Модель учитывает более продолжительную историю событий и помогает отличать подозрительную активность от обычных изменений в работе. Например, всплеск операций или обращений к корпоративным ресурсам из-за временной перестройки бизнес-процессов она может не принять за подготовку атаки.
В NGR Softlab сообщили, что тестировали DivergentGPT-2 на открытом наборе данных TSB-UAD. По сравнению с первой версией модель точнее обнаруживала аномалии и давала меньше ложноположительных срабатываний. В сравнении с Chronos-2 от Amazon, TimesFM-2.5 от Google, TiRex от NXAI и Toto-2.0-22m от Datadog разница в точности прогнозирования составила менее 1%. Проверка охватила 147 временных рядов.
DivergentGPT-2 весит 30 МБ, не требует дорогих графических ускорителей и работает непосредственно в хранилище данных ClickHouse. По словам ведущего эксперта отдела анализа данных NGR Softlab Павла Владимирова, при разработке ставилась задача отфильтровывать изменения, не представляющие угрозы, и экономить время аналитиков. Он также отметил, что компактные специализированные модели могут сопоставимо работать с большими универсальными системами, расходуя меньше вычислительных ресурсов.
DivergentGPT уже используется в модулях поведенческой аналитики xBA платформы Dataplan и PAM Infrascope. Компания планирует развивать возможности модели для выявления более сложных сценариев подозрительного поведения и внедрить ее в другие продукты.
Комментарии (0)
Пока нет комментариев. Будьте первым!