Власти США построят ИИ-песочницу для оттачивания навыков киберобороны

Власти США построят ИИ-песочницу для оттачивания навыков киберобороны

Власти США построят ИИ-песочницу для оттачивания навыков киберобороны

Американское Агентство по кибербезопасности и защите инфраструктуры (CISA) и директорат науки и технологий в составе Министерства внутренней безопасности США запустили проект по созданию новой среды аналитики, способной ускорить принятие решений по защите инфраструктуры в условиях быстро меняющегося ландшафта киберугроз.

Итоговая платформа CAP-M (Advanced Analytics Platform for Machine Learning, ранее CyLab) должна обеспечить тренировочную площадку для госструктур и частных организаций, где можно будет обмениваться опытом отражения кибератак и опробовать новейшие методы и инструменты анализа данных, в том числе полагающиеся на ИИ и машинное обучение.

Согласно утвержденному плану (PDF), работа над проектом включает создание прототипа многооблачной приватной среды для коллективной работы, исследование передовых технологий анализа данных, собранных из различных источников, а также разработку и автоматизацию рабочего цикла анализатора, использующего алгоритмы машинного обучения.

«Полномасштабная CAP-M будет включать многооблачную среду и множество структур данных — логическую базу данных, облегчающую доступ к наборам данных CISA, и приближенную к рабочим условиям среду для тестирования реальных решений», — сказано в анонсе правительства США.

Информация, собранная в ходе экспериментов, будет расшарена в госсекторе, академических кругах и среди представителей частного бизнеса. Сроки реализации проекта пока не назначены, и отсутствие конкретики, а также всеобъемлющие цели вызвали неоднозначную реакцию в ИБ-сообществе. 

Опрошенные The Register специалисты отметили, что в лабораторных условиях редко воспроизводятся сложность и фоновый шум реальной рабочей среды, поэтому CAP-M может оказаться хорошим решением этой проблемы. Вместе с тем использование ИИ и машинного обучения потребует солидного массива данных для тренировки системы; не исключено, что с этой целью придется создать автомат для проведения атак, особую форму алертов и новые способы распознавания ложных сигналов.

Многим импонирует идея объединить разрозненные ИБ-исследования и разработки в одном месте и сделать их общим достоянием, однако экспертов тревожит вопрос безопасности подобной платформы. Спонсируемые государством хакеры смогут изучить сильные и слабые стороны CAP-M и создать эксплойты или навести белый шум, способный ввести в заблуждение ИИ-анализаторы.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

34% тестировщиков применяют ИИ для генерации кода, 28% — для тест-кейсов

2ГИС решила разобраться, как себя чувствует русскоязычное QA-сообщество: чем пользуются тестировщики, как устроены процессы и как в работу проникает искусственный интеллект. В исследовании поучаствовали 570 QA-специалистов, почти половина из них работают в крупных компаниях.

57% опрошенных сказали, что подключаются к разработке фич ещё на этапе обсуждения требований — то есть задолго до появления кода.

Лишь 20% приходят в проект только после завершения разработки. А вариант «подключаюсь, когда в продакшене что-то сломалось» — уже почти экзотика.

89% команд используют автотесты — от юнитов до UI. Но вот инструменты вокруг них, вроде поддержки, аналитики и стабильности, применяют далеко не все. Например, код-ревью автотестов делают только 39% опрошенных, а 28% команд вообще не отслеживают никаких метрик и работают «вслепую».

ИИ используют не все, и в основном — для рутинных задач

Хотя ИИ уже прочно вошёл в мир тестирования, чаще всего его применяют для типовых задач:

  • написание тестового кода (34%),
  • генерация тест-кейсов (28%),
  • и тестовых данных (26%).

 

Более продвинутые сценарии вроде анализа тестов, автоматического поиска багов и визуального тестирования пока используются редко. Например, только 5% автоматизируют дефект-дискавери, и лишь 4% пробуют AI для визуальных проверок. А 22% QA-специалистов вообще не используют ИИ в своей работе.

Главные проблемы в тестировании

На первом месте — сжатые сроки. Об этом сказали 71% участников опроса. На втором — слабое вовлечение QA в процессы (40%) и нехватка квалифицированных специалистов (37%).

Как измеряют качество

  • Главная метрика — количество найденных багов (58%).
  • Покрытие автотестами учитывают 43%, покрытие кода — только 23%.
  • Стабильность тестов (например, чтобы они не «флапали») отслеживают всего 15% команд.

Что будет с профессией дальше? Мнения разделились:

  • 37% считают, что всё уйдёт в тотальную автоматизацию;
  • 35% уверены, что ничего особо не поменяется;
  • почти треть верит, что QA станет глубже интегрироваться в специфические направления вроде ИБ и производительности;
  • 27% видят будущее за DevOps и SRE — то есть тесной работой на всех этапах: от разработки до эксплуатации.
AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru