Как защитить корпоративные данные, когда сотрудники используют ChatGPT, Claude — решение TETRA Security

Сотрудники уже используют ChatGPT, Claude и Gemini в работе, но вместе с запросами в AI-сервисы могут уходить корпоративные и персональные данные. При этом бизнес часто не видит, что именно отправляют сотрудники.

Команда TETRA Security из Ташкента создала решение, которое показывает, что сотрудники отправляют в ChatGPT, Claude и Gemini, и останавливает то, что не должно покидать периметр компании. Рассказываем, как внедрить AI в бизнес, не теряя контроль над данными.

Сардор Рамазон, город — Ташкент, Chief Product Officer TETRA Security, LinkedIn 

Как все началось

Идея пришла не из аналитики рынка, а из практики. За плечами у основателей TETRA Security больше 10 лет в информационной безопасности и IT, и в какой-то момент каждый из нас поймал себя на неприятной мысли: мы отвечали за данные компании, но понятия не имели, что сотрудники ежедневно отправляют в AI-сервисы.

Периметр был закрыт по всем правилам. А рядом открылся новый канал, и он был не просто открыт: он был невидим. Классические DLP-решения не анализируют, что происходит в диалоге с ChatGPT или Claude.

Когда ты 10 лет строишь периметр и находишь в нем дыру, о которой на рынке почти не говорят — ты либо ждешь, пока ее закроет кто-то другой, либо закрываешь сам. Мы выбрали второе.

Что сотрудники отправляют в AI

За последние два года AI стал обычным рабочим инструментом. Юрист вставляет в AI-сервис договор с клиентом целиком, вместе с суммами и реквизитами. Аналитик — выгрузку с персональными данными, чтобы быстрее свести отчет. Разработчик — конфиг, в котором остался действующий ключ доступа. При этом никто из них не нарушает правила намеренно: сотрудник просто хочет быстрее сделать свою работу.

И именно здесь появляется новый скрытый канал утечки данных. В AI-сервис могут попасть договор с клиентом, персональные данные, фрагмент исходного кода, API-ключ или другая корпоративная информация.

Главная проблема в том, что компания часто даже не знает, что это происходит.

Почему этого не видно

Для компании это не всегда выглядит как классическая утечка. Запрос в AI-сервис может быть обычным зашифрованным трафиком к легитимному сервису, которым сотрудникам официально разрешено пользоваться.

Сотрудник сам открыл сессию и отправляет данные внутри нее. Формально он не взламывает систему и не пытается обойти защиту. Поэтому привычные средства контроля могут не видеть, что именно уходит наружу.

У компании в итоге нет ответа на базовые вопросы: сколько AI-сервисов реально используется, уходят ли туда номера карт, паспортные данные клиентов, API-ключи от production-систем, фрагменты проприетарного кода и др.

И масштаб происходящего почти всегда оказывается больше ожидаемого.

Почему AI нельзя просто запретить

Запрет не убирает проблему, он убирает видимость проблемы. Сотрудник открывает AI-сервис с личного телефона, и теперь компания не контролирует уже ничего.

Причем сотрудник не злоумышленник: он просто хочет быстрее сделать свою работу, а инструмент сам провоцирует делиться контекстом — чем больше данных дашь, тем лучше ответ.

Поэтому задача не в том, чтобы запретить AI, а в том, чтобы сделать его использование контролируемым.

Как работает TETRA Security

TETRA Security разворачивается внутри инфраструктуры клиента и проверяет каждый запрос в момент отправки — от Claude и ChatGPT и другие AI-сервисы.

Система распознает четыре категории данных: платежные, персональные, учетные данные и секреты, исходный код и интеллектуальную собственность. Для каждой применяется своя политика — мониторинг, маскирование или блокировка.

Важно: настройка идет по отдельным детекторам, а не по категории целиком. Внутри платежных данных номер карты можно маскировать, а CVV блокировать полностью — потому что маскированный CVV не нужен никому, а маскированный номер карты все еще позволяет AI понять контекст задачи.

