В R-Vision TIP 3.0 расширили объем получаемых данных киберразведки

В R-Vision TIP 3.0 расширили объем получаемых данных киберразведки

В R-Vision TIP 3.0 расширили объем получаемых данных киберразведки

Компания R-Vision представила новую мажорную версию платформы анализа информации о киберугрозах R-Vision TIP 3.0. Обновленный продукт получил ряд значимых функциональных улучшений. В частности, теперь пользователи могут применять больше качественных данных для анализа угроз благодаря новому источнику – базы знаний MITRE ATT&CK. Также им стала доступна функция кастомизации рейтинга индикаторов компрометации.

В R-Vision TIP 3.0 разработчик расширил объем получаемых данных киберразведки, реализовав интеграцию платформы с новым поставщиком – базой знаний MITRE ATT&CK. Получать сведения о вредоносном ПО, субъектах угроз и их техниках стало возможно прямо из интерфейса платформы в разделе Угрозы. В карточках сущностей находится вся поступающая из базы знаний информация: описание сущностей, связанные с ними тактики, синонимы группировок, сабтехники, ссылки на веб-ресурсы, где представлены случаи использования злоумышленниками определенных техник, а также рекомендации по их обнаружению.

Кроме этого, в графе взаимосвязей отображаются данные о связи всех сущностей, поступивших от нового поставщика, с индикаторами компрометации и друг с другом. Это является дополнительным инструментом анализа и позволяет отследить, какие техники применяются различными группировками и какое при этом вредоносное ПО используется. Полученные сведения также наглядно отражены в карточке индикатора, что дает возможность TI-аналитикам быстрее оценить этап атаки, выработать тактику реагирования на инциденты и приоритизировать принимаемые меры.

В версии 3.0 компания R-Vision внесла ряд важных доработок в раздел Ранжирования угроз, добавив настройку пользовательских пресетов для расчета рейтинга индикаторов компрометации. Благодаря чему пользователи могут самостоятельно выставлять необходимые значения таких метрик, как: обширность, полнота данных и оперативность их предоставления источником. Таким образом теперь можно более точно влиять на расчет финального рейтинга индикатора, чем в предыдущих версиях R-Vision TIP.

«В процессе анализа данных Threat Intelligence немаловажное значение имеет наличие контекста, связанного с индикаторами компрометации. Используя данные из матрицы MITRE ATT&CK непосредственно в интерфейсе R-Vision TIP, аналитики киберугроз получают возможность оперативно оценивать и классифицировать тактики и техники, которые применяют злоумышленники в ходе атаки. Работа с этим контекстом дает более полную картину угроз, помогает выявлять «слабые» места в информационных системах, принимать необходимые защитные меры, а также усовершенствовать процесс реагирования на инциденты», — сообщила Валерия Чулкова, менеджер продукта R-Vision TIP.

Нейросеть для ЖКХ научилась материться в первый месяц обучения

Разработчикам отечественного голосового помощника для сферы ЖКХ пришлось «переучивать» систему после того, как в процессе обучения бот освоил ненормативную лексику. Этот случай наглядно показал, насколько критично качество данных, на которых обучаются нейросети.

О возникшей проблеме рассказал ТАСС президент Национального объединения организаций в сфере технологий информационного моделирования (НОТИМ) Михаил Викторов на Сибирском строительном форуме, который проходит в Новосибирске.

«Приведу забавный случай: нейросеть учится, и буквально уже в первый месяц разработчики обнаружили такую коллизию — нейросеть научилась мату. Как говорится, с кем поведёшься, от того и наберёшься. Эту проблему, конечно, пришлось устранять. Но это в том числе показатель активного взаимодействия с нашими гражданами», — рассказал Михаил Викторов.

При этом, по его словам, внедрение ботов позволило сократить число операторов кол-центров в 5–6 раз без потери качества обслуживания. Нейросетевые инструменты способны обрабатывать до 90% входящих обращений.

Уровень удовлетворённости качеством обслуживания, по оценке Викторова, составляет около 80%. Передавать звонки операторам целесообразно лишь в экстренных случаях — например, при аварийных ситуациях.

Эксперты ранее отмечали, что именно данные, на которых обучается ИИ, являются ключевой причиной появления некорректных или предвзятых ответов нейросетевых инструментов.

RSS: Новости на портале Anti-Malware.ru