ua

Тестування безпеки AI-платформи

Клієнт:
Розробник AI SaaS-платформи
Галузь:
AI Technology
Фокус:
Комплексне тестування безпеки AI-продукту – перевірка стійкості до ін'єкцій у запити, аналіз витоку даних, оцінка агентних інструментів та відповідність OWASP LLM Top 10
Основний виклик:
Критичні вразливості AI-середовища: повне вилучення системного промпта та довільний запис файлів без перевірки шляху
Ринок:
Міжнародний
Надані послуги:
Пентест AI-систем (OWASP LLM Top 10)
Ключові висновки
  • Виявлено 51 вразливість, з яких 2 критичні та 19 високих
  • Підтверджено повне розкриття системного промпта
  • Виявлено довільний запис файлів без перевірки шляху
  • Жодна з 15 технік виходу з sandbox-середовища не спрацювала
  • Проведено перевірку за 10 категоріями OWASP LLM Top 10 (2025)
  • 51
    вразливість виявлено
    2
    критичні загрози
    10
    категорій OWASP перевірено
    Тестування безпеки AI-платформи
    AI-платформа з хмарними агентними інструментами обробляє персональні дані та налаштування систем. Будь-яка вразливість у такому середовищі є ризиком для бізнесу. Компанія звернулася до Datami для комплексної перевірки безпеки AI-продукту. Завдяки пентесту було виявлено 51 вразливість, зокрема 2 критичні.

    Клієнт створив AI SaaS-платформу на основі великих мовних моделей: чат-середовище, агентні інструменти, завантаження файлів і зображень, зовнішній перегляд вебсторінок.

    Для платформи, яка обробляє персональні дані, конфігурації систем і ключі доступу, кібербезпека є фундаментом довіри. Одна вразливість здатна розкрити внутрішні інструкції, скомпрометувати дані користувачів або надати зловмиснику контроль над агентними функціями.

    Завдання та виклики проєкту
    Клієнт звернувся до Datami для комплексного тестування безпеки AI-платформи. 
    Основний запит – перевірити стійкість системи до ін'єкцій у запити мовної моделі, оцінити захист конфіденційних даних та перевірити наявність технічних вразливостей на рівні API, коду та агентних інструментів.
    • Провести тестування на ін'єкцію запитів (пряме та опосередковане).
    • Виявити вразливості в API-ендпоінтах та кодовій базі (DAST + SAST).
    • Оцінити відповідність стандарту OWASP LLM Top 10 (видання 2025).
    icon
    Тестування ін'єкцій
    Перевірка стійкості мовної моделі до маніпуляцій через чат, файли, зображення та вебперегляд
    icon
    Аналіз коду та API
    Автоматизоване та ручне тестування 9 API-ендпоінтів і кодової бази – автоматизовано та вручну
    icon
    Звіт та рекомендації
    Класифікація знахідок за критичністю з чіткими строками усунення та відображення на OWASP

    Наш підхід

    У цьому кейсі Datami застосувала комбінований підхід: тестування Black-box для перевірки публічного інтерфейсу та White-box для аналізу кодової бази. Це дозволило змоделювати зовнішні атаки та виявити приховані вразливості в архітектурі.

    Перевірку API проводили автоматизованими сканерами та протестували вручну. Статичний аналіз коду здійснювали інструментами SonarQube та Snyk, а також за допомогою локально розгорнутих мовних моделей.

    Black-box

    Black-box

    Тестування публічного інтерфейсу – імітація дій зовнішнього зловмисника без доступу до коду
    White-box

    White-box

    Аналіз внутрішньої логіки та механізмів захисту з повним доступом до кодової бази
    Ключові етапи робіт та рішення

    Роботу розпочали з організації безпечного середовища для тестування – кодова база клієнта не передавалася на зовнішні сервери. 

    Окремою задачею стало залучення носіїв мов для перевірки векторів атак: деякі обходи фільтрів безпеки були можливі, якщо запити надходили мовами з нелатинськими алфавітами.

    • Підготовка
      Погодження обсягу, налаштування ізольованого середовища, залучення фахівців для тестування.
    • Тестування
      Застосування понад 20 технік обходу через чат, файли, зображення та вебперегляд, а також динамічне сканування 9 API-ендпоінтів.
    • Звіт
      Класифікація 51 вразливості за критичністю, строками усунення та відображення результатів на OWASP LLM Top 10.
    Як ми можемо вам допомогти?

    Кожне прикладне дослідження кібербезпеки, яке ми розв’язуємо, передбачає глибокий аналіз, індивідуальні рішення та результати, які можна вимірювати.
    Datami вже допомогла понад 600 компаніям посилити їхній цифровий захист — і ми можемо зробити те саме для вашого бізнесу.
    Готові діяти?

    Почнемо з безкоштовної консультації!
    Результати та рекомендації

    Результати та рекомендації

    Datami провела пентест AI-платформи та виявила 51 вразливість, серед яких дві критичні: повне вилучення системного промпта через багатоходову атаку та довільний запис файлів без перевірки шляху (через інструменти редагування можна було записати файл у будь-яку точку файлової системи сервера).