Такая гранулярность и делает разницу между «система мешает работать» и «система работает незаметно».

Почему TETRA Security работает внутри компании

On-premise для нас не техническое предпочтение, а требование рынка, на котором мы работаем. Регуляторика по локализации данных ужесточается: закон о персональных данных в Узбекистане и Казахстане, KVKK в Турции, PDPL в Саудовской Аравии и ОАЭ, EU AI Act.

Часть облачных AI-Security решений при проверке промпта передает его на серверы вендора за рубеж.

Для банка или госсектора под требованиями локализации это стоп-фактор: средство защиты не должно само создавать трансграничную передачу данных. Поэтому мы изначально сделали ставку на on-premise — ничего не покидает периметр клиента.

Почему важны локальные данные

Отдельно мы вложились в локальные детекторы. Глобальные решения умеют распознавать Visa и Mastercard, но не Uzcard и Humo; знают SSN, но не ПИНФЛ в Узбекистане и не ИИН в Казахстане.

Для банка в Узбекистане или Казахстане это означает, что зарубежный продукт пропустит именно те данные, которые местный регулятор считает самыми чувствительными.

Как проходит внедрение TETRA

Первые две недели мы рекомендуем работать в режиме наблюдения. Система уже развернута и все видит, но политики намеренно не включаются — компания сначала получает картину: какие сервисы используются, кем, какие данные туда уходят.

Этот отчет почти всегда производит впечатление. Руководство видит не гипотетический риск из презентации, а собственные документы в чужой инфраструктуре.

Дальше компания переходит из режима наблюдения в режим блокировки.

Порядок здесь принципиален — если начать с блокировок, вы получите сопротивление всей компании и репутацию службы, которая мешает работать. Если начать с фактов, политики принимаются как логичный вывод из того, что все уже увидели своими глазами.

Есть и побочный эффект, который нам нравится даже больше самих блокировок. Когда система маскирует фрагмент, она объясняет сотруднику, что именно и почему было скрыто. Через месяц сотрудники начинают формулировать запросы иначе — уже сами.

Инструктаж по безопасности забывается за неделю, а ежедневная подсказка в момент действия — работает.

Что важно учитывать компаниям при работе с AI

Не начинайте с запретов и политик. Начните с одного вопроса: а что происходит на самом деле?

Проведите неделю наблюдения. Скорее всего, вы увидите больше, чем ожидали, — и после этого решение о политиках примется само собой.

Запрет без видимости не работает. А видимость без запрета обычно и оказывается тем самым разговором, который меняет мнение руководства.

Первые клиенты

Мы запустились в нескольких крупных FinTech-компаниях — отрасли, где цена ошибки с данными измеряется не только штрафом, но и лицензией.

Живой фидбек оказался ценнее любых гипотез: по нему мы переработали часть продукта. То, что мы считали второстепенным, для банков оказалось критичным, и наоборот.

Пример из практики: в одной компании за первую неделю наблюдения ИБ-служба обнаружила, что в AI-чаты уходит весь спектр рабочих данных — от кадровых справок до фрагментов production-кода. Ни одного умышленного нарушения: сотрудники просто ускоряли себе работу.

Что дальше

Наш план — масштабирование в Центральной Азии и Закавказье: Азербайджан, Грузия, Казахстан, Кыргызстан, Турция и Узбекистан.

Регион удобен тем, что регуляторные требования здесь схожи, а локальных решений этой задачи практически нет.

6-7 октября на Cyber Security Summit в Ташкенте у нас состоится первый публичный запуск. До этого мы работали точечно, с ограниченным кругом клиентов, и намеренно не выходили в широкий анонс — сначала хотели убедиться, что продукт выдерживает требования компаний.

Теперь готовы показать его напрямую CISO и ИБ-командам региона.

По вопросам публикации, уточнениям и дополнительным материалам:
Сардор Рамазон, Chief Product Officer 
sardor.ramazon@tetrasecurity.ai