Ваша проблема с Copilot на самом деле не в функционале. Это проблема доверия к модели, которая за ним стоит. Большинство команд до сих пор считают, что безопасность обеспечивается промптами, правами доступа и парой фильтров на периметре. Но суть в том, что злоумышленникам не нужно обходить ваш промп, им достаточно отравить контекст вокруг него, и вот тут все ломается. Базовые фильтры могут отловить явный мусор, но они пропускают полезную нагрузку, скрытую в письме, файле SharePoint или поле формы. Этот полученный контент спокойно ждет своего часа, пока Copilot не извлечет его и не воспримет как прямую инструкцию. Мы уже видели тревожные сигналы, утечку ЭКО в Microsoft 365 Copilot и утечку шар в Copilot Studio. И реальность такова, что исправления не положили конец этой проблеме. Поскольку Copilot может искать, обобщать и действовать во всей вашей среде Microsoft 365, один вредоносный путь инструкции может быстро распространиться. Поэтому дело не в добавлении еще одной панели мониторинга, а в том, чтобы поставить Azure Logic Apps на пути для проверки, оценки и блокировки вредоносных данных до того, как Copilot запустится. Настоящая опасность кроется в архитектуре, а не в промпте. Старая модель предполагает, что можно сохранить систему безопасности, составляя лучшие инструкции вокруг модели. Вы даете ей строгий системный промп, добавляете разделители и говорите пользователям, чего делать нельзя. На бумаге это звучит разумно, но в реальности модель не обеспечивает границы доверия так, как это делала бы система безопасности, потому что она считывает язык в одном общем канале, где инструкции и данные конкурируют за внимание. Это предположение ошибочно. Если модель не может надежно отличить просьбу пользователя о помощи от документа, который незаметно велит ей игнорировать предыдущие инструкции, то точка контроля не может находиться только на уровне промпта. Вы пытаетесь обезопасить поведение на периметре, в то время как реальный риск заключается в потоке контекста, поступающем в модель. Многие команды осознали это, когда появились рабочие нагрузки Copilot с интенсивным использованием поиска. В тот момент, когда Copilot начинает извлекать данные из писем, файлов и истории чатов Microsoft Graph, поверхность атаки полностью меняется. Вы больше не просто защищаете диалог, вы защищаете поток данных с разным уровнем доверия в реальном времени. И на уровень глубже Copilot расширяет возможности доступа. Он не просто отвечает на вопросы, он находит, обобщает и следует ссылкам. В некоторых конфигурациях он может даже запускать инструменты или рабочие процессы. Поэтому, когда в эту цепочку попадает недоверенный контент, модель может перенести это влияние на выполнение конфиденциальных действий. Вот почему непрямая инъекция промпта сейчас так важна. В рабочих системах типичная атака — это не всегда пользователь, который печатает «Игнорируй свои правила» в окне чата. Более опасная версия скрывается внутри извлеченного контента, зачастую неделями оставаясь незамеченной. Отравленный, документ, специально составленное письмо или запись в форме могут казаться безобидными для людей, но они содержат инструкции, направленные непосредственно на модель. Позже Капайлот извлекает этот контент как релевантный контекст, смешивает его с доверенными данными, и модель начинает следовать неверным указаниям. Цепочка атаки проста, и именно это делает ее опасной. Сначала злоумышленник размещает контент там, где Капайлот может его найти, затем извлечение добавляет этот контент в сессию, после чего модель воспринимает полезную нагрузку как инструкцию, а не как данные. После этого она может начать подготовку конфиденциальной информации, формировать ответы или направлять данные по пути эксфильтрации через ссылки или использование инструментов. Поэтому для руководителей это не просто гигиена, и это контроль выполнения, напрямую связанные с управлением доступом. Если Капайлот имеет широкий доступ в рамках клиента, а модель использует контекст с разным уровнем доверия без четкого разделения, то ваша модель безопасности должна учитывать все, что попадает в поток до начала выполнения. Как только вы это осознаете, меняется и подход к исправлению. Вы перестаете зацикливаться на идеальных промптах и начинаете внедрять средства защиты там, где перемещается контекст. Почему базовые средства защиты не работают в промышленной среде? Большинство команд совершают фундаментальную ошибку в самом начале. Они полагают, что средства защиты, которые годами использовались в разработке приложений, будут также эффективны