Поведінкова керівництво по перевірці піґінг-повід, використовуючи AI-agens: 2026 рік, обрання та розгорання
Від SPF/DKIM/DMARC до глибокого моделювання мови семантик, детальне розшифрування AI-драйвана системи проти піґінг-атак у реальному підсиленому середовищі
Daniel Nikulshyn
Editor
Панорама загроз
Чому фішинг залишається у перших місцях у списку найбільш загрозливих векторів до початку 2026 року
Хоча промисловість із захисту електронної пошти вже має кілька років досвіду розвитку, фішинг усе ще залишається основним шляхом, яким компанії потрапляють у мережу. Згідно з багаторічними досліджень, які випускає Verizon у своєму звіті про розголошення даних (DBIR), соціальне інженерство і викрадення облікових даних займають найвищі місця серед усіх джерел розголошення даних протягом року, а електронна пошта залишається найбільш поширеним засобом розсилання даних, використовуваних для здійснення кібератак. У Вікіпедії фішинг називають "вибірковим" шляхом, коли атакувальні програми приймають зовнішній вигляд передбачуваних джерел і підштовхують користувача до надання облікових даних, здійснення фінансової операції або встановлення шкідливого програмного забезпечення. Desde початку 2022 року, розповсюдження генеративного AI суттєво знизило вартість виготовлення вмісту фішингу. У минулому досвід попереднього попередження фішингових повідомлень на основі помилкового набору символів та невигідної лексичної структури вже втратив свій ефективний вплив. Величезні мовні моделі тепер можуть створювати вміст із досконалою граматикою, що підходить до культури підприємства, навіть вміють застосовувати мовний вміст за відкритими соціальними мережами своїх цілей, що називається спеціалізованим фішингом, також відомим як Business Email Compromise (BEC) та бізнес-електронна торгівля (Business Email Compromise). Зокрема, необхідно бути особливо уважним до бізнес-електронної торгівлі. FBI Internet Crime Complaint Center (IC3) протягом багатьох років включає Business Email Compromise до списку найбільших економічних втрат серед усіх мережевих злочинів за рік. Ці атаки часто включають ні одне з шкідливими посиланням ні жодних прикріплень, просто в залежності від соціальних інженерних маніпуляцій фахівців фінансового відділу переказують кошти, чого зробило класичний метод захисту під підписам, які застосовуються щодо чорних списків URL, зовсім не ефективним. То саме саме ці 'безмасові' атаки спонукають використовувати агентів безпеки, розроблених на основі розуміння мови, для їх детекції. Вони більше не можуть просто розглянути посилання та прикріплення. Тепер вони повинні розпізнавати призначення, відносини та мовні шаблони, які були згадані раніше як основні технічні підвалини, які будуть використані у цьому керівництві.
- Phishing - Wikipedia — Вікіпедія щодо визначення, типів і історії фішингових атак
- FBI IC3 рік роботи — Статистика злочинів з Business Email Compromise та інших збитків, які видаються FBI INTERNET Crime Complaint Center
Технічні умови
Генеральний договір — це початок, але не кінцева мета
Any serious fishing detector scheme is based on three major e-mail authorization protocols: SPF, DKIM, and DMARC. SPF (Sender Policy Framework) declares via DNS records which servers are authorized to represent a particular domain for sending; DKIM (DomainKeys Identified Mail) verifies the integrity of the e-mail during transmission using encryption to prevent tampering; DMARC (Domain-based Message Authentication, Reporting and Conformance) regulates treatment strategies in case of authentication failure (none / quarantine / reject) and provides aggregated reports. The Wikipedia article on DMARC explains that its key contribution is 'alignment' — ensuring that the SPF / DKIM validation domain matches the actual domain name displayed in the From header, thus preventing domain spoofing. In 2024, Google and Yahoo began requiring DMARC for mass senders, significantly compressing the space for direct domain spoofing. However, these protocols can only solve the question of 'who has the right to send from this domain'. They are powerless against two high-risk attacks: one is when the attacker registers a domain similar to the target (such as m pretending to be rn), the e-mail can pass through DMARC authentication using its own domain; two is when the attacker compromises a legitimate partner's mailbox to launch an attack, in which case all authentication passes. This is precisely the level of AI detection agent intervention. They use the authentication results as one of many features, rather than a unique criterion, and add sender behavior profiling, semantic intent analysis, and relationship diagrams in order to cover the blind spots of authorization protocols. Understanding this division of labor is a prerequisite for evaluating any supplier to avoid being misled by phrases like 'we support DMARC'.
