Портал по безопасности SEC.RU — короткий путь к информацииЧастный некоммерческий проект

Саммари материала · Предприятия · Видеонаблюдение

Технологии интеллектуального анализа данных для повышения эффективности КСБ

Готово к прослушиванию

Нейросетевая озвучка. Пауза и перемотка доступны в плеере.

Материал посвящён технологиям интеллектуального анализа данных применительно к задачам систем безопасности. Отмечается, что термины вроде «блокчейн», «машинное обучение», «большие данные» и «искусственный интеллект» прочно вошли в ИТ-лексикон. Одно из определений описывает интеллектуальный анализ как направление информационных технологий, охватывающее проблемы извлечения знаний из массивов данных.

Пост видеонаблюдения — иллюстрация создана с помощью ИИ
Тематическая иллюстрация создана с помощью ИИ. Это не фотография реального объекта или оборудования конкретного производителя.

Коротко

Материал посвящён технологиям интеллектуального анализа данных применительно к задачам систем безопасности. Отмечается, что термины вроде «блокчейн», «машинное обучение», «большие данные» и «искусственный интеллект» прочно вошли в ИТ-лексикон. Одно из определений описывает интеллектуальный анализ как направление информационных технологий, охватывающее проблемы извлечения знаний из массивов данных.

Суть материала

В широком смысле интеллектуальный анализ можно приравнять к Data Mining, хотя при углублении в терминологию различие состоит в объёме решаемых вопросов: методы Data Mining сосредоточены главным образом на анализе данных и моделировании, тогда как интеллектуальный анализ охватывает весь спектр извлечения знаний из баз данных. Основой обеих дисциплин служит информация: без неё анализ невозможен. Поиск полезных знаний в данных называют Knowledge Discovery in Databases (KDD); он занимается подготовкой, критериями выбора и интерпретацией результатов при переводе «белого шума» в информацию, применяя множество математических методов, включая статистику.

На практике большинство реализаций Data Mining относится не к реальным секторам жизни, а к продажам и маркетингу, где на основе предпочтений пользователей пытаются предложить «нужный» товар; в зависимости от источника данных результат бывает плохим или средним. Для целей безопасности из многообразия результатов применимы: прогнозирование нагрузки и времени простоя автоматизированной системы или ключевых элементов; риск и вероятность, включая определение точки равновесия для рисковых сценариев и назначение вероятностей сценариям, рискам и событиям; поиск последовательностей с анализом действий пользователей и прогнозированием следующего возможного события; группировка событий в кластеры связанных элементов с анализом и прогнозированием общих черт.

Если результаты интеллектуального анализа нужны и вы готовы их купить, предстоит сложный путь. Методы интеллектуального анализа — вершина пирамиды, которая рухнет без нижестоящих ярусов: компания должна быть достаточно зрелой в плане ИТ-инфраструктуры и систем, ведь сложно реализовать машинное обучение на бумажных данных. Необходимо заручиться содействием владельцев источников данных: многие свыклись с безопасниками, навязывающими меры, но большинство не готово дать доступ к исходным данным — главному источнику анализа. Нужно точно понимать, какого результата достичь: коробочных решений на рынке нет, и каждая инсталляция — совместный труд заказчика и исполнителя. Методы интеллектуального анализа действительно могут качественно изменить работу служб безопасности: работа не станет проще, но станет эффективнее. Для этого нужно чётко определить нужный результат и трезво оценить имеющиеся ресурсы.

Первоисточник

Для полного контекста обратитесь к оригинальному материалу.

Указать на неточность

Контакты указывать не требуется. Проверка ИИ помогает редактору, но не изменяет текст автоматически.