Zero-trust platforma dla zewnętrznej powierzchni ataku i materiału regulacyjnego
OSINTMatrix w portfolio QuantixLabs przekształca rekonesans zewnętrzny w tenant-scoped evidence, monitoring delty, findingi z kontekstem ATT&CK, mapowanie regulacyjne, lokalne AI remediation i brandowane artefakty PDF.
Sześć etapów wykonania
Rekonesans jest tylko punktem wejścia. Platforma utrzymuje jeden control plane przez capture, scoring, mapowanie, raportowanie, monitoring i remediację.
Każde żądanie przechodzi przez org-scoped validation, kontrolę limitów i policy gates zanim uruchomi się rekonesans.
DNS, TLS, aplikacja, cloud i email posture trafiają do jednej tenant-scoped płaszczyzny dowodowej.
Deterministyczny scoring, unikalne denominatory domen i trend logic utrzymują audytowalność pomiędzy snapshotami.
CVE i misconfigurations są tłumaczone na MITRE ATT&CK oraz widoki NIS2, DORA, RODO i ISO 27001.
Standardowe i Delta PDF przechodzą przez BullMQ, Puppeteer i tenant-isolated object storage.
Każda organizacja wybiera runtime AI przez aiBaseUrl i aiModel, a deterministic fallback utrzymuje workflow przy braku inference.
Parametry operacyjne
Dopasowanie do języka kontroli
Findings pozostają powiązane z tym samym zestawem dowodowym co ATT&CK, compliance, monitoring i raporty, więc zespoły nie pracują na rozłącznych eksportach.
Posture bezpieczeństwa przez architekturę
Platforma została zaprojektowana jako zero-trust control plane dla wrogiej treści zewnętrznej: tenant isolation, fail-closed startup, lokalna inferencja, artefakty w object storage i transakcyjne erasure.
Bezpieczeństwo egressu
DNS pinning, blokada prywatnych zakresów IP i odmowa redirectów ograniczają rekonesans tak, aby runtime nie stawał się pivotem SSRF.
Integralność kolejek
Mutowalne payloady BullMQ są chronione HMAC i weryfikowane constant-time przed wykonaniem przez worker.
Trwałe artefakty, efemeryczny dysk
Standardowe i Delta PDF trafiają do S3, MinIO lub R2 pod tenant-aware kluczami, a lokalne scratch files są usuwane po uploadzie.
Lokalny runtime AI
Organizacje wybierają aiBaseUrl i aiModel per tenant zamiast jednego obowiązkowego publicznego endpointu inference.
Scenariusze wdrożeniowe
Monitorowane cele, priorytet findings i zmiany między snapshotami w jednym widoku operatora.
Mapowanie kontroli, Delta PDF i regulator-readable narratives budowane z tego samego tenant-scoped evidence.
Ciągły monitoring dostawców zamiast jednorazowych ocen opartych na arkuszach.
Per-organizacyjne wybory runtime AI dla summary i remediation bez utraty lokalności dowodów.