- DMARC - Wikipedia — DMARC protocol principles, alignment mechanism and strategy types
- DKIM - Wikipedia — Technical details of DKIM encryption signature verification
Інтер'єр двигуна
Практичний керівник щодо використання AI-агентів для перевірки фішингових повідомлень
Сучасні AI-агенти для перевірки фішингових повідомлень, як правило, складаються з чотирьох рівнів функціональності. Перший рівень - класичної обов'язкової перевірки: реєстр URL-адрес, аналізатор вірусів, порівняння хеш-кодів. Ця частина техніки вже добре відпрацьована і в основному використовується для блокування відомих загроз. Другий рівень передбачає статистичний та машинний навчальний аналіз функціональності даних, що складається з понад сотні ознак, наприклад, періоду реєстрації домену відправника, наявності повідомлення про першу взаємодію з користувачем, відсутності збіжності в адресах відправника та відповіді тощо. Третій рівень - найбільш останні досягнення: обробка та аналіз природної мови за допомогою великих моделей мови. Двигун вже не тільки ставить питання про безпеку лінка, а також і про те, чи нам намагаються зробити якийсь конкретний дії цим повідомленням. Він міг бути присутнім під тиском (відповідь за 30 хвилин на виконання операції перерахунку грошей), або під вигаданим ім'ям особи з високим званням (напр., під вигаданим ім'ям віце-президента компанії). Відкритий доступ до великих моделей мовою, пропонованих підприємством OpenAI чи іншому подібному підприємству, збільшує точність проведення мовної інтент-аналізу, але також створює додаткові проблеми щодо вартісності, затримок та захисту особистих даних. Четвертий рівень передбачає створення графічного портрета повідомника зі спостереження над усіма раніше здійсненними діями та внутрішнім спілкуванням організації. Портрет складається зі спеціальної інформації щодо певного відправника, наприклад, часів виконання дій, застосованих пристроїв, спілкування з іншими особами внутрішньо-організаційно тощо. Якщо повідомлення від відправника досить відхиляється від передбаченого базового профілю (напр, CFO, який виконує операцію за кілька хвилин після північної години за невідомим адресуванням), відповідна перевірка повідомлення вказує на дуже високий рівень ризику. Інститут проведення попередній перевірки щодо виникнення загроз особливо досить ефективний щодо проведення операцій із підміною особистість (BEC), бо він не потребує підтримку відомих підписів. При виборі продукту слід запитувати в розповсюджувачів такі питання: чи проводиться мова-інтент-аналіз за допомогою справжньої інтелектуальної програми чи тільки за допомогою спеціалізованих шаблонів? Які періоди необхідні для формування базових профілів повідомників? Як передбачено проведення дій щодо відмов у повідомленні щодо повідомлень? Відповіді на ці питання будуть краще вказувати справжній рівень ефективності продуктів ніж одні слова, наприклад, що вони вже досить широко використовують мову інтелектуальних систем.
- Документація програми відкритої інфраструктури OpenAI — Офіційна документація щодо використання великої моделі для мовної інтент-аналізу
- Протидію фішингові програмним засобам - Вікіпедія — Повідомлення щодо технічної класифікації та проведення перевірки фішингові програмними засобами
Керівництво щодо вибірки системи безпеки в реальному проекті
Висока інтеграція проти API рівня: два типи організації рішень безпеки
Під час вибору найбільш суттєвою архітектурною розбіжністю є місце проведення детектору в мережі. Конвенційні системи безпеки електронної пошти (SEG, Secure Email Gateway) розгортаються під входом до потоку електронної пошти (вибачте зміни MX-рекордів та надійсте всіх надходження в службу контролю, перш ніж відвантажити їх на поштову скриню. Така організація забезпечує майже повну зупинку потоку з повідомленнями, не залежить від API поштової програми та платформи, але її недоліки є значними: вона не бачить зміни після відправки повідомленням в кишені інтернет-поштою (як наприклад відкладені зміни), вона також дуже складно проаналізувати внутрішньої мережі горизонтальна мережна хакерська техніка з мережної хакерської техніки. У сучасному світі виникли нові інтеграційні рішення безпеки електронної пошти, які можна назвати інтегрованим веб-орієнтованим рішенням безпеки в мережі (ICES, Integrated Cloud Email Security). Вона безпосередньо читає електронну пошту за допомогою Microsoft Graph або Google Workspace API після відсилання повідомлення. Під час виконання внутрішніх мережі інтернет-потоку