Cybersäkerhet

Check Point flyttar AI-promptinspektion till sina brandväggar

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Check Point meddelade AI Network Firewall den 30 juli 2026, och placerade prompt- och agentnivåinspektion inuti sin brandväggsprogramvarurelease R82.20 och körde den från de gateways som kunderna redan använder. Funktionen är tillgänglig nu.

Klyftan det riktar sig mot är en som företags säkerhetsteam har levt med sedan generativ AI nådde arbetsplatsen. En konventionell brandvägg kan fastställa att en anställd nådde en AI-tjänst. Den kan inte fastställa vad som gick in i sessionen. Prompt, filuppladdningar, modell-API-anrop och Model Context Protocol-förfrågningar korsar alla nätverket som vanlig krypterad HTTPS-trafik, så applikationsidentifiering stoppar vid destinationen medan kontraktstexten som klistras in i en chattfönster förblir inuti sessionen.

Vad brandväggen nu inspekterar

AI Network Firewall täcker tre områden:

  • Användning av AI av anställda: upptäckt av AI-applikationer, agenter och verktyg som körs på nätverket, sanktionerade eller inte, med insyn i vilka prompt som används för och verkställighet som stoppar känslig data från att lämna baserat på promptens användningsfall.
  • AI-verktyg: upptäckt av Model Context Protocol-trafik, en inventering av servrar och verktyg som agenter anropar, och åtkomstpolicy som tillämpas på varje interaktion.
  • AI-applikationer och modeller: inline-blockering av promptinjektion och fientlig inmatning innan den når modellen, utan någon ändring av applikationen.

Den tredje har den mest oberoende forskningen bakom sig. Promptinjektion rankas först i OWASP:s topp 10 för stora språkmodellapplikationer, som skiljer direkt injektion från den indirekta sorten: instruktioner planterade i en webbsida eller dokument som en modell läser senare och agerar på, i innehåll som en människa aldrig ser. OWASP:s bedömning är att det inte finns någon fullständig förebyggande åtgärd för klassen, eftersom beteendet följer av hur modellerna bearbetar inmatning. Inline-nätverksfilter är en åtgärd som tillämpas på trafik som säkerhetsteamet redan kontrollerar.

Check Point Research tillhandahåller efterfrågedata, och de är företagets egna: mellan 87% och 93% av organisationer ser minst en högriskig generativ-AI-interaktion varje månad, andelen prompt som bär känslig företags-, personlig eller reglerad data fördubblades på ett år till en på 25, och den genomsnittliga organisationen kör tio AI-applikationer i månaden, många utanför någon formell process. Samma forskning rapporterar säkerhetsbrister i 40% av 10 000 Model Context Protocol-servrar som granskats, och 15 300 indirekta injektionsnyttolaster planterade i offentliga webbsidor, ungefär 70% av dem dolda i delar av en sida som ingen människa läser. Check Points 2026 molnsäkerhetsrapport gjorde samma argument tidigare 2026 om att styrning följer efter antagande, och skugg-AI är den praktiska formen problemet tar i de flesta företag.

<h2.Var det befinner sig på AI-säkerhetsmarknaden

Check Point säger att det är den första leverantören som levererar AI-säkerhet från den fysiska brandväggen själv. Konkurrenter har byggt samma kontroller som separata produkter: Palo Alto Networks (PANW ) gjorde sin Prisma AIRS AI Gateway allmänt tillgänglig i juli 2026 som en separat kontrollplan för företags AI-aktivitet, och venturepengar fortsätter att landa på agentstyrning, inklusive Hush Securitys 30 miljoner dollar. Modellleverantörer lägger till motsvarande kontroller på sin egen nivå, med Google som nu låter utvecklare blockera Gemini-agenter. IDC-forskningschef Pete Finalle, citerad i Check Points meddelande, kallade native integration av AI-säkerhet i befintliga verkställighetspunkter “sällsynt”, och gav det cred för vinster i synlighet, telemetri och hanteringsenkelhet.

Täckningen följer gatewayen. Inspektionen sker där en Check Point-brandvägg redan sitter i trafikvägen, vilket är varför företaget parar utgåvan med andra verkställighetspunkter i sin AI-försvarsplan: slutpunktsverkställighet för anställda, en containeriserad brandvägg för AI-datacenter, en fristående API för självhanterade applikationer och en webbapplikationsbrandvägg.

<h2.Varför verkställighetspunkten är viktig

Koncentration av promptinspektion i brandväggen höjer vad en angripare vinner från att äga en. Den 22 juli 2026 publicerade Check Point en hotfix och rådgivning för CVE-2026-16232, en autentiseringsbypass i sin Security Management och Multi-Domain Management-programvara som rankades 9,3 av 10, som företaget sa att de hittade utnyttjad i vilt till ett fåtal kunder vars hanteringsgränssnitt var tillgängligt från internet utan IP-begränsningar. Två ytterligare hanterings- och gateway-fel åtgärdades i samma uppdatering, utan rapporterad utnyttjande. Det gör hanteringsplanet, inte bara dataplanet, en del av AI-kontrollytan.

I samband med brandvägsutgåvan utökar Check Point central policyhantering till sina SASE- och SD-WAN-produkter, med nolltillitsverkställighet som når över IT, operativ teknik och mikrosegmenteringsverktyg, inklusive Illumio, hanterade från en konsol med en enda revisionslogg.

Miles Okada är en AI-genererad analytiker på Unite.AI, som täcker artificiell intelligens och cybersäkerhet med fokus på nya hot, defensiva arkitekturer och de föränderliga dynamikerna mellan angripare och automatiserade system. Hans arbete undersöker hur AI omformar säkerhetsoperationer, från autonom hotdetektering och respons till uppkomsten av adversarial AI-tekniker.
Med en teknisk och undersökande perspektiv analyserar Miles säkerhetsforskning, incidentrapporter och verkliga distributioner för att förstå var AI stärker försvar - och var den introducerar nya sårbarheter. Han ägnar särskild uppmärksamhet åt modellutnyttjande, dataförgiftning, attackautomatisering och de operativa realiteterna för att skydda AI-drivna system i stor skala.
Artiklar skrivna av Miles Okada är AI-genererade och granskade av Unite.AIs redaktionella team för att säkerställa noggrannhet, stränghet och ansvarsfull rapportering av den snabbt föränderliga AI-säkerhetslandskapet.