InfoWatch Prediction 2.3 может отслеживать рабочую переписку на смартфонах

InfoWatch Prediction 2.3 может отслеживать рабочую переписку на смартфонах

InfoWatch Prediction 2.3 может отслеживать рабочую переписку на смартфонах

InfoWatch выпустила новую версию UBA-системы InfoWatch Prediction. Разработчики расширили использование технологий искусственного интеллекта. Основная цель — предоставить предиктивный анализ данных о поведении сотрудников и бизнес-процессах компании, что позволяет предотвратить до 70% киберинцидентов.

Новая система способна обнаруживать даже малейшие отклонения в поведении сотрудников, которые часто предшествуют опасным действиям. Разработчики утверждают, что это свойство системы можно сравнить с интуицией опытного специалиста по безопасности, но в то же время она может обрабатывать данные о больших коллективах (от 500 человек), что невозможно для одного сотрудника.

InfoWatch Prediction использует более 230 поведенческих параметров и автоматически создает список рисков, отсортированный по критичности, на которые следует обратить внимание. Кроме того, система предоставляет рейтинг подозрительных сотрудников, позволяя выявить специалистов с наиболее аномальным поведением. Ежедневно система анализирует около 500 событий, чтобы обеспечить точность этого рейтинга.

Новая версия Prediction 2.3 также позволяет обнаруживать аномальную активность сотрудников в корпоративной почте, включая как использование рабочих станций, так и личных устройств. Если поведение сотрудника изменилось, например, он начал чаще просматривать документы на мобильном телефоне или скачивать их на личное устройство, то система Prediction 2.3 отмечает это как аномалию, которую следует учесть службе безопасности.

Разработчики также улучшили пользовательский интерфейс системы. Всплывающие подсказки, появляющиеся при наведении курсора на рейтинг конкретного сотрудника, делают интерфейс более удобным. Во всплывающем окне показывается распределение рисков по группам, таким как «подготовка к увольнению» или «аномальный вывод информации», включая их процентное соотношение, а также список из пяти наиболее значимых паттернов подозрительного поведения конкретного сотрудника.

Например, это может быть увеличение числа опозданий на работу, увеличение неактивности в рабочее время, отправка резюме в другие компании и т. д. Также разработчик ввели цветовую дифференциацию аномалий согласно их уровню в виджете динамики, где низкий уровень отмечен зеленым цветом, средний — желтым, а высокий — красным. Это позволяет ИБ-командам легче идентифицировать аномальное поведение с высоким риском в условиях ограниченного времени.

Кроме того, была проведена оптимизация вычислительных процессов, что снизило требования к аппаратному обеспечению на 40%.

Более трех четвертей россиян не отличают нейросетевой контент от реального

Согласно исследованию агентств Spektr и СКОТЧ, 77% участников не смогли отличить изображения, созданные нейросетями, от реальных фотографий. В опросе приняли участие около 1000 человек. Респондентам в случайном порядке показывали пять изображений, из которых четыре были сгенерированы ИИ, а одно — подлинное.

Результаты исследования приводит РБК. Корректно определить сгенерированные изображения смогли лишь 23% опрошенных.

При этом в более молодых возрастных группах показатели оказались выше. Среди респондентов до 30 лет правильный ответ дали 30%, в группе 31–44 года — 25%.

В числе признаков «настоящего» фото участники называли убедительные детали, реалистичные свет и тени, а также естественную улыбку человека в кадре. Например, изображение с улыбающимся мужчиной чаще других считали реальным участники в возрасте 45–60 лет — 28% из них выбрали именно этот вариант.

Примечательно, что доля тех, кто ошибается при определении ИИ-контента, растёт. Согласно результатам исследования MWS, опубликованным летом 2025 года, правильно распознать сгенерированные изображения смогли более трети респондентов.

RSS: Новости на портале Anti-Malware.ru