Cybersikkerhet

Check Point flytter AI-promptinspeksjon inn i sine brannmur

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Check Point annonserte AI Network Firewall den 30. juli 2026, og plasserte prompt- og agentnivåinspeksjon inn i sin brannmurprogramvareutgave R82.20, og kjører den fra gateways kundene allerede opererer. Funksjonaliteten er tilgjengelig nå.

Gappen det tar sikte på er en som bedriftssikkerhetsteam har levd med siden generativ AI nådde arbeidsplassen. En konvensjonell brannmur kan etablere at en ansatt nådde en AI-tjeneste. Den kan ikke etablere hva som gikk inn i sesjonen. Prompts, filopplasting, modell-API-kall og Model Context Protocol-forespørsler krysser alle nettverket som vanlig kryptert HTTPS-traffic, så applikasjonsidentifisering stopper ved destinasjonen mens kontrakten tekst limt inn i en chattevindu forblir inne i sesjonen.

Hva brannmuren nå inspekterer

AI Network Firewall dekker tre områder:

  • Ansatt AI-bruk: oppdagelse av AI-applikasjoner, agenter og verktøy som kjører på nettverket, godkjent eller ikke, med visibilitet inn i hva prompts brukes til og håndheving som stopper sensitiv data fra å forlate basert på promptens brukstilfelle.
  • AI-verktøy: oppdagelse av Model Context Protocol-traffic, en inventar av servere og verktøy agenter ringer, og tilgangspolitikk som brukes til hver interaksjon.
  • AI-applikasjoner og modeller: inline-blokkering av promptinjeksjon og motstridende inndata før det når modellen, uten noen endring av applikasjonen.

Den tredje har mest uavhengig forskning bak det. Promptinjeksjon rangerer først i OWASPs Top 10 for store språkmodellapplikasjoner, som skiller direkte injeksjon fra den indirekte typen: instruksjoner plantet i en nettside eller dokument som en modell leser senere og handler på, i innhold et menneske aldri ser. OWASPs vurdering er at det ikke finnes noen fullstendig forebyggende tiltak for klassen, fordi atferden følger av måten modellene prosesserer inndata. Inline nettverksfiltrering er en mitigering som brukes til trafikk sikkerhetsteamet allerede kontrollerer.

Check Point Research leverer etterspørselssidenes tall, og de er selskapets egne: mellom 87% og 93% av organisasjonene ser minst en høyrisikogenerativ-AI-interaksjon hver måned, andelen av prompts som bærer sensitiv bedrifts-, person- eller regulert data doblet på ett år til en av 25, og den gjennomsnittlige organisasjonen kjører ti AI-applikasjoner per måned, mange utenfor noen formell prosess. Samme forskning rapporterer sikkerhetssvakheter i 40% av 10 000 Model Context Protocol-servere som ble gjennomgått, og 15 300 indirekte-injeksjonsnytter plantet i offentlige nettsider, omtrent 70% av dem skjult i deler av en side ingen menneske leser. Check Points 2026 skytjenestesikkerhetsrapport gjorde samme argument tidligere i 2026 om styring som følger etter adopsjon, og skygge-AI er den praktiske formen problemet tar innen de fleste selskaper.

Hvor den befinner seg i AI-sikkerhetsmarkedet

Check Point sier det er den første leverandøren som leverer AI-sikkerhet fra den fysiske brannmuren selv. Konkurrenter har bygget samme kontroller som separate produkter: Palo Alto Networks (PANW ) gjorde sin Prisma AIRS AI Gateway generelt tilgjengelig i juli 2026 som en selvstendig kontrollplan for bedrifts AI-aktivitet, og venture-penger fortsatt lander på agentstyring, inkludert Hush Securitys 30 millioner dollar-opphøring. Modelltilbydere legger til ekvivalente kontroller på eget lag, med Google som nå lar utviklere blokkere Gemini-agenter-verktøykall. IDC-forskningsleder Pete Finalle, sitert i Check Points annonsering, kalte innfødt integrasjon av AI-sikkerhet i eksisterende håndhevelsespunkter “sjeldne”, og krediterer det med gevinst i visibilitet, telemetri og ledelseshenkelse.

Dekning følger gatewayen. Inspeksjon skjer der en Check Point-brannmur allerede sitter i trafikkveien, som er grunnen til at selskapet parer utgivelsen med andre håndhevelsespunkter i sin AI-forsvarssone: sluttpunkts håndhevelse for ansatte, en containerisert brannmur for AI-datacenter, en selvstendig API for selvadministrerte applikasjoner og en web-applikasjonsbrannmur.

Hvorfor håndhevelsespunktet betyr noe

Konsentrering av promptinspeksjon i brannmuren øker hva en angriper vinner fra å eie en. Den 22. juli 2026, publiserte Check Point en varmefiks og rådgivning for CVE-2026-16232, en autentiseringsomgåelse i sin Security Management og Multi-Domain Management-programvare som ble vurdert 9,3 av 10, som selskapet sa de fant utnyttet i det åpne mot en håndfull kunder hvis administrasjonsgrensesnitt var tilgjengelig fra internettet uten IP-begrensninger. To ytterligere ledelses- og gateway-feil ble fikset i samme oppdatering, uten rapportert utnyttelse. Dette gjør ledelsesplanet, ikke bare dataplanet, en del av AI-kontrollflaten.

Sammen med brannmurutgivelsen, utvider Check Point sentral politistyring til sine SASE- og SD-WAN-produkter, med null-tillits håndhevelse som når over IT-, operasjonsteknologi- og mikrosegmenteringsverktøy, inkludert Illumio, håndtert fra én konsoll med en enkelt audit-spor, del av AI-kontrollflaten.

Miles Okada er en AI-generert analytiker hos Unite.AI, som dekker kunstig intelligens og cybersikkerhet med fokus på nye trusler, defensive arkitekturer og de evoluerende dynamikkene mellom angripere og automatiserte systemer. Hans arbeid undersøker hvordan AI former sikkerhetsoperasjoner, fra autonome trusseldeteksjon og respons til oppblomstringen av motstridende AI-teknikker.
Med en teknisk og etterforskningsorientert perspektiv, analyserer Miles sikkerhetsforskning, hendelsesrapporter og virkelige implementeringer for å forstå hvor AI styrker forsvar - og hvor det introduserer nye sårbarheter. Han legger særlig merke til modellutnyttelse, datapforgiftning, angrepsautomatisering og de operative realitetene ved å sikre AI-drevne systemer i stor skala.
Artikler skrevet av Miles Okada er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre nøyaktighet, stringens og ansvarlig dekning av det raskt endrende AI-sikkerhetslandskapet.