Оценка эффективности архитектуры Zero Trust для управления доступом к персональным данным в облачных сервисах

Введение

В условиях стремительной цифровой трансформации и массовой миграции корпоративных ресурсов в облачные инфраструктуры, защита персональных данных (ПДн) становится одной из наиболее критичных задач информационной безопасности [1]. Традиционные подходы к защите, основанные на концепции контролируемого сетевого периметра, демонстрируют свою несостоятельность в реалиях распределенных вычислений, удаленной работы и использования концепции Bring Your Own Device (BYOD), что подтверждается анализом современного ландшафта угроз [1].

Анализ современного ландшафта киберугроз показывает, что основными векторами атак на облачные сервисы остаются фишинг, компрометация пользовательских устройств и несанкционированный доступ, приводящие к масштабным утечкам чувствительной информации [1]. В традиционной модели сетевой безопасности предполагается, что пользователи и устройства, находящиеся внутри корпоративной сети (или подключенные через VPN), по умолчанию заслуживают доверия. Это архитектурное допущение позволяет злоумышленникам, успешно преодолевшим внешний периметр, беспрепятственно осуществлять горизонтальное перемещение (lateral movement) внутри сети и получать доступ к ПДн [8].

В связи с этим необходим переход к парадигме Zero Trust («никому не доверять»), требующей постоянной верификации каждого запроса к данным независимо от местоположения источника [8].

Цель исследования: оценить эффективность архитектуры Zero Trust для управления доступом к персональным данным в облачных сервисах в сравнении с традиционными моделями. Для этого решаются следующие задачи: сравнительный анализ подходов; разработка математической модели оценки рисков и управления доступом; формализация алгоритма адаптивного контекстно-зависимого контроля; имитационное моделирование угроз с количественной оценкой эффективности; формулировка рекомендаций по внедрению Zero Trust в облачные среды обработки ПДн.

Объект исследования: системы управления доступом к персональным данным в облачных сервисах.

Предмет исследования: методы и модели оценки эффективности архитектуры Zero Trust для снижения рисков компрометации персональных данных.

Обзор литературы и существующих моделей

Исторически защита корпоративных данных базировалась на модели «Castle-and-Moat» (замок и ров), или традиционной периметровой безопасности. В рамках этого подхода основное внимание уделяется защите границ сети с помощью межсетевых экранов, систем обнаружения вторжений (IDS/IPS) и VPN-шлюзов. Как отмечают исследователи, фундаментальный недостаток данной парадигмы заключается в транзитивном доверии: скомпрометированная учетная запись или устройство внутри периметра получают избыточные привилегии доступа к ресурсам [8].

Концепция Zero Trust Architecture (ZTA), впервые предложенная аналитиками Forrester Research, радикально меняет этот подход, постулируя принцип: «никогда не доверять – всегда проверять» [2]. Архитектура нулевого доверия исключает понятие доверенной сети, требуя строгой аутентификации и авторизации для каждого сеанса доступа на основе динамического контекста.

Построение систем защиты ПДн в облаке строго регламентируется международными и национальными стандартами. Стандарты ISO/IEC 27017 [4] и NIST SP 800-144 [5] определяют базовые требования к безопасности облачных вычислений. В то же время публикация NIST SP 800-207 формализует принципы ZTA, которые органично дополняют требования регуляторов по защите приватности (таких как GDPR и Федеральный закон РФ № 152-ФЗ «О персональных данных»), требуя внедрения механизмов минимизации привилегий (Least Privilege) [7, 11]. Систематизация различий подходов представлена в таблице 1.

Таблица 1

Сравнение традиционной модели безопасности и Zero Trust

Переход от RBAC к ABAC в Zero Trust позволяет учитывать не только роль пользователя, но и состояние устройства, геолокацию, время и поведенческие паттерны, что критически важно для защиты ПДн в публичных облаках. Гибридные модели, сочетающие принципы Zero Trust с традиционными подходами, повышают гибкость и безопасность [9, с. 1-8].

Методология

Для проведения оценки эффективности ZTA необходимо формализовать метрики риска и доступа. В данном исследовании используется вероятностный подход к оценке рисков информационной безопасности. Метрика риска для конкретного сценария угрозы рассчитывается по классической формуле:

, (1)

Где P(Threat) – вероятность успешной реализации угрозы, а Impact – ущерб от компрометации ПДн (в рамках данного исследования условно принимается за константу Impact=1, так как акцент делается на снижении вероятности преодоления защиты). Модель доступа в архитектуре Zero Trust можно представить как многомерную функцию, возвращающую решение о предоставлении доступа:

, (2)

Где:

• – субъект доступа (пользователь);
• – устройство, с которого запрашивается доступ;
• Identity – вектор атрибутов аутентификации пользователя;
• Device – вектор состояния безопасности устройства;
• Context – поведенческие и средовые переменные.

Для количественной оценки успешности внедрения архитектуры вводится метрика эффективности модели (Efficiency), показывающая относительное снижение риска:

, (3)

Подход к исследованию: ввиду недоступности реальных данных об инцидентах (NDA), применено имитационное моделирование на основе усредненных статистических отчетов. Референтным источником тенденций выбран отчет IBM Cost of a Data Breach 2025 [3], отмечающий снижение стоимости утечек на 9% и растущую роль искусственного интеллекта в атаках и защите. Эти факторы учтены при интерпретации, однако для сопоставимости с предыдущими исследованиями базовые вероятности угроз взяты как усредненные за несколько лет. Был сформирован перечень наиболее критичных угроз для облачных хранилищ ПДн:

1. Фишинг (перехват легитимных учетных данных).
2. Компрометация устройства (заражение конечной точки вредоносным ПО, кража сессионных токенов).
3. Несанкционированный доступ (эксплуатация избыточных привилегий, инсайдерские угрозы).

Математическая модель Zero Trust

Для реализации динамического контроля разрабатывается формальная математическая модель управления доступом на основе оценки рисков в реальном времени.

Пусть S – множество запрашиваемых облачных сервисов с ПДн. Для каждого запроса , где , Policy Engine (модуль принятия решений в ZTA) вычисляет агрегированную оценку риска сессии RS (Risk Score), нормированную в диапазоне от 0 до 1. В архитектуре ZTA такие решения принимаются компонентами Policy Decision Point (PDP) на основе политик, определенных в Policy Administration Point (PAP), с использованием атрибутов из Policy Information Point (PIP) [6]:

, (4)

Где , , – весовые коэффициенты, устанавливаемые методом анализа иерархий (или иным экспертным методом) в соответствии с политикой безопасности предприятия (). Функции P оценивают вероятность отклонения параметров от базовой линии (baseline) [10, с. 4825].

В зависимости от вычисленного риска применяется функция адаптации защиты SecurityLevel (u,d):

, (5)

Где и – пороговые значения риска.

Алгоритм адаптивного контроля доступа:

1. Инициализация: система (Policy Enforcement Point, PEP) перехватывает запрос пользователя u с устройства d к ресурсу s [6].
2. Сбор телеметрии: извлекаются текущие атрибуты аутентификации, статус (posture) устройства и телеметрия контекста сети.
3. Расчет риска доступа: обращение к PDP для вычисления значения RS(q) с использованием предиктивных моделей или заранее заданных эвристик.
4. Определение уровня защиты: с помощью функции SecurityLevel (u,d) запрос классифицируется.
5. Применение мер безопасности: при Low – предоставляется прозрачный доступ; при Medium – инициируется требование пошаговой аутентификации (step-up authentication, например, запрос MFA) и включается усиленный мониторинг сессии; при High – доступ блокируется, сессия разрывается, формируется алерт в SIEM-систему.

Результаты и анализ

Для проверки предложенной модели было проведено симуляционное тестирование на выборке из 10000 условных транзакций доступа к облачной базе данных пациентов (содержащей специальные категории ПДн). В модель закладывались вероятности успешной реализации атак на основе традиционной архитектуры, после чего применялись фильтры и проверки модели Zero Trust.

Результаты симуляции представлены в таблице 2. Значения отражают вероятность успешного исхода атаки P(Threat)).

Таблица 2

Вероятность успешной реализации угрозы P(Threat)) в исследуемых моделях

Анализ эффективности

На основе полученных данных можно визуализировать профиль риска. Визуализация в формате гистограммы:

Рис. Традиционная модель vs Zero Trust: снижение рисков

Сравнение вероятности угроз: Традиционная модель vs Zero Trust

Как видно из рисунка, традиционная модель имеет более высокие вероятности по всем типам угроз, особенно для несанкционированного доступа (0,40), в то время как Zero Trust снижает их до уровня не выше 0,15.

Интерпретация результатов:

1. Фишинг: снижение риска на 50% обусловлено проверкой атрибутов устройства и контекста в ZTA, что требует MFA или блокирует доступ даже при скомпрометированных паролях [6].
2. Компрометация устройства: снижение на 60% достигается за счет микросегментации: несоответствие устройства политикам compliance переводит сессию в статус SecurityLevel = High, блокируя доступ вредоносного ПО к данным [6].
3. Несанкционированный доступ (–70%): отказ от статического RBAC в пользу гранулярного JIT-доступа и ABAC позволяет предоставлять права строго на момент задачи, минимизируя окно возможностей для злоупотреблений. Гибридные модели, по мнению исследователей, сохраняют при этом целостность и гибкость управления [9, с. 1-8].

Обсуждение

Результаты демонстрируют превосходство архитектуры Zero Trust при защите облачных персональных данных. Ключевым фактором является постоянная верификация: непрерывный мониторинг сессии (Continuous Adaptive Risk and Trust Assessment, CARTA) позволяет выявлять атаки типа «перехват сессии». Второе преимущество – микросегментация, изолирующая пулы ПДн и уменьшающая радиус поражения при локальной компрометации [6]. Адаптивный контроль балансирует безопасность и удобство: легитимным пользователям с низким уровнем риска не требуются дополнительные проверки.

Ограничения и сложности: внедрение ZTA сопряжено с двумя основными барьерами. Во-первых, это сложность интеграции с устаревшими (legacy) инфраструктурами, не поддерживающими современные протоколы федерации идентификаций (SAML, OIDC). Во-вторых, требуется значительные вычислительные ресурсы: развертывание компонентов PDP/PEP и интеграция с SIEM/SOAR могут увеличивать задержки (latency) доступа к облачным сервисам [8].

Заключение

Основные выводы: проведенное исследование подтверждает, что традиционная периметровая модель защиты не отвечает современным вызовам безопасности в облачных средах. Внедрение архитектуры Zero Trust позволяет в среднем на 60% снизить риск успешной реализации ключевых угроз, ведущих к утечкам персональных данных.

Научный вклад: формализованы модель оценки риска RS(q) и алгоритм адаптивного доступа, интегрирующий контекст пользователя, устройства и поведения. Метрика Efficiency позволяет количественно обосновать переход на ZTA.

Перспективы дальнейших исследований: применение машинного обучения для оптимизации весовых коэффициентов RS(q), развитие UEBA-профилирования в облаках и разработка отраслевых гибридных моделей доступа [9, с. 1-8].