sikkerhedsteamet allerede kontrollerer.

Check Point Research leverer efterspørgselsdata, og de er virksomhedens egne: mellem 87% og 93% af organisationer oplever mindst én højrisiko-generativ-AI-interaktion hver måned, andelen af prompts, der transporterer følsomme virksomheds-, personlige eller regulerede data, er fordoblet på ét år til én ud af 25, og den gennemsnitlige organisation kører ti AI-applikationer om måneden, mange uden for nogen formel proces. Den samme forskning rapporterer om sikkerheds-svagheder i 40% af 10.000 Model Context Protocol-servere, der er gennemgået, og 15.300 indirekte-injektions-nytlastninger, der er plantet i offentlige web-sider, omtrent 70% af dem skjult i dele af en side, som en menneskelig aldrig læser. Check Points 2026 cloud-sikkerhedsrapport fremførte samme argument tidligere i 2026 om, at styring træder efter adoption, og skygge-AI er den praktiske form, problemet tager i de fleste virksomheder.

Hvor den sidder i AI-sikkerheds-markedet

Check Point siger, at det er den første leverandør, der leverer AI-sikkerhed fra selv firewallen. Konkurrenter har bygget de samme kontroller som separate produkter: Palo Alto Networks (PANW ) gjorde sin Prisma AIRS AI Gateway generelt tilgængelig i juli 2026 som en selvstændig kontrolplanet for virksomhedens AI-aktivitet, og venture-penge fortsætter med at lande på agent-styring, herunder Hush Security’s 30 million-dollar-ophævelse. Model-leverandører tilføjer tilsvarende kontroller på deres egen lag, hvor Google nu lader udviklere blokere Gemini-agenter-værktøj-kald. IDC-forskningschef Pete Finalle, citeret i Check Points annoncering, kaldte naturlig integration af AI-sikkerhed i eksisterende gennemtvingelsespunkter for “sjælden”, og krediterer det for gevinster i synlighed, telemetri og ledelses simplicitet.

Dækningen følger gatewayen. Inspektion sker, hvor en Check Point-firewall allerede sidder i trafikken, og det er derfor, virksomheden parrer udgivelsen med andre gennemtvingelsespunkter i sin AI-forsvarsplan: endpoint-gennemtvingelse for medarbejdere, en containeriseret firewall til AI-datacentre, en selvstændig API til selvadministrerede applikationer og en web-applikations-firewall.

Hvorfor gennemtvingelsespunktet er vigtigt

Koncentration af prompt-inspektion i firewallen hæver, hvad en angriber kan opnå ved at eje én. Den 22. juli 2026 offentliggjorde Check Point en hotfix og en vejledning til CVE-2026-16232, en autentificerings-omgåelse i deres Security Management og Multi-Domain Management-software vurderet til 9,3 ud af 10, som virksomheden sagde, de fandt udnyttet i det vilde mod en håndfuld kunder, hvis management-grænseflade var tilgængelig fra internettet uden IP-begrænsninger. To yderligere management- og gateway-svagheder blev rettet i samme opdatering, uden rapporteret udnyttelse. Det gør management-planen, ikke kun dataplanen, en del af AI-kontrollen.

Sammen med firewall-udgivelsen udvider Check Point central politikstyring til sine SASE- og SD-WAN-produkter, med zero-trust-gennemtvingelse, der når ud over IT, operations-teknologi og mikro-segmenteringsværktøjer, herunder Illumio, styret fra én console med en enkelt revisionsstier.

Miles Okada er en AI-genereret analytiker hos Unite.AI, der dækker kunstig intelligens og cybersikkerhed med fokus på nye trusler, defensive arkitekturer og de udviklende dynamikker mellem angribere og automatiserede systemer. Hans arbejde undersøger, hvordan AI omformrer sikkerhedsoperationer, fra autonome trusselsdetektering og respons til opkomsten af modstandsfører-teknikker med AI.

Med en teknisk og undersøgende perspektiv analyserer Miles sikkerhedsforskning, incident-disclosure og virkelige installationer for at forstå, hvor AI styrker forsvar - og hvor det introducerer nye sårbarheder. Han lægger særlig vægt på model-udnyttelse, datapåvirkning, angrebsautomatisering og de operationelle realiteter ved at sikre AI-drevne systemer i stor målestok.

Artikler skrevet af Miles Okada er AI-genereret og gennemgået af Unite.AIs redaktionelle team for at sikre nøjagtighed, rigor og ansvarlig dækning af det hurtigt skiftende AI-sikkerhedslandskab.