В России хотят создать единую систему видеоконтроля поведения горожан

В России хотят создать единую систему видеоконтроля поведения горожан

В России хотят создать единую систему видеоконтроля поведения горожан

В правительстве РФ обсуждается возможность создания ГИС «Национальная платформа видеонаблюдения», которая объединит все системы сбора и анализа видео, работающие в городах страны. Проект предполагает повсеместную установку умных камер, способных самостоятельно распознавать и фиксировать инциденты, и предположительно обойдется государству в 250 млрд рублей.

Как выяснил «Ъ», разработку новой информационной системы могут доверить ООО «Национальные технологии» — совместному предприятию «Ростеха» и «Ростелекома». С реализацией проекта они, по прикидкам, должны уложиться в пятилетку.

Инициатива по созданию общей платформы для российских систем видеонаблюдения выдвинута в рамках федеральной программы «Безопасный город» (PDF). Авторы нового проекта предлагают распространить столичный опыт автоматизированного контроля на основе АПК (программно-аппаратного комплекса технических средств) в масштабах всей страны, но с другим подходом.

В настоящее время работающие в Москве системы видеонаблюдения отправляют данные в ЦОД непрерывным потоком, и разбор этой информации целиком производится там. Подобная технология требует большого количества ЦОД, которое можно сократить, если вынести первичный анализ на камеры, то есть оснастить их модулями обработки данных.

Опрошенные «Ъ» специалисты отметили, что техническая возможность для перехода к анализу на видеокамерах в стране существует. Такие устройства со встроенной аналитикой на основе нейросети и хранилищем записей уже активно используются в розничной торговле и промышленности.

Тем не менее, умные камеры видеонаблюдения намного дороже обычных (в два-шесть раз), и их придется ставить экономно — только в тех точках города, где нужно быстро фиксировать инциденты и распознавать лица. В остальных местах можно будет ограничиться более дешевым вариантом, с датчиком движения.

Эксперты также не преминули отметить ИБ-риски, сопряженные с модернизацией городских систем видеонаблюдения. В случае утечки данных в результате взлома или подкупа инсайдера злоумышленник получит возможность отследить перемещение намеченной жертвы по городу и проанализировать все совершаемые ею действия.

Источником финансирования нового проекта, по данным «Ъ», может стать ВЭБ.РФ, который выделит каждому субъекту федерации до 3 млрд рублей на закупку решений для обновления АПК.

В Security Vision SOAR появились ИИ-ассистент и ML-отчёты

Security Vision выпустила обновление платформы SOAR, добавив в неё несколько заметных функций — локальный ИИ-ассистент, ML-скоринг инцидентов и автоматические ML-отчёты по итогам расследований. Обновление ориентировано на повседневную работу SOC и обработку инцидентов без выхода за контур заказчика.

Security Vision SOAR используется для управления и автоматизации реагирования на инциденты информационной безопасности на всех этапах их жизненного цикла — от выявления и анализа до восстановления и постинцидентной работы.

В основе платформы лежит объектно-ориентированный подход: каждый элемент инцидента — будь то хост, учётная запись, процесс или артефакт — рассматривается как отдельный объект со своей историей, связями и возможными действиями.

Сценарии реагирования в системе динамические: плейбуки автоматически подстраиваются под развитие инцидента, появление новых данных и техник атак. Дополнительно платформа выстраивает цепочку Kill Chain, показывая, как развивалась атака и какие шаги предпринимал злоумышленник.

Система также предлагает рекомендации по дальнейшим действиям, опираясь на контекст инцидента, накопленный опыт SOC и ML-модели, включая оценку вероятности ложного срабатывания.

 

В новом релизе появился локальный ИИ-ассистент в формате чат-бота. Он работает полностью внутри инфраструктуры заказчика и не обращается к внешним сервисам. Ассистент учитывает контекст конкретного инцидента — его стадию, связанные объекты, историю действий и похожие кейсы — и помогает аналитикам разбираться в событиях, расшифровывать логи, понимать техники атак или формировать команды для диагностики. Модель может дообучаться прямо в SOC на результатах обработки инцидентов и аналитических бюллетенях, при этом все данные остаются внутри контура.

Ещё одно нововведение — ML-скоринг критичности инцидентов. Модель автоматически оценивает приоритет события на основе его масштаба и значимости затронутых активов, что упрощает триаж и помогает быстрее понять, какие инциденты требуют внимания в первую очередь.

Также в платформе появился ML-summary — автоматическое резюме по итогам расследования. При закрытии инцидента система формирует краткий отчёт в едином формате: что произошло, какие действия были выполнены, к какому результату они привели и удалось ли атакующему чего-то добиться. Такое резюме сохраняется в карточке инцидента и отчётности, упрощая передачу дел между сменами и снижая потерю контекста.

В целом обновление направлено на то, чтобы упростить и ускорить рутинную работу SOC: быстрее разбираться в инцидентах, снижать нагрузку на аналитиков и сохранять знания внутри команды без необходимости вручную оформлять каждый шаг расследования.

RSS: Новости на портале Anti-Malware.ru