Средство защиты на машинном обучении хорошо ровно настолько…
Средство защиты на машинном обучении хорошо ровно настолько, насколько актуальны данные, на которых его обучили. Инфраструктура меняется постоянно: появляются новые приложения, новые шаблоны поведения пользователей, новые техники атак. Со временем реальная среда перестаёт совпадать с той, на которой модель училась, и качество детектирования падает — растут пропуски угроз и ложные срабатывания.
📌 Компания «Газинформсервис» в этом году получила патент на способ, который позволяет обнаруживать такую деградацию и устранять её автоматически (патент на изобретение № 2867439 «Способ и система обучения интеллектуального средства защиты информации»).
Разовая проверка — аттестация или тест на исторических данных — фиксирует качество только в момент теста, а ручное дообучение требует времени и специалистов, и всё это время средство защиты работает хуже, чем могло бы. Запатентованный способ закрывает этот разрыв замкнутым циклом «проверка — оценка — дообучение».
Авторы изобретения: учредитель компании Валерий Пустарнаков, заместитель технического директора Лидия Виткова, а также сотрудники лаборатории технологий искусственного интеллекта Сергей Чатоян, Никита Бобров и Ирина Меженева.
Интеллектуальное средство защиты (метод применим к системам классов EDR, NDR, XDR, UEBA, SIEM) помещают в тестовую среду, имитирующую автоматизированную систему. Это может быть виртуальная, аппаратная или гибридная среда, вплоть до участка киберполигона, воспроизводящего реальный защищаемый объект с его трафиком и пользовательской активностью. Средство подвергают серии тестовых воздействий, а его отклики оценивают по частным показателям, например своевременности реагирования и устойчивости к ложным срабатываниям.
Частные показатели сводятся в интегральную оценку с помощью функции нелинейной свёртки, а решение о корректировке принимается по пороговому критерию на шкале желательности. Ключевой элемент метода — адресность дообучения: если порог не достигнут, система находит в откликах именно те блоки данных, которые повлияли на провальные показатели, и дообучает модель только на них, а не на всём массиве. Цикл повторяется, пока средство не выйдет на требуемый уровень.
⚡️ Практический смысл метода — управляемое качество интеллектуальной защиты на всём жизненном цикле: меньше ложных срабатываний без потери полноты детектирования, безопасная отладка в тестовой среде без риска для боевой инфраструктуры и измеримость. Качество защиты перестаёт зависеть от человеческого фактора: оно выражается оценкой с порогом и динамикой, а не экспертным мнением.
Отметим, что рабочую группу № 3 Консорциума, которая отвечает за это направление, возглавляет «Газинформсервис», лидер группы — заместитель технического директора компании Лидия Виткова
.
📌 Компания «Газинформсервис» в этом году получила патент на способ, который позволяет обнаруживать такую деградацию и устранять её автоматически (патент на изобретение № 2867439 «Способ и система обучения интеллектуального средства защиты информации»).
Разовая проверка — аттестация или тест на исторических данных — фиксирует качество только в момент теста, а ручное дообучение требует времени и специалистов, и всё это время средство защиты работает хуже, чем могло бы. Запатентованный способ закрывает этот разрыв замкнутым циклом «проверка — оценка — дообучение».
Авторы изобретения: учредитель компании Валерий Пустарнаков, заместитель технического директора Лидия Виткова, а также сотрудники лаборатории технологий искусственного интеллекта Сергей Чатоян, Никита Бобров и Ирина Меженева.
Интеллектуальное средство защиты (метод применим к системам классов EDR, NDR, XDR, UEBA, SIEM) помещают в тестовую среду, имитирующую автоматизированную систему. Это может быть виртуальная, аппаратная или гибридная среда, вплоть до участка киберполигона, воспроизводящего реальный защищаемый объект с его трафиком и пользовательской активностью. Средство подвергают серии тестовых воздействий, а его отклики оценивают по частным показателям, например своевременности реагирования и устойчивости к ложным срабатываниям.
Частные показатели сводятся в интегральную оценку с помощью функции нелинейной свёртки, а решение о корректировке принимается по пороговому критерию на шкале желательности. Ключевой элемент метода — адресность дообучения: если порог не достигнут, система находит в откликах именно те блоки данных, которые повлияли на провальные показатели, и дообучает модель только на них, а не на всём массиве. Цикл повторяется, пока средство не выйдет на требуемый уровень.
⚡️ Практический смысл метода — управляемое качество интеллектуальной защиты на всём жизненном цикле: меньше ложных срабатываний без потери полноты детектирования, безопасная отладка в тестовой среде без риска для боевой инфраструктуры и измеримость. Качество защиты перестаёт зависеть от человеческого фактора: оно выражается оценкой с порогом и динамикой, а не экспертным мнением.
Отметим, что рабочую группу № 3 Консорциума, которая отвечает за это направление, возглавляет «Газинформсервис», лидер группы — заместитель технического директора компании Лидия Виткова
.
Views: 84