Компания Xello выпустила российское решение класса Deception

Компания Xello выпустила российское решение класса Deception

Компания Xello выпустила российское решение класса Deception

Компания Xello разработала первую отечественную платформу класса Deception (или по-русски «технологии обмана»), основной целью которой является обнаружение действий злоумышленника и затруднение развитие атаки в сети предприятия. Решения такого класса позволяют обнаружить и остановить атаку до того, как данным организации будет нанесен серьезный ущерб.

Xello – относительно молодая компания, она была основана в 2018 году. В ее штате эксперты и разработчики, ранее принимавшие участие в разработке продуктов таких ИТ-гигантов, как Yandex, Tinkoff, Kaspersky, Mail.ru. 

Xello Deception сможет создать дополнительный слой защиты и отработать в качестве средства последней надежды на этапе, когда злоумышленник уже проник в сеть. Это отличное дополнение к привычным средствам защиты информации (СЗИ) и страховка на случай, если они пропустили атаку.

Основная задача Xello Deception — ввести атакующего в заблуждение, для чего применяется ряд хитро расставленных в корпоративной сети приманок, ложных целей, которые с точки зрения атакующего ничем не отличаются от настоящих. Обратившись к таким ложным целям, киберпреступники выдадут свое присутствие и потеряют важное время.

Xello Deception совмещает в себе различные техники имитации ИТ‑инфраструктуры и дезинформации киберпреступников. В результате это помогает обнаружить и замедлить атаку злоумышленника, а также остановить злонамеренные действия до того, как злоумышленники доберутся до критически важных активов и причинят серьезный ущерб.

Специалисты Xello отмечают, что в основе их разработки лежит искусственный интеллект, уникальная технология "Dexem", с помощью которой можно создать наиболее реалистичное окружение. А генерация приманок работает намного эффективнее с русскоязычным контекстом предоставленной инфраструктурной информации. Это выгодно отличает Xello Deception от иностранных аналогов.

Кроме того, у заказчиков есть возможность интегрировать Xello Deception с любыми ханипотами (уже имеющимися в сети ловушками), повысить эффективность SOC, создать уникальное окружение для каждой инфраструктуры, а также работать без агента и без каких-либо следов работы.

В МФТИ подобрали работающие альтернативы GPU NVIDIA

Институт искусственного интеллекта МФТИ оценил возможности альтернативных графических процессоров (GPU) от китайских производителей. Параллельно в Физтехе был создан Центр компетенций, основной задачей которого стала помощь бизнесу в построении инфраструктуры для работы с искусственным интеллектом.

Российские компании столкнулись с увеличением сроков поставок, ограничениями на загрузку драйверов и отсутствием официальной поддержки оборудования NVIDIA, графические ускорители которой традиционно используются при построении ИИ-инфраструктуры.

В этих условиях бизнесу приходится пересматривать привычные подходы и искать альтернативные технологические решения.

Институт искусственного интеллекта МФТИ провёл комплексное исследование рынка альтернативных ускорителей, преимущественно китайского производства. В рамках работы специалисты изучали архитектурные особенности оборудования, состояние драйверов, совместимость с популярными фреймворками и поведение ускорителей под нагрузкой при выполнении различных задач — от работы с большими языковыми моделями и системами компьютерного зрения до распределённых вычислений.

По итогам испытаний наилучшие результаты показали видеокарты s4000 от Moore Threads и C500 от MetaX. Они продемонстрировали высокую производительность и стабильную работу во всех ключевых сценариях, включая длительную непрерывную нагрузку. В ряде тестов их производительность оказалась сопоставимой с NVIDIA A100, а в отдельных случаях — даже превосходила её.

«Мы оценивали скорость и воспроизводимость вычислений, устойчивость при росте нагрузки и стабильность поведения моделей на разных типах ускорителей. Эти параметры определяют пригодность систем для длительной эксплуатации. По итогам исследований мы сформировали программно-аппаратные конфигурации, обеспечивающие необходимую производительность языковых моделей на альтернативных платформах. Такой подход формирует предсказуемый жизненный цикл ИИ-решений и позволяет компаниям системно планировать эксплуатацию систем в собственных контурах», — рассказал научный директор Института искусственного интеллекта МФТИ Юрий Визильтер.

В МФТИ пообещали продолжить тестирование новых поколений ускорителей, а также подготовку практических рекомендаций по их использованию для решения типовых задач.

RSS: Новости на портале Anti-Malware.ru