та після відправлення повідомлення можна здійснювати внутрішнє попереднє попереднє розгортання. Високо-орієнтовані рішенням безпеки мережі мають кілька переваг щодо часу запуску служби, відсутності необхідної зміни рекордів MX, можливість бачити внутрішню роботу мережі інтернету та можливість відправляти повідомлення після відставання від інтернету. Microsoft Defender for Office 365 та Google Workspace native безопасности вже належать до цієї категорії підходження. Багато організацій використовують глибшу інтеграцію в мережі безпеки мережі інтернету мережі мережі інтернету мережі мережі мережі мережі мережі інтернету мережі мережі мережі інтернету мережі мережі мережі інтернету мережі мережі інтернету мережі мережі мережі інтернету мережі мережі мережі інтернету мережі мережі мережі інтернету мережі мережі мережі інтернету мережі мережі мережі мережі мережі мережі інтернету мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі інтернету мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мереже мережі мережі мережі мереже мережі мережі мереже мережі мереже мережі мережі мереже мережі мереже мережі мереже мереже мережі мереже мереже мереже мереже мереже мереже Багато організацій використовують глибшу інтеграцію мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мереже мережі мережі мережі мереже мережі мережі мереже мережі мережі мережі мереже мережі мережі мережі мереже мережі мережі мережі мереже мережі мережі мережі мережі мережі мереже мереже мереже мереже мережі мереже мереже мереже мереже мереже мережі мереже мереже мереже мереже мереже мереже мережі мереже мереже мереже мережі мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже Meredith У сучасному світі виникли нові інтеграційні рішення безпеки мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мережі мереже мережі мережі мереже мережі мережі мережі мереже мереже мереже мереже мережі мережі мережі мереже мереже мережі мереже мережі мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже Meredith Багато організацій використовують глибшу інтеграцію мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже мереже Meredith
- Умови безпеки електронної пошти для Microsoft 365 — Офіційний матеріал Microsoft
- Email filtering - Wikipedia — 邮件过滤与安全网关的技术背景
Методологія вибору
Оціночна структура: чим перевірити професійні спеціалісти повинні, а чим вони повинні робити цього проведення
На ринку майже кожне провайдера оголошує '99% або вище відсотків детектування', але це число поза тестової колекції зовсім нічого не значить. Я рекомендую інформаційним служби створити оціночну структуру із чотирьох квадрантів: ефективність детектування, витрати від помилкових відповідей, користувацький досвід експлуатації та загальний власний капітал витрат. У вимірюванні ефективності детектування головне не в загальній вірності, а саме в окремих показниках щодо окремих видів: щодо листів з зловмисними посиланнями, щодо вірусів-нешотов, щодо чистих текстових BEC та щодо внутрішніх горизонтальних фішинговових атак вимірюється показник виклику. Вважається дуже цінним, щоб проводити повернення до попередніх невідкритих справжніх вибірок своєї історії після деінформації, а не покладатись на демонстраційний матеріал, який надається провайдерами. Крім того, необхідно вимагати принаймні 30 днів паралельної перевірки в тендерному режимі так, щоб новий двигун оцінювався відповідно до реальних результатів в умовах безпосередньої дії, після чого порівняти зі справжніми результатами. Помилкові вказівки є однією з найбільш підміченних витрат. І коли один лише 0.1% показник помилкових відповідей виглядає дуже невеликим для одного з провайдерів на підприємствах, де обробляється мільйон листів в день, це означає, що на кожний день тисячу вихідних справжніх листів будуть помилково відрізані, що згодом призведе до загальмовіння системи захисту інформації та зниження у довірі користувачів до системи безпеки. У вимірюванні експлуатаційної та економічної ефективності також включаються такі аспекти: рівень ґраткування на рівні стратегій та їхчитливість, глибина інтеграції зі SIEM/SOAR, наявність інтерфейсу під час проведення розслідування подій та наявність моделі цін. Сховані витрати часто можуть проявитися в професійній допомозі, періодах навчання, які потребують додаткових замовлення для підписки на інформацію щодо загроз. Якщо всі ці пункти будуть включені до рішення, то можна уникнути ситуації, коли реальна вартість буде значно більшою, ніж передбачене фінансування.
