Впровадження систем виявлення загроз на основі AI все частіше зустрічається в кібербезпекі. Ці системи аналізують дані для виявлення потенційних загроз і автоматично реагувати на їхню роботу. У статті досліджено дослідження реально-світового випадку, спрямованого на процес реалізації та розрахунки, залучених до оцінки ефективності системи.

Огляд системи

У разі дослідження є велика компанія, яка розгортає платформу виявлення загроз AI-накопичувача. Система контролює мережевий трафік, поведінку користувачів та системні колоди для виявлення аномалів, які можуть вказувати загрози безпеки. Основною метою є зменшення помилкових позитивних результатів при підтримці високої точності виявлення.

Процес реалізації

У рамках реалізації проекту було проведено збір даних з існуючих інструментів безпеки. Установлено моделі машинного навчання, використовуючи позначені дані, які можна розпізнати візерунки, пов’язані з шкідливою діяльністю. Система була інтегрована в мережеву інфраструктуру, з постійним моніторингом та регулюванням на основі показників продуктивності.

Розрахунок та метрики

Основні розрахунки, що беруть участь у оцінці швидкості виявлення системи, помилкового позитивного курсу та загальної точності. Ці показники допомагають визначити ефективність системи виявлення загроз. До формул, що використовуються:

  • Detection] = (Кількість правильно визначених загроз) / (Всього загрози)
  • False Позитивний рейтинг = (Кількість помилкових сигналів) / (Всього доброякісних заходів)
  • Accuracy] = (Correct виявлення + правильні відхилення) / Загальний випадок

У разі виявлення загроз, команда оптимізувала систему для зниження чутливості та специфічності, зменшення помилкових сигналів при забезпеченні загроз.