    Також виявили обхід фільтрів безпеки через перемикання мови (підтверджено в 6 з 14 перевірених категорій), ін'єкцію промпта через завантажений PDF або DOCX та ін'єкцію через зображення з вбудованим текстом.

    Клієнт отримав такі рекомендації:

    • Негайно усунути вразливість довільного запису файлів і закрити можливість вилучення системного промпта.
    • Протягом 30 днів виправити вразливості несанкціонованого доступу до сесій, обходу автентифікації та ін'єкцій.
    • Протягом 60 днів усунути витік персональних даних у відповідях на помилки.
    • Розширити класифікатор безпеки за межі англомовних ключових слів.
    Ключові результати проєкту

    AI-платформа обробляла персональні дані та конфігурації систем у середовищі, де зловмисник міг через звичайний чат-інтерфейс обійти захист і отримати внутрішні інструкції системи. 

    Завдяки пентесту Datami критичні загрози були виявлені та усунуті до того, як ними скористалися. Цей кейс з кібербезпеки підтверджує: AI-продукти потребують спеціалізованої перевірки, яка виходить за межі класичного тестування вебзастосунків.

    Показник
    Стан до проєкту
    Результат після проєкту
    Системний промпт
    Повністю вилучався через багатоходову атаку
    Надано рекомендації щодо усунення можливості вилучення системного промпта.
    Запис файлів
    Довільний запис без перевірки шляху
    Додано перевірку шляху файлової системи
    Мовні вектори атак
    Фільтри безпеки не розпізнавали нелатинські запити
    Рекомендовано семантичний аналіз незалежно від мови
    Відповідність OWASP LLM
    Не оцінювалась
    Перевірено всі 10 категорій; надано план усунення
    Ізоляція середовища виконання
    Статус невідомий
    Підтверджено надійну ізоляцію (15 технік виходу провалились)
    Більше історій успіху з Datami
    Перегляньте приклади інших проєктів
    Cloudflare Zero Trust і SIEM для SaaS-платформи
    Cloudflare Zero Trust і SIEM для SaaS-платформи
    • MTTD скоротився до 1–2 годин
    • False positives зменшились на 50–65%
    Послуги:
    Впровадження Cloudflare Zero Trust і Wazuh SIEM
    Серп. 4, 2026
    Відновлення WordPress-сайту після зламу
    Відновлення WordPress-сайту після зламу
    • Систему повністю очищено від backdoor-інфекції та webshell
    • Видалено 9 несанкціонованих admin-акаунтів
    Послуги:
    Аудит безпеки WordPress (White-box)
    Серп. 4, 2026
    Впровадження SIEM Wazuh для фінансової компанії
    Впровадження SIEM Wazuh для фінансової компанії
    • Забезпечено готовність до аудиту PCI DSS та ISO 27001
    • Кількість хибних спрацювань знижено на 60–70%
    Послуги:
    Впровадження SIEM (Wazuh)
    Лип. 1, 2026
    Security image
    Готові оцінити безпеку вашого проєкту?
    Звертайтеся в Datami — ми допоможемо вам визначити ризики, посилити вашу кібербезпеку та впевнено пройти сертифікацію.
    Cтатті Datami
    Чому AI-токени створюють новий клас ризиків для смартконтрактів Олександр Філіпов
    Олександр Філіпов
    Чому AI-токени створюють новий клас ризиків для смартконтрактів

    Смартконтракт може пройти Solidity-аудит без зауважень і все одно лишитися вразливим - якщо частину рішень приймає ШІ. Розбираємо на реальному аудиті з 40

    4 хв. Серп. 4, 2026
    Коли AI зустрічається зі смартконтрактами: як prompt injection створює нову поверхню атаки у Web3 Олександр Філіпов
    Олександр Філіпов
    Коли AI зустрічається зі смартконтрактами: як prompt injection створює нову поверхню атаки у Web3

    Смартконтракт може пройти найретельніший аудит - а продукт усе одно виявиться вразливим. Достатньо, щоб AI прочитав ончейн-текст як команду, а не як дані. Розбираємо новий клас ризиків на знахідці Datami.

    3 хв. Серп. 3, 2026
    Самостійне оцінювання кіберризиків: 6 прогалин, які фінтех помічає останніми Олександр Філіпов
    Олександр Філіпов
    Самостійне оцінювання кіберризиків: 6 прогалин, які фінтех помічає останніми

    Більшість компаній дізнаються про свої слабкі місця не від власної команди, а від партнера на due diligence або від зловмисника. Розбираємо, які прогалини у фінтеху залишаються непоміченими найдовше й чому.

    4 хв. Лип. 27, 2026
    Замовте консультацію
    Ми цінуємо вашу конфіденційність
    Ми використовуємо файли cookie для забезпечення максимально зручного використання наших послуг, підготовки персональної реклами чи контенту, а також для аналізу нашого трафіку. Натискаючи "Прийняти все", ви погоджуєтесь на використання файлів cookie. Політика використання файлів cookie