В 2026 году практически все крупные производители межсетевых экранов нового поколения (NGFW) заявляют о поддержке искусственного интеллекта, но за этим стоят разные сценарии. Согласно обзору, подготовленному по публичным материалам на 17 сентября 2026 года, сравнивать решения по наличию «AI» почти бессмысленно. Cisco предлагает генеративного помощника в системе управления, Ideco сочетает распознавание AI-сервисов с аналитикой событий безопасности, а Palo Alto Networks использует глубокое обучение для выявления неизвестных угроз. Поэтому вместо общего рейтинга имеет смысл рассматривать четыре ключевых направления: машинное обучение для детектирования, генеративный AI в управлении, защита AI-приложений и агентов, а также контроль доступа к провайдерам нейросетей.

Мировой опыт демонстрирует глубокую интеграцию ML в защитные механизмы. Palo Alto Networks в своем продукте Advanced Threat Prevention сочетает локальное глубокое обучение с облачным анализом для выявления неизвестных C2-коммуникаций и эксплуатации уязвимостей. Это гибридная архитектура, где часть анализа выполняется непосредственно на межсетевом экране, а облачные модели дополняют локальные. Juniper предлагает сервис Advanced Threat Prevention, объединяющий статический и динамический анализ с машинным обучением и применением защитных действий на SRX; вендор описывает как облачный сервис, так и on-premises-решение. При выборе такого решения важно понимать, какие данные отправляются вовне, сколько времени занимает вердикт и что произойдет с трафиком при недоступности облачного сервиса.

Генеративный AI в системах управления выполняет иную роль — он помогает администраторам разбираться в конфигурации и выполнять рутинные задачи. Cisco AI Assistant является облачным компонентом Secure Firewall Management Center, поддерживает вопросы о политиках, рекомендации по настройке, troubleshooting и создание правил; для работы требуется интеграция с Cisco Security Cloud. Check Point AI Assist использует контекст политик, объектов, журналов и документации; его интеграция в SmartConsole документирована для R82, начиная с Take 1027, и Web SmartConsole, начиная с Take 125. У Juniper Security Director Copilot появился в релизе облачной системы управления от 14 июля 2026 года со статусом Beta: заявлены диалоговые сценарии подключения устройств, настройки и создания политик. Правильно объяснить существующее правило, сформировать новое и безопасно применить его в production-сети — важный аспект безопасности.

Отдельное направление — защита AI-приложений и агентов. Fortinet в анонсе FortiOS 8.0 описал FortiView для видимости Shadow AI, AI-aware Application Control и видимость взаимодействий по MCP (Model Context Protocol) и A2A (Agent-to-Agent). Там же заявлены AI-агенты для диалоговых сценариев диагностики и настройки в Security Fabric. Palo Alto Networks документирует маркировку GenAI-приложений как Sanctioned, Unsanctioned и Tolerated с применением политик на NGFW или Prisma Access; механизм связан со Strata Cloud Manager и требует соответствующих лицензий. В июле 2026 года компания объявила новый продукт — Prisma AIRS AI Gateway: отдельную точку контроля LLM-запросов, MCP-вызовов и A2A-взаимодействий с инспекцией промтов и запросов к LLM. Таким образом, NGFW у мировых лидеров всё чаще становится частью более широкой системы анализа и управления трафиком, а практически все вендоры используют облачные сервисы для работы AI-функций.

Российский рынок не сводится к одной шкале. У Kaspersky публично описано применение ML и AI для эвристического анализа файлов в NGFW, а также интеграция с Kaspersky Security Network. Positive Technologies развивает генеративного помощника в смежных продуктах. Ideco, по оценке авторов обзора, входит в число технологических лидеров российского направления AI для эксплуатации NGFW и контроля Shadow AI: компания сочетает распознавание AI-приложений в продукте (как модуле контроля приложений, так и трех категорий контент-фильтра, отдельного дашборда с статистикой по AI) с доступными AI-сценариями. UserGate документирует URL-категорию «Чат-боты искусственного интеллекта / Chat-bot AI» для правил контентной фильтрации. Однако одной категорией уже сложно гранулированно управлять доступом к AI-сервисам — появились AI-агенты, сервисы, форумы AI-агентов и прокси-сервисы для доступа к «запрещенным» LLM-провайдерам.

Для российских заказчиков важны особенности лицензирования и доступа к облачным сервисам. Многие зарубежные вендоры требуют подключения к своим облачным платформам для работы AI-функций, что в условиях санкций и ограничений может быть неприемлемо. Просто купить «коробку» уже недостаточно — нужна совместимость с локальной инфраструктурой и возможность работы в изолированных сетях. Российские производители, такие как Kaspersky, Ideco, UserGate, InfoWatch, предлагают решения, которые могут работать без постоянного доступа к зарубежным облакам. При этом контроль AI-трафика не обязательно означает использование AI для его распознавания: URL-категория или сигнатура приложения может решать эту задачу без большой языковой модели. Именно категории URL используются для доступа к AI-чатботам в документации UserGate, а в Ideco базовая видимость строится на DNS, SNI и характеристиках соединения.

Сравнение с альтернативами показывает, что архитектуры различаются не только набором функций, но и местом анализа. Palo Alto и Juniper делают ставку на гибридные облачно-локальные модели, Cisco и Check Point развивают генеративных помощников в системах управления, Fortinet интегрирует видимость AI-взаимодействий в свою Security Fabric. Российские вендоры чаще предлагают локальные ML-модули и контентную фильтрацию. При выборе решения заказчику стоит выяснить, какие данные отправляются на анализ во вне, сколько времени ожидается вердикт и что произойдет с трафиком при недоступности сервиса. Отсутствие функции в найденной документации не доказывает её отсутствия у вендора, поэтому обзор является сравнением архитектур и заявленных возможностей, а не независимым испытанием качества детектирования. В перспективе можно ожидать дальнейшего сближения NGFW с платформами управления AI-агентами. Появление MCP и A2A протоколов требует новых механизмов контроля, и вендоры уже анонсируют соответствующие функции. Открытыми вопросами остаются стандартизация оценки AI-компонентов, прозрачность работы облачных моделей и возможность их локального развертывания. Для российского рынка ключевым станет развитие собственных AI-решений, способных работать в изолированной инфраструктуре и обеспечивать гранулированный контроль доступа к нейросетевым сервисам. Как показывает практика, универсального лидера в этой области нет — выбор зависит от конкретных задач и требований к безопасности.