AI Security & Governance · Казахстан
Aqura показывает, какие AI-сервисы используют в компании, обезличивает персональные данные до того, как они покинут ваш контур, и ведёт журнал, который можно предъявить проверке.
Отчёт за 5 рабочих дней· Без установки агентов· On-prem · Private cloud · Контур РК
Сопоставление токенов и журнал остаются внутри пунктирного контура. Наружу уходит только обезличенный текст.
Проблема
Сотрудники переходят на личные аккаунты. Возникает shadow AI, которого вы не видите и не логируете.
Утечки, отсутствие журнала, невозможность ответить на запрос проверяющего.
Разрешённый путь удобнее обходного. Данные под контролем, каждое действие зафиксировано.
Запрет порождает теневое использование. Работает не «нельзя», а «вот разрешённый путь, и он удобнее обходного».
Продукт
Собираем данные из логов, которые у вас уже есть: корпоративный прокси или NGFW, DNS, аудит-логи Microsoft 365 или Google Workspace. Без установки агентов на рабочие станции и без согласования с HR.
Вы получаете: список используемых AI-сервисов, распределение по отделам, объём и характер трафика, перечень сервисов вне вашей политики.
Шлюз между вашими системами и внешними моделями. Обнаруживает персональные и конфиденциальные данные, обезличивает их внутри вашего контура, применяет политики и восстанавливает значения в ответе.
Вы получаете: сотрудники продолжают работать с GPT, Claude и Gemini, но во внешнюю модель уходит обезличенный текст.
Неизменяемый аудит-трейл: кто, когда, какие категории данных, в какую модель, какое решение приняла политика. Выгрузка в формате, пригодном для внутренней проверки и для внешнего аудита.
Вы получаете: ответ на вопрос «покажите» — за минуты, а не за недели.
Модули работают независимо. Обычная последовательность внедрения: Видимость → Журнал → Содержимое.
Как это работает
Вместо адреса внешней модели приложение обращается к адресу Aqura. Дальше всё происходит внутри вашей инфраструктуры.
Модуль «Содержимое». Интеграция — замена одного адреса, клиентский код не меняется.
До — покидает рабочее место
Клиент Айгүл Сәрсенова, ИИН 900101300123,
тел. +7 701 234 56 78, просит пересчитать
график платежей по договору № 44-17.
После — уходит во внешнюю модель
Клиент [PERSON_1], ИИН [IIN_1],
тел. [PHONE_1], просит пересчитать
график платежей по договору № 44-17.
В ответе модели токены восстанавливаются обратно — сотрудник видит нормальный текст с настоящими значениями.
Юрисдикция
Обработка, хранилище сопоставлений и журнал находятся внутри вашего контура. Это ключевое отличие от глобальных платформ, и оно не копируется кодом.
Ближайшие регионы обработки у глобальных AI-security платформ — Индия и Сингапур. У Aqura обработка не покидает Казахстан.
Развёртывание в вашем дата-центре. Ни один компонент не выходит за пределы вашей сети.
Изолированный контур в облаке казахстанского провайдера, под вашим управлением.
Мы обслуживаем инсталляцию, данные и журнал остаются в юрисдикции Казахстана.
Функционал
Какие внешние AI используются в компании, кем и как часто. Источник — логи прокси/NGFW, DNS, аудит-логи M365 и Google Workspace.
Распределение обращений по отделам и ролям, выделение сервисов вне утверждённого списка.
Где обрабатываются данные, что написано в условиях использования, используются ли запросы для обучения.
ФИО, ИИН, БИН, телефоны, email, адреса, паспортные и банковские данные. Русский, казахский, узбекский.
API-ключи, пароли, токены, исходный код, конфиденциальные документы и конфигурации.
Замена значений на токены и обратное восстановление в ответе. Сопоставление токенов не покидает ваш контур.
Allow / Anonymize / Block / Local-Only по классам данных, ролям и подразделениям.
Единая точка входа во внешние модели; Restricted-запросы уходят только в локальный LLM.
Кто, когда, какой риск, какая модель, какое решение. Неизменяемый лог.
Выгрузки под требования по инцидентам, объяснимости автоматизированных решений и внутренние проверки.
SSO/SAML, RBAC, выгрузка событий в SIEM.
Фильтрация известных классов атак на входе и выходе.