для Капайлот. Они пишут более строгий системный промп, заключают пользовательский ввод в специальные символы и публикуют рекомендации для сотрудников, чувствуя себя в безопасности. Эти шаги неплохи, и я не призываю вас прекратить их выполнение, но они не создают реального периметра безопасности. Они лишь пытаются убедить модель вести себя правильно, а в безопасности убеждения это не то же самое, что принуждение. Именно здесь кроется проблема. Системный промп говорит модели, что вы предпочли бы сделать, но он не может помешать вредоносному файлу завладеть вниманием модели, как только этот файл попадает в рабочую область. Использование разделителей может помочь структурировать текст, но это не дает модели способа проверить допуски безопасности. Рекомендации для сотрудников отлично подходят для предотвращения случайных ошибок, но они совершенно бесполезны против отравленного документа или скрытой полезной нагрузки в извлеченных данных. Этот контроль существует как рекомендация, а не как жесткое правило, действующее при выполнении. У регулярных выражений похожая проблема. Они быстрые и дешевые, поэтому их стоит использовать для быстрой предварительной проверки. Если пользователь введет «Игнорируй все предыдущие инструкции», ваша система должна отловить это за несколько миллисекунд. Вы также можете использовать их для пометки явных фраз для обхода конфиденциальности или символов в стиле SQL в аргументах ваших инструментов. Эта часть работает нормально, но регулярные выражения распознают только заданные вами шаблоны, поэтому они не справляются, когда формулировки меняются или когда атака основана на смысле, а не на конкретных словах. Вот почему вам нужны уровни классификации. Система Azure iContent в софете оснащена экранами запросов, которые могут обнаруживать как прямые, так и косвенные атаки через инъекции. В Logic App можно вызвать API для проверки запроса до того, как его увидит модель, а затем изменить путь рабочего процесса, если обнаружена атака. Это гораздо более надежный контроль, чем простое сопоставление строк, поскольку он учитывает намерения, стоящие за словами в запросе и документах в целом. Даже в этом случае одного обнаружения недостаточно, потому что видеть риск бессмысленно, если у вас нет способа его остановить. Команды безопасности часто недооценивают эту конкретную часть процесса. Предупреждение в лог-файле – это не сдерживание, и красивая плитка на дашборде – тоже. Даже высокоприоритетное оповещение в вашей системе мониторинга бесполезно, если вредоносная нагрузка уже прошла через и вызвала действия в нежестоящей системе. Анализ событий постфактум полезен для расследования, но этого недостаточно, когда атака происходит за секунды. Вы имеете дело с моделью, которая может действовать внутри систем, которым ваша организация уже доверяет. Существует также проблема ложно-отрицательных результатов, которую игнорирует большинство маркетинговых отделов. Косвенные атаки – причина огромной части пропущенных угроз, потому что опасная инструкция выглядит совершенно нормально, пока модель не объединит ее с остальной частью диалога. К тому времени, как человек проверит результат и поймет, что что-то не так, вредоносный ввод уже выполнит свою задачу. Практическая ошибка здесь очень проста. Команды тратят все свое время на наблюдение за тем, что говорит копайлот, но не контролирует то, что в него поступает, с той же дисциплиной. Они проверяют ответ после его генерации, позволяя ненадежным данным поступать в систему еще до начала работы. Такой порядок действий в корне неверен. Как только вы осознаете этот изъян, вся цель вашей стратегии безопасности меняется. Вы перестаете спрашивать, как написать более безопасный запрос и начинаете искать, где перехватить данные до того, как модель их исполнит. Модель Брандмауэра Logic App. Если цель – перехват, нам нужно посмотреть, как этот контроль выглядит на практике. Вам следует использовать Azure Logic Apps в качестве уровня политик, который стоит перед фазой исполнения. Это не должен быть пассивный инструмент, отправляющий отчет после того, как ущерб уже нанесен. Нужно разместить его непосредственно на пути прохождения пользовательского ввода и извлекаемых данных, чтобы их можно было проверить до того, как модель приступит к работе. Этот сдвиг эффективен, поскольку Logic Apps созданы для оркестрации. Он может запускаться при определенных событиях, вызывать другие API и принимать решения на основе сложных условий. Вы можете направлять данные, отправлять оповещения в Microsoft Sentinel и дополнять процесс внешней