- Вимірювання точності та відновлення - Вікіпедія — Розуміння точності системи детектування та відновлювальної здатності її важелі
Бойові мистецтва захисту інформації
Речовини реальності: коли навіть атакувальники теж застосовують AI
Дослідження фішингу є справжнім боротьбою, яка триваючи протягом часу. Атакувальники вже починають розробляти методи обходу засобів захисту інформації, застосовуючи методи відправлення зловмисних повідомлень зі закодованим текстом, які потрапляють в зашифровані повідомлення, або використання ліків, які містять інформацію щодо загроз, щоб зробити її незвідною у зв'язку з відсутністю текстової частини. Віртуальна вікіпедія повідомляє щодо стану протиборчий проти машинного навчання про те, що будь-яка система, яка застосовує моделі, має ризик бути розграбовані особливими навчальними вибірками, які потрапляють в систему. З цим також слід зв'язувати застосування наявних засобів захисту інформації, які застосовуються окремий постачальник для забезпечення свого власного захисту. При цьому також слід мати на увазі, що існуючі системи захисту інформації вже піддаються 'фатигу детектування'. Коли система досить багато виконує попередження щодо можливості існування загроз, користувач починає звикання їх і навіть більше навіть не звертає увагу. Тому дуже цінне є застосування різних рівнях попереджень відповідно до рівня ризику. Ось чому дуже багато цінного, щоб не тільки застосовувати технічні засоби захисту інформації, але також організувати регулярні навчання, моделі захисту інформації від наслідків дій людини. Оце також дуже цінне навіть найбільш передові засоби захисту інформації можуть бути застосовані тільки в ситуаціях, коли вони будуть застосовані тільки у поєднанні з іншими засобами захисту інформації.
- Adversarial machine learning - Wikipedia — 对抗性机器学习对检测系统的威胁
- Anthropic 安全研究 — 关于提示注入与模型安全的研究资料
Довідник керівника проекту
Практичний гід з втіленням мережевого захисту від фішингових електронних пошти: вибір та імплементація рішень 2026 року
Після багатьох спроб реалізації мережевого захисту від фішингових електронних пошт мені вдалося розбити цей процес на три етапи по 30 днів кожен. Перший етап триває 30 днів і складається зі встановлення базової підтримки та паралельного функціонування: ніщо не змінюється, новий двигун запускається у shadow mode, воно оцінюється на справжніх повідомленнях, відбувається порівняння з поточною ситуацією, оцінюється збільшення виявлених фішингових повідомлень зі збільшенням кількості помилкових виявлень. Паралельно необхідно провести перевірку SPF/DKIM/DMARC у організаціях, щоб забезпечити стабільність сертифікації. Звичайно, багато організацій лише тоді усвідомлюють, що їхні сертифікати знаходяться на рівні "p = none "". Другий етап триває 30 днів і складається зі зміни кольору та регулювання стратегії. Виберіть високоризиковані відділення компанії (як правило, фінансові чи допоміжні групи керівників у зв'язку з великою кількістю фішингових повідомлень високої складності) і розпочніте змушуваний відбір усіх повідомлень із високою складністю, слідкуючи за помилковими виявленнями у повідомленнях та організовуючи швидкі маршрути звільнення. Цей етап закінчується розробкою програми з урахуванням стратегії організації та розвитку спеціалізованих процесів дій (playbook), у якому чітко вказується рівень аварійного стану повідомлення, яке буде оброблено автоматично, яким необхідно зайнятися спеціалістами СОС. Третій етап триває 30 днів і складається зі спільної роботи усіх відділень компанії та закріплення процесу. З'єднати програмні засоби автоматизації захисту повідомлень із системами безпеки інформації і управління діяльністю (SIEM/SOAR), забезпечуючи автоматичний відклик повідомлень, автоматичний відбір повідомлень із високою складністю та інтеграцію обробки заявок; започаткувати сталічний процес отримання відгуку від помилкових виявлених повідомлень, щоб швидко відправити їх на навчання модель; виконувати першу серію експериментів з фішинговими повідомленнями, щоб перевірити справжню ефективність захисту від співробітників. Завжди зберігайте резервний план повернення до попередніх версій. будь-яка система, що залежить від зовнішніх API та моделей, може стати ністовою протягом короткого періоду часу через технічні проблеми зовнішнього постачальника послуг, оновлення моделі або обмеження швидкості. Створіть попередній план дій у разі виникнення технічних проблем, щоб уникнути одного технічного збою перетворитися на зупинку роботи всієї організації повідомлень. Надаєте ці умови до умови договору з постачальником послуг у вигляді умов служби (SLA), що захищає працівників організації.