Западные детекторы рассчитаны на John Smith и SSN. Мы работаем с ИИН, БИН и с текстами на казахском, включая латиницу и смешанные RU/KZ-документы. Метрики детектора публикуем после первых замеров на реальных данных.
Демо
Вставьте фрагмент рабочего текста и посмотрите, что Aqura обезличила бы перед отправкой во внешнюю модель. Это упрощённая клиентская демонстрация, а не сам детектор.
Текст не покидает ваш браузер. Ни одного сетевого запроса.
Первый шаг
Показываем, какими AI-сервисами реально пользуются в вашей компании и какие данные туда уходят. Без установки агентов: работаем с логами, которые у вас уже есть.
Что мы просим от вас: выгрузку логов прокси/NGFW или аудит-логов M365/Workspace за 30 дней и один 30-минутный созвон в начале и в конце.
Следующий шаг после отчёта — если он покажет, что контроль нужен.
Пилот
Мы не просим верить нашим цифрам. Detection rate и false positive rate измеряются на ваших данных, критерий успеха фиксируется письменно до старта.
4–6 недель от подписания до результата.
1–2 системы или один отдел — не вся компания сразу.
Detection rate и false positive rate на ваших реальных данных.
Фиксируется письменно до старта. Не достигли — вы не продолжаете.
Стоимость пилота зависит от охвата и варианта развёртывания — обсуждаем на созвоне после отчёта.
Вопросы
Базовый слой — маршрутизация, аналитика и общий DLP — коммодитизирован: у крупных облачных провайдеров он раздаётся бесплатно на всех тарифах. Разница в трёх вещах. Первое: у глобальных платформ AI-security нет региона обработки в Центральной Азии — ближайшие Индия и Сингапур. Второе: их детекторы не знают ИИН и БИН и не рассчитаны на казахский язык. Третье: журнал и отчётность у них сделаны под другие юрисдикции. Мы закрываем ровно эти три вещи и работаем в вашем контуре.
Встроенные средства покрывают трафик внутри самой экосистемы. Они не видят, что сотрудник открыл ChatGPT в браузере под личным аккаунтом, что разработчик подключил модель в IDE и что агент обратился к внешнему сервису напрямую. Отчёт по видимости показывает разницу между тем, что покрыто, и тем, что происходит.
Регулярное выражение для номера телефона действительно пишется за день. Дальше начинается остальное: ФИО и адреса на казахском и в смешанных текстах, измеренный уровень пропусков на ваших данных, хранилище сопоставлений с ротацией ключей и TTL, журнал, который выдержит проверку, и человек, который всё это поддерживает через год. Мы предлагаем начать с отчёта по видимости: он покажет масштаб, а решение «строить или покупать» вы примете на цифрах.
Нет, и никто не может. Соответствие — это юридическая оценка ваших процессов, а не свойство программного продукта. Aqura даёт техническую часть: контроль над тем, какие данные уходят наружу, и доказательства того, что именно происходило. Юридическую квалификацию конкретных сценариев делает ваша юридическая служба.
Детекция и обезличивание добавляют десятки миллисекунд на типичном текстовом запросе — на фоне времени ответа самой модели это незаметно. Точные цифры зависят от объёма текста, набора политик и вашего профиля нагрузки; мы фиксируем их замером в пилоте, а не обещанием на лендинге.
Таблица сопоставления токенов и исходных значений хранится в отдельном шифрованном хранилище внутри вашего контура. Доступ — по RBAC, с ротацией ключей и настраиваемым TTL: после истечения срока восстановление исходных значений становится невозможным. У нас доступа к этому хранилищу нет.
Команда
Aqura — продукт компании Nexa Core. Мы работаем в Казахстане и строим инфраструктурный слой AI-безопасности для локального рынка: юрисдикция, языки и требования к отчётности здесь другие, чем те, под которые сделаны глобальные платформы.
Инженеры с опытом построения продакшн-систем обработки данных и интеграций с корпоративной инфраструктурой.
Практика внедрения DLP и SIEM в компаниях финансового и телеком-сектора Казахстана.
Pre-MVP: работает прототип детектора, идут первые замеры. Мы говорим об этом прямо и не выдаём план за факт.
Заявка
Ответим в течение одного рабочего дня и пришлём список логов, которые понадобятся.