информации, не создавая пользовательский шлюз безопасности с нуля. Вы не пытаетесь заменить Copilot. Вы просто внедряете уровень контроля в рабочий процесс вокруг него. Логика этой модели намеренно сделана простой. Сначала вы запускаете процесс, затем нормализуете данные. Вы проверяете их, оцениваете риск, принимаете решение и, наконец, перенаправляете или регистрируете результат. В этом заключается весь шаблон. Когда запрос или фрагмент контента попадает в рабочий процесс, Logic App получает эти данные и стандартизирует их. Необработанные входные данные обычно беспорядочны, так как разные соединители обрабатывают их по-своему. Электронное письмо выглядит иначе, чем запись в форме, а содержимое файлов или аргументы инструментов всегда имеют разные метаданные и поля. Если вы попытаетесь провести проверку до нормализации этих данных, ваша система обнаружения будет давать массу ложных срабатываний. Как только данные приведены к единому формату, начинается первый этап проверки. Здесь ваши собственные регулярные выражения все еще могут пригодиться. Это не окончательный вердикт и не магическое решение, но оно работает как очень быстрый фильтр на периферии вашей системы. Вы можете быстро отсканировать известные команды переопределения, подсказки кодировки или подозрительные шаблоны в параметрах инструментов для мгновенной оценки ситуации. Затем вы переходите ко второму этапу проверки, который гораздо глубже анализирует контент. На этом этапе вы вызываете экраны промптов Azure Eye Content Sofit. Logic App отправляет запрос пользователя и все полученные документы в API, а затем разделяет процесс в зависимости от того, была ли обнаружена атака. Это важно, поскольку инъекции промптов не всегда выглядят как очевидный программный код. Иногда опасность становится ясна только тогда, когда запрос и документ оцениваются как единое целое. Есть еще один уровень, который превращает это из простого фильтра в реальный механизм контроля безопасности – это анализ угроз. Если контент ссылается на известный вредоносный домен или подозрительный URL, который ваша команда уже видела, это должно повлиять на ваше решение. Logic Apps могут проверять события по данным анализа угроз Defender или других сторонних источников, чтобы добавить оценку достоверности риска. Это означает, что странный шаблон от доверенного источника может быть пропущен, тогда как тот же самый шаблон с низким рейтингом репутации будет немедленно заблокирован. Это превращает ваше дерево решений во что-то большее, чем просто выбор «да» или «нет». Вы можете разрешить запрос, если оценка риска низкая, или очистить его, удалив небезопасные фрагменты. Вы можете поместить данные в карантин, если источник требует ручной проверки. Если действие связано с конфиденциальными данными, можно даже потребовать одобрения человека, прежде чем оно будет выполнено. Разумеется, если сигнал достаточно сильный, вы просто блокируете запрос и отправляете оповещение. Именно такой спектр возможностей делает эту модель действительно эффективной для бизнеса. Команды безопасности часто препятствуют внедрению, отклоняя любой случай с долей неопределенности, а когда контроль слишком строг, люди находят способы его обойти. Рабочий процесс с оценкой рисков позволяет реагировать на основе реальной угрозы, а не паники. Именно поэтому Logic Apps подходит лучше, чем набор разрозненных инструментов. Они уже интегрированы с остальной экосистемой Microsoft и отлично работают со сценариями Sentinel. Вы можете запустить проверку безопасности контента, найти данные об угрозах и отправить события аудита в одном месте. Вам не нужен долгий цикл разработки каждый раз, когда злоумышленник меняет формулировки или появляется новый способ проникновения в систему. Правило, благодаря которому все это работает, очень простое. Вы должны рассматривать каждый элемент контекста как ненадежный, пока он не будет оценен. Это касается не только пользовательского запроса, но и тела письма, загруженного файла и поля формы SharePoint. Сюда входит полезная нагрузка соединителя, фрагменты извлеченных документов и даже аргументы инструментов. Все это должно быть проверено. Как только вы решите, что один из этих источников безопасен по умолчанию, вы создадите новую брешь для злоумышленника. Когда ваш рабочий процесс последовательно применяет это правило, вам больше не нужно полагаться на то, что Капайлот сам отделит хорошие данные от плохих. Процесс превращается в систему контролируемого доступа. На бумаге это звучит как отличная теория, но людей на самом деле волнует то, что произойдет, когда