- Security information and event management - Wikipedia — SIEM/SOAR与邮件检测系统联动的背景知识
Ресурси
- Піґінг - Вікіпедія
Виклад про визначення, типи, історію використання піґінг-атак
- DМАРК - Вікіпедія
Пошта та захист від фейкових імен доменів
- Працездатність Microsoft Defender для Office 365
Офіційні керівництва щодо захисту повідомлень за допомогою Microsoft Defender для Office 365
- Документація щодо офіційної служби OpenAI
Офіційні керівництва щодо служби захисту повідомлень за допомогою великих моделей мови
- Головна сторінка про дослідження компанії Anthropic
Науково-дослідницька діяльність щодо захисту повідомлень та безпеки моделью
Часті питання
Можна ли замінити AI-детектування агентів на звичайні мережеві системи безпеки?
За своєю своєю суттю вона в принципі ніколи зовсім не може бути повністю заміщеною, а тільки доповненою. API-рівень AI-детектування краще працює стосовно БЕК-атак та внутрішніх горизонтальних піґінг-атак, однак поштовий гейт має своє значення щодо вхідної попередньої обробки та керування затримкою. Досвідчені організації завжди застосовують глибинну оборону, поєднуючи їх.
Під час реалізації API-дії необхідно отримувати всі листи. Чи є такі ризики щодо дотримання законодавства?
Головним чином це стосується місця розташування даних, термінів зберігання даних та використання даних для навчання моделі. Зокрема, підприємства, яким належить дотримуватися законодавчої бази GDPR або галузевих вимог, повинні підтвердити розташування даних провайдера, підписати угоду про обробку даних (DPA), а також вказати, що вміст пошти не буде використовувати для навчання широкомовних моделей.
Яке значення має створення DМАРКа, якщо всі його спроби захиститися від піґінг-атак не дуже ефективні?
ДМАРК може тільки попередити захист фейкових імен доменів, але він не здатний нічого робити щодо аналогічних імен доменів або відправлених справжнім співробітникам, захоплених співробітниками, що належать до організації. Ця проблема є однією з головних міркувань щодо використання глибокомодального семантичного вивчення мови та досліджень безпеки моделей.
Можна ли довіряти ствердженням провайдерів щодо їхніх високих ефективності?
Цифра тестування, що виходить із області тестових даних має певну міру сенсу. Але слід вимірювати розподілені відсотки, які повинні бути розрахувані за історичними зразками власної організації під час навчання даних. Також обов'язково необхідно провести мінімум тридцять днів паралельної експлуатаційної перевірки разом із паралельною оцінкою.
Які ризики можуть виникнути через помилковий розпізнавання повідомлень?
Висновки щодо кількості помилок досить легко недооцінити. навіть якщо лише 0,1% помилок при обробці мільйонами повідомлень на день означає що щодня тисячі справжніх повідомлень будуть відокремлені, що призведеться до втрати довіри у користувачів. Тому варто вимірювати кількість часу, яке витрачають фахівці безпеки під час ліквідації помилок та швидкість навчання даних протягом оцінювання.
Як тоді захиститься від нових типів піґінг-повід?
Різна мова або помилки орфографії вже не можуть викликати ніяких труднощів. Але використання особливого базового рівня та спільної роботи в мережевих мережах допомагає забезпечувати більш дієву ефективність захисту даних шляхом створення особливого графу спільної роботи.
Для великих організацій необхідно замовляти спеціальну послугу захисту від повідомлень?
Якщо ви вже володієте сервісними підписками Microsoft 365 або Google Workspace, то повинні спробувати повністю використати їх власні сервісні засоби безпеки та встановити ДМАРК на рівні виконання. Якщо необхідно захиститися від високочастотної атаки на БЕК, тоді вже варто замовити спеціальних послуг захисту, зокрема послуги спеціаліста по захисту від інформаційних потоків та спеціальних послуг захисту від повідомлень.
Який час потрібно організувати спеціальну послугу захисту від повідомлень?
Технології інтеграції API можуть бути розгорнуті протягом кількох хвилин або кількох днів часу. Але якщо розгорнути вже спеціальну послугу захисту повідомлень згідно спеціального плану у трьох етапи протягом дев'яностих днів, то ви зможете забезпечити дуже гарний захист від повідомлень. Після цього необхідно зробити оцінку ефективності та здійснити технічне підтримлення протягом двох місяців.
