NGR Softlab представила DivergentGPT-2: ИИ-модель для фильтрации ложных срабатываний в ИБ

CNews AI · оригинал

Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Компания NGR Softlab выпустила обновленную версию ИИ-модели DivergentGPT, способную анализировать контекст в четыре раза глубже предыдущей версии. Разработка позволяет точнее выявлять аномалии в поведении пользователей и систем, снижая нагрузку на аналитиков информационной безопасности.

Модель демонстрирует сопоставимое с крупными международными корпорациями качество анализа временных рядов при минимальных вычислительных требованиях, что упрощает внедрение ИИ-аналитики в корпоративную инфраструктуру.

Компания NGR Softlab анонсировала выход DivergentGPT-2 — обновленной версии собственной нейросетевой модели, предназначенной для обнаружения аномалий в данных. Основной целью разработки является повышение точности выявления потенциально опасных действий пользователей и информационных систем, что позволяет сократить количество ложных срабатываний и снизить операционную нагрузку на специалистов по информационной безопасности.

Ключевым техническим улучшением нового релиза стало увеличение глубины анализируемого контекста в четыре раза: со 128 до 512 точек. Это расширение позволяет модели учитывать более длительную историю событий, что критически важно для корректной интерпретации динамики процессов. Благодаря этому DivergentGPT-2 эффективнее отличает подозрительную активность от естественных колебаний в поведении пользователей. Например, система способна дифференцировать резкий рост количества операций или обращений к корпоративным ресурсам, вызванный временными изменениями бизнес-процессов, от признаков готовящейся кибератаки.

Эффективность обновленной модели подтверждена тестированием на открытом наборе данных TSB-UAD. По результатам испытаний, DivergentGPT-2 продемонстрировала повышение точности обнаружения аномалий и значительное снижение числа ложноположительных срабатываний по сравнению с первой версией. Кроме того, качество прогнозирования временных рядов у разработки оказалось сопоставимым с показателями моделей, разработанных такими международными технологическими лидерами, как Amazon и Google.

Важным конкурентным преимуществом DivergentGPT-2 является ее компактность. Модель имеет размер всего 30 МБ, что позволяет запускать ее без использования дорогостоящих графических ускорителей. Разработка функционирует непосредственно в хранилище данных ClickHouse, что обеспечивает высокую скорость обработки и упрощает интеграцию в существующую корпоративную ИТ-инфраструктуру.

Павел Владимиров, ведущий эксперт отдела анализа данных NGR Softlab, отметил, что при создании модели команда ставила задачу не просто фиксировать аномалии, а помогать аналитикам фокусироваться на реальных угрозах. По его словам, опыт компании подтверждает, что для решения узкоспециализированных бизнес-задач маловесные ИИ-модели могут не уступать по качеству крупным универсальным системам, а в отдельных сценариях превосходить их за счет специализации. При этом такие решения требуют значительно меньших вычислительных ресурсов.

В настоящее время DivergentGPT применяется в составе модуля поведенческой аналитики xBA аналитической платформы Dataplan, а также в модуле поведенческого анализа PAM Infrascope. В планах NGR Softlab — дальнейшее расширение функциональности модели для выявления более сложных сценариев подозрительного поведения и интеграция технологии в другие продукты компании.