опасная нагрузка попадет в рабочий процесс в реальности. Что рабочий процесс делает во время выполнения, когда система запущена, он не просто сканирует текст на наличие плохих слов, он формирует полную картину запроса до принятия какого-либо решения. Событие поступает в точку входа, например, отправка формы, поток электронной почты или загрузка документа, связанная с процессом Капайлот, и Logic Apps немедленно обогащает это событие метадонами. Система очлеживает, кто отправил запрос, какое приложение его обработало, откуда появился файл и что система собирается делать дальше. Этот дополнительный контекст жизненно важен, так как одна и та же фраза может означать совершенно разное в зависимости от источника. После получения данных полезная нагрузка разделяется на определенные зоны доверия. Вы должны сохранять эту сегрегацию четкой. Запрос пользователя помещается в один контейнер, извлеченные документы – в другой, а история переписки или параметры инструментов – в свой собственный блок. Если смешать все это слишком рано, вы не сможете определить, откуда исходила рискованная инструкция и процесс проверки превратится в гадание. Многие команды пропускают этот шаг, считая объединение более быстрым, но на деле это лишь скрывает нужный вам путь. Затем рабочий процесс переходит к нормализации. Это скучная часть работы, но именно она делает вашу систему обнаружения действительно пригодной для использования. Нужно удалить лишнюю разметку, декодировать URL или Base64 и сплющить вложенные поля, чтобы проверка проводилась по стабильной структуре. Если один коннектор отправляет форматированный текст, а другой – фрагменты JSON, их нужно привести к единым полям, доступным для анализа. Без этого ваша логика будет тратить больше времени на борьбу с изменениями формата, чем на поиск реальных атак. После очистки данных выполняется первый быстрый проход по шаблонам. Это должно быть недорого, прямолинейно и быстро. Вы ищите фразы, пытающиеся изменить поведение системы, например, варианты «Игнорируй все предыдущие инструкции» или «Системное переопределение». Также вы ищите попытки извлечения данных, когда кто-то просит раскрыть конфиденциальный материал, выгрузить секреты или обойти настройки приватности. В Logic Apps команды обычно решают это через выражение или шаги «Композь», выставляя флаги вместо немедленной блокировки при каждом совпадении. Такая маркировка важна, потому что отдельная фраза не всегда означает злонамеренные действия. Сотрудник, работающий в рамках легитимного процесса безопасности, может буквально спросить о проверке обработки конфиденциального контента. Для решения этой задачи рабочий процесс отправляет расширенную нагрузку в Azure iContent в софете PromptShields для более глубокого анализа. Вызов API включает и запрос пользователя, и найденные документы, так как проблема чаще всего кроется во взаимосвязи между ними. Сервис возвращает простой сигнал, и если обнаружена атака, рабочий процесс меняет маршрут до того, как произойдет вызов модели. Затем необходимо добавить внешний контекст. Поиск данных об угрозах дает рабочему процессу дополнительный инструмент анализа. Вы можете запрашивать Microsoft Defender Treat Intelligence или любой доверенный источник TXII для проверки доменов, URL или индикаторов, связанных со злоупотреблениями. Следует использовать показатели достоверности, если они доступны, так как репутация источника должна влиять на итоговую оценку, а не заменять ее полностью. Слабая полезная нагрузка из рискованного источника всегда должна оцениваться выше, чем та же нагрузка из надежного внутреннего процесса. В итоге система формирует совокупную оценку. Она учитывает силу совпадения шаблонов, результат работы защиты промптов, репутацию источника и чувствительность запрашиваемого действия. Запрос с низким уровнем риска на краткое изложение публичной статьи не так важен, как запрос, способный раскрыть защищенные файлы. Именно эта совокупная оценка определяет дальнейшие действия. Безопасные события обрабатываются в штатном режиме. Случаи среднего риска очищаются или направляются через безопасный резервный маршрут, а высокорискованные случаи блокируются еще до запуска Капайлот. Все данные записываются в журнал аудита с сохранением пути принятия решения. Эти заблокированные события показывают, где растет напряжение и какие источники создают проблемы. Когда вы видите, какие шаблоны проникают в бизнес-процессы, у вас появляются данные для настройки системы к следующему этапу. Как настроить систему для снижения шума и реального использования в бизнесе. После запуска системы характер работы меняется. Создание потока – это самая простая часть. Настройка так, чтобы люди доверяли системе и не искали обходные пути, определяет, станет ли это реальным инструментом безопасности или очередным неудачным экспериментом. Если система создает слишком много помех, пользователи просто найдут способ ее обойти, что сделает весь проект бессмысленным. Начинать следует с малого. Не пытайтесь отслеживать каждую точку взаимодействия с Капайлот в первый же день. Вместо этого выберите места с наибольшим риском и понятным путем, например, действия с использованием инструментов или источники ценных данных. Можно начать с одного процесса на базе SharePoint или конкретного рабочего процесса с формами, чтобы получить понятный сигнал. Небольшой масштаб дает возможность учиться, не утопая в данных. При настройке первичных проверок ориентируйтесь на полноту охвата, а не на абсолютную точность. Первый этап должен выявлять подозрительные формулировки на ранней стадии, а не доказывать злой умысел вне всяких сомнений. Если требовать от шаблонов идеальности, они становятся хрупкими и начинают пропускать то, что действительно важно. Лучше позволить системе на первых порах давать чуть больше ложных срабатываний, а затем использовать последующие проверки для уточнения контекста. Вот почему оценка важнее, чем отдельные совпадения. Само по себе совпадение фразы не всегда должно блокировать запрос, но в сочетании с флагом защиты промптов и рискованным источником ситуация меняется. Слабые сигналы должны накапливаться, а сильные – ускорять блокировку. В этом фундаментальное различие между жестким раздражающим фильтром и моделью политик, которая действительно работает для бизнеса. Также необходимо установить верхний предел для ложных срабатываний. Старайтесь удерживать этот показатель ниже 2%, потому что как только люди почувствуют, что контроль мешает их работе, они перестанут доверять системе. Именно тогда начинаются поиски обходных путей. Пользователи будут копировать текст в неконтролируемые инструменты. Команды создадут теневые процессы, а администраторы начнут просить о повсеместных исключениях. Система контроля рухнет изнутри не из-за сбоя в обнаружении, а потому, что трения станут слишком значительными. Чтобы предотвратить это, нужно следить за правильными метриками. Забудьте о показных, дашбордах и сосредоточьтесь на среднем времени обнаружения. Для задач, требующих ручной проверки, этот показатель должен быть менее 15 минут. Также следует отслеживать время автоматического сдерживания и стремиться к менее чем 5 минутам там, где блокировка безопасна. Если рабочий процесс постоянно срабатывает, но никак не влияет на решение, это просто шум. Стоимость – еще один фактор, требующий постоянной корректировки. Logic Apps с оплатой за потребление отлично подходят для пиковых нагрузок или небольших пилотных проектов, так как вы платите только за выполнение. Однако стандартный план становится выгоднее, когда объем событий предсказуем и настолько велик, что расходы на каждый запуск начинают бить по бюджету. Не пытайтесь угадать. Оцените реальное количество триггеров и размеры полезной нагрузки, прежде чем выбирать тарифную модель. Будьте осторожны с тем, как вы используете хранилище. Вам нужна история запусков для анализа инцидентов и отчетности, но не нужна огромная база данных с конфиденциальным контентом. Сохраняйте только те поля, которые объясняют принятые решения, и избавляйтесь от лишнего, что создает риски при хранении данных. Хранение избыточных данных может превратить ваш инструмент безопасности в угрозу конфиденциальности, если быть неосторожным. Наконец, свяжите все эти настройки с вашей общей стратегией управления. Сопоставьте рабочий процесс с функциями NISTI-RMF, такими как измерение и управление, и привяжите его к меткам конфиденциальности данных в первью. Иногда лучшее решение – это не более умный детектор, а просто ограничение доступа рабочего процесса, пока это не стало проблемой. Дойдя до этого этапа, вы перестаете обсуждать безопасность и абстрактно. Вы внедряете реальную рабочую модель с пороговыми значениями и компромиссами, которыми бизнес может управлять. Что это меняет для руководителей и архитекторов? Как только вы это внедрите, Капайлот перестанет быть системой слепого доверия, и именно здесь произойдет настоящий сдвиг. До этих изменений модель получала хаотичный контекст, а ваша команда надеялась, что верные инструкции возьмут верховье. Теперь этот контекст проходит проверку, оценку и маршрутизацию до того, как модель вообще получит к нему доступ. Результат безопасности перестает быть абстрактной политикой, поскольку теперь он функционирует как контролируемое исполнение. Для архитекторов это меняет само место нахождения безопасности в дизайне системы. Теперь это находится не только в настройках арендатора, разрешениях или шаблонах запросов, а непосредственно на пути транзакции. Каждый важный запрос получает точку перехвата, а каждое критически важное действие следует по заданному алгоритму принятия решений. Это означает, что каждый новый коннектор, агент или плагин оценивается как входной путь, а не просто как очередная функция повышения продуктивности. Это крайне важно, поскольку именно архитектурный сдвиг обычно приводит к провалу таких программ. Одна команда внедряет Капайлот для одной задачи, затем другая команда подключает форму, и со временем кто-то добавляет рабочий процесс или дает доступ к инструментам. Каждое из этих изменений выглядит незначительным, но вместе они создают гораздо более широкий вектор атаки, чем кто-либо планировал. Если вы не встроите перехват в свою рабочую модель, среда будет расширяться гораздо быстрее, чем ваши средства контроля смогут за ней поспевать. Для руководителей служб безопасности этот подход наконец решает проблему размытой ответственности, от которой страдают многие организации. Сейчас риски Капайлота обычно остаются в слепых зонах между разными командами. SOC видит оповещение, администраторы Microsoft 365 отвечают за конфигурацию, а владельцы и заботят только уровень внедрения. При использовании пути управления Logic Apps все эти группы наконец могут работать в рамках единой модели реагирования. Они используют один и тот же журнал событий, логику оценки и историю ветвлений, что устраняет неразбериху, когда в рабочем процессе появляется опасный запрос или вредоносный документ. Бизнес-сторона этого вопроса гораздо проще, чем кажется на первый взгляд. Заблокировать угрозу на раннем этапе всегда дешевле, чем пытаться устранить последствия позже. Устранение последствий включает расследования, юридические проверки и перерывы в пользователей и обычно заканчивается неприятным пересмотром прав доступа, который следовало провести до запуска. Руководителям не нужны долгие лекции об этике и им достаточно понять, что контроль во время выполнения стоит дешевле, чем распространение неуправляемых рисков в повседневных системах сотрудников. Для руководителей высшего звена это поднимает неудобный вопрос о том, где именно скрываются риски. Риски и больше не находятся в песочнице или пилотной лаборатории, теперь они живут в Word, Outlook, SharePoint и Teams. Люди уже привыкли считать эти среды безопасными, и это незаслуженное доверие, именно то, что повышает риски для компании. Некорректный рабочий процесс в экспериментальном приложении – это локальная проблема, но в вашем повседневном стеке продуктивности это совершенно другое дело. Ваш путь внедрения должен оставаться узким и очень продуманным. Начните с одного сценария использования, одного триггера и одной модели оценки. Выберите направление, где данные действительно важны, а поведение системы легко отслеживать. Вам нужно доказать, что рабочий процесс выявляет рискованные входные данные и направляет безопасные, предоставляя человеку полезную информацию при необходимости проверки. Как только вы докажете работоспособность этого подхода, можно начинать расширение. Позднее можно добавить обнаружение аномалий или контроль выходных данных там, где это уместно. Можно даже добавить более глубокий мониторинг неправомерного использования инструментов, но первый барьер должен оставаться там, где ненадежный контекст попадает в систему. Если этот первый рубеж останется слабым, все последующие меры контроля будут лишь попыткой компенсировать неудачную отправную точку. Суть изменений на самом деле очень проста. Перестаньте воспринимать промп-инъекции просто как проблему формулировок и начните относиться к ним как к контролю среды выполнения для ненадежного контекста, проходящего через капайлот. Найдите время, чтобы на этой неделе составить схему одного рабочего процесса капайлот от начала до конца. Найдите последнюю точку безопасного перехвата перед выполнением и создайте логическое приложение, которое оценивает, блокирует и регистрирует этот конкретный путь. Если вы хотите больше информации о безопасности капайлот без лишней воды, подписывайтесь и оставляйте отзывы. Вы также можете связаться со мной, Мирко Питерсом, в LinkedIn, чтобы рассказать о конкретном сценарии вашего тенанта, который вы пытаетесь защитить.