NGR Softlab представила новую версию ИИ-модели DivergentGPT для снижения нагрузки на аналитиков ИБ
Компания NGR Softlab выпустила DivergentGPT-2 – новую версию собственной ИИ-модели для поиска аномалий в данных. Разработка помогает точнее выявлять потенциально опасную активность пользователей и информационных систем, сокращая количество ложных срабатываний и нагрузку на специалистов по информационной безопасности.
Ключевыми улучшениями стали увеличение глубины анализируемого контекста в четыре раза — со 128 до 512 точек — и повышение качества анализа временных рядов. DivergentGPT-2 учитывает более продолжительную историю событий по сравнению с первой версией и точнее отличает подозрительную активность от естественных изменений в поведении пользователей. Например, модель способна отличить резкое увеличение количества операций или обращений к корпоративным ресурсам, связанное с временным изменением бизнес-процессов, от готовящейся атаки.
Эффективность DivergentGPT-2 подтверждена тестированием на открытом наборе данных TSB-UAD: модель продемонстрировала повышение точности обнаружения аномалий и значительное снижение числа ложноположительных срабатываний по сравнению с предыдущей версией. По качеству прогнозирования временных рядов разработка показала результаты, сопоставимые с моделями Amazon, Google и других международных компаний[1]. При этом DivergentGPT-2 отличается компактностью – модель весит 30 МБ, не требует дорогостоящих графических ускорителей и работает непосредственно в хранилище данных ClickHouse. Это позволяет внедрять ИИ-аналитику без усложнения корпоративной ИТ-инфраструктуры.
«При разработке DivergentGPT мы изначально ставили перед собой задачу не просто обнаруживать аномалии, а помогать аналитикам информационной безопасности фокусироваться на реальных угрозах, отфильтровывая не несущие риска изменения и экономя таким образом время специалистов. В новой версии мы увеличили глубину анализируемого контекста в четыре раза и повысили качество работы с временными рядами, сохранив компактность и высокую скорость модели. Наш опыт подтверждает, что для решения узкоспециализированных задач бизнеса маловесные ИИ-модели могут не уступать по качеству большим универсальным моделям, а в отдельных сценариях – превосходить их за счёт специализации. При этом они требуют значительно меньше вычислительных ресурсов и проще интегрируются в существующую ИТ-инфраструктуру», – говорит Павел Владимиров, ведущий эксперт отдела анализа данных NGR Softlab.
DivergentGPT применяется в составе модуля поведенческой аналитики xBA аналитической платформы Dataplan и в модуле поведенческого анализа PAM Infrascope. В дальнейшем NGR Softlab планирует расширить возможности модели для выявления более сложных сценариев подозрительного поведения, а также внедрить модель и в другие свои продукты.
[1] Тестирование проводилось в сравнении с Chronos-2 от Amazon, TimesFM-2.5 от Google, TiRex от NXAI и Toto-2.0-22m от Datadog на 147 временных рядах. Результаты показали, что разница в точности прогнозирования между указанными моделями и DivergentGPT-2 составила менее 1%
