Cybersécurité

Check Point déplace l’inspection des invites de l’IA dans ses pare-feu

mm
Ajouter Unite.AI à vos sources préférées sur Google

Check Point a annoncé le pare-feu réseau IA le 30 juillet 2026, en intégrant l’inspection au niveau des invites et des agents dans son logiciel de pare-feu de version R82.20 et en le faisant fonctionner à partir des passerelles que les clients utilisent déjà. Cette fonctionnalité est disponible dès maintenant.

La faille qu’il vise est celle que les équipes de sécurité des entreprises ont vécue depuis que l’IA générative a atteint le lieu de travail. Un pare-feu conventionnel peut établir qu’un employé a accédé à un service d’IA. Il ne peut pas établir ce qui est entré dans la session. Les invites, les téléchargements de fichiers, les appels d’API de modèle et les demandes de protocole de contexte de modèle traversent tous le réseau sous forme de trafic HTTPS chiffré ordinaire, de sorte que l’identification d’application s’arrête à la destination tandis que le texte du contrat collé dans une fenêtre de chat reste à l’intérieur de la session.

Ce que le pare-feu inspecte maintenant

Le pare-feu réseau IA couvre trois domaines:

  • Utilisation de l’IA par les employés: découverte des applications d’IA, des agents et des outils en cours d’exécution sur le réseau, autorisés ou non, avec une visibilité sur les invites utilisées et une application de la politique qui empêche les données sensibles de quitter le réseau en fonction de l’utilisation de l’invite.
  • Outils d’IA: découverte du trafic du protocole de contexte de modèle, un inventaire des serveurs et des outils appelés par les agents, et une politique d’accès appliquée à chaque interaction.
  • Applications et modèles d’IA: blocage en ligne de l’injection d’invites et des entrées adverses avant qu’elles n’atteignent le modèle, sans modification de l’application.

Le troisième a le plus de recherches indépendantes derrière lui. L’injection d’invites est classée première dans la liste des 10 principales de l’OWASP pour les applications de modèles de langage grand, qui distingue l’injection directe de l’injection indirecte: les instructions plantées dans une page Web ou un document que le modèle lit plus tard et agit, dans un contenu qu’un humain n’a pas besoin de voir. L’évaluation de l’OWASP est qu’il n’y a pas de prévention infaillible pour cette classe, car le comportement découle de la façon dont les modèles traitent les entrées. Le filtrage réseau en ligne est une mitigation appliquée au trafic que l’équipe de sécurité contrôle déjà.

Check Point Research fournit les chiffres de la demande, et ils sont ceux de l’entreprise: entre 87% et 93% des organisations voient au moins une interaction d’IA générative à haut risque chaque mois, la part des invites transportant des données d’entreprise, personnelles ou réglementées a doublé en un an pour atteindre une invite sur 25, et l’organisation moyenne exécute dix applications d’IA par mois, dont beaucoup en dehors de tout processus formel. La même recherche signale des faiblesses de sécurité dans 40% des 10 000 serveurs de protocole de contexte de modèle examinés, et 15 300 charges utiles d’injection indirecte plantées dans des pages Web publiques, dont environ 70% cachées dans des parties de la page que l’humain ne lit pas. Le rapport de sécurité cloud 2026 de Check Point a fait le même argument plus tôt en 2026 sur la gouvernance qui traîne derrière l’adoption, et l’IA fantôme est la forme pratique que prend ce problème à l’intérieur de la plupart des entreprises.

Où il se situe sur le marché de la sécurité de l’IA

Check Point affirme qu’il est le premier fournisseur à offrir une sécurité d’IA à partir du pare-feu physique lui-même. Les concurrents ont construit les mêmes contrôles sous forme de produits distincts: Palo Alto Networks (PANW ) a rendu son passerelle d’IA Prisma AIRS généralement disponible en juillet 2026 en tant que plan de contrôle autonome pour l’activité d’IA de l’entreprise, et l’argent des investisseurs continue de financer la gouvernance des agents, y compris la levée de 30 millions de dollars de Hush Security. Les fournisseurs de modèles ajoutent des contrôles équivalents à leur propre couche, avec Google qui permet maintenant aux développeurs de bloquer les appels d’outils des agents Gemini. Le responsable de la recherche d’IDC, Pete Finalle, cité dans l’annonce de Check Point, a qualifié l’intégration native de la sécurité d’IA dans les points d’application existants de « rare », lui attribuant des gains en termes de visibilité, de télémétrie et de simplicité de gestion.

La couverture suit la passerelle. L’inspection se produit là où un pare-feu Check Point est déjà situé dans le chemin du trafic, c’est pourquoi l’entreprise associe la sortie à d’autres points d’application dans son plan de défense d’IA: l’application des points de terminaison pour les employés, un pare-feu conteneurisé pour les centres de données d’IA, une API autonome pour les applications gérées par soi-même, et un pare-feu d’application Web.

Pourquoi le point d’application compte

La concentration de l’inspection des invites dans le pare-feu soulève ce que l’attaquant gagne en possédant un. Le 22 juillet 2026, Check Point a publié un correctif et un avis pour CVE-2026-16232, une faille de contournement d’authentification dans son logiciel de gestion de sécurité et de gestion multi-domaine noté 9,3 sur 10, que l’entreprise a déclaré avoir trouvé exploitée dans la nature contre un petit nombre de clients dont l’interface de gestion était accessible depuis Internet sans restrictions d’IP. Deux autres failles de gestion et de passerelle ont été corrigées dans la même mise à jour, sans exploitation signalée. Cela rend le plan de gestion, et non seulement le chemin de données, partie de la surface de contrôle de l’IA.

Concomitamment à la sortie du pare-feu, Check Point étend la gestion des politiques centrales à ses produits SASE et SD-WAN, avec une application de la confiance zéro qui s’étend sur les outils d’IT, de technologie opérationnelle et de micro-segmentation, y compris Illumio, gérés à partir d’une seule console avec une seule traçabilité.

Miles Okada est un analyste généré par IA chez Unite.AI, couvrant l'intelligence artificielle et la cybersécurité avec un accent sur les menaces émergentes, les architectures de défense et la dynamique évolutionnaire entre les attaquants et les systèmes automatisés. Son travail examine comment l'IA réshape les opérations de sécurité, de la détection et de la réponse aux menaces autonomes à l'émergence de techniques d'IA adverses.
Avec une perspective technique et d'investigation, Miles analyse les recherches en matière de sécurité, les divulgations d'incidents et les déploiements dans le monde réel pour comprendre où l'IA renforce les défenses - et où elle introduit de nouvelles vulnérabilités. Il prête une attention particulière à l'exploitation de modèles, à l'empoisonnement de données, à l'automatisation d'attaques et aux réalités opérationnelles de la sécurisation des systèmes alimentés par l'IA à grande échelle.
Les articles rédigés par Miles Okada sont générés par IA et révisés par l'équipe éditoriale d'Unite.AI pour garantir l'exactitude, la rigueur et la couverture responsable du paysage de sécurité de l'IA en évolution rapide.