ChatGPT под контролем: on-prem шлюз Obscura не даёт секретам утечь
Появился Obscura — шлюз, который ставится между пользователем и нейросетью и проверяет каждый запрос до отправки. Идея простая: данные остаются внутри компании, а риск случайно слить конфиденциальную информацию в ChatGPT и другие ИИ-сервисы становится ниже.
Что именно делает Obscura
Автор проекта сделал Obscura как следующий шаг после офлайн-инструмента для ручной очистки данных. Если раньше всё зависело от того, вспомнит ли сотрудник подготовить конфиг перед отправкой в ИИ, то теперь проверка происходит автоматически на уровне шлюза.
Сервис работает on-prem, то есть внутри инфраструктуры компании. Он может принимать запросы через OpenAI-совместимый API, поддерживает адаптер для Anthropic, умеет работать с веб-интерфейсами через расширение для Chrome, Edge и Firefox, а также проверять файлы, изображения и корпоративный чат. Для администраторов доступны режимы Monitor, Warn и Enforce: от простого журнала до блокировки и маскирования до отправки.
Как он ищет секреты и почему это важно для русскоязычных команд
Внутри Obscura есть набор правил и детекторов, заточенных под реальные рабочие данные: ИНН, СНИЛС, банковские карты, реквизиты, телефоны, а также API-ключи, токены, AWS, GitHub и JWT. Для ИНН и карт используются не только шаблоны, но и проверки по контрольной сумме, чтобы случайные числа реже принимались за секреты.
Отдельный акцент сделан на русском языке. Многие DLP-инструменты лучше работают с английским, а здесь учитываются кириллица, склонения и привычные для локальных компаний форматы документов. Перед проверкой текст ещё и нормализуется: раскодируются Base64 и Hex, убираются невидимые символы, склеиваются разреженные цифры и leetspeak. Для офиса это полезно тем, что меньше ложных тревог и выше шанс поймать реальную утечку до того, как она уйдёт в облако.
Что происходит с ответом модели и как это помогает безопасности
Одна из самых интересных идей проекта — замена секретов на синтетические суррогаты. Вместо меток, которые могут ломать JSON или код, модель видит правдоподобные данные, а шлюз потом подставляет обратно исходные значения. Это особенно удобно для программирования, автоматизации и обработки структурированных данных.
Obscura также умеет разбирать потоковые ответы по кускам, включая ситуации, когда строка приходит частями и даже режется на границах UTF-8. Автор проекта пишет, что система тестировалась на хаотичной фрагментации и не теряла байты. Для компании это означает, что защита не должна мешать обычной работе чатов, интеграций и внутренних инструментов.
В журнале событий отображается не только сам факт срабатывания, но и объяснение, почему правило сработало. Это помогает специалистам по безопасности быстрее настраивать правила и понимать, что именно блокируется. Дополнительно есть проверка цепочки журнала, чтобы было видно, если кто-то пытался что-то удалить или подправить.
Какие ещё сценарии закрывает шлюз
Помимо поиска секретов, Obscura учитывает инъекции и jailbreak, проверяет аргументы для инструментов, ограничивает токены на уровне ключа или отдела, а ещё позволяет заранее прогнать новое правило по прошлым логам за 7, 14, 30 или 90 дней. Так команда может увидеть, сколько легальных запросов правило заблокирует, ещё до включения в боевой режим.
Есть и сценарий для браузера: если расширение на компьютере сотрудника отключили или удалили, это сразу видно в консоли. А если в запросе попадается скриншот с паспортом или картой, OCR достаёт текст и отправляет его в тот же конвейер. Если обнаруживается секрет, запрос блокируется, оригинал шифруется, а SecOps получает уведомление. Для компаний это практичный способ снизить риск утечек без полной остановки работы с ИИ.