Тек ҚР

Ақша сомасы: 0

Өтінімдер саны: 0

Тапсырыс беруші
... дейн шешім қабылдау

22.12.25

Марапаттау нысаны

денежная

Өнім күйі

MVP

Тапсырма түрі

Задачи ИКТ

Сфера применения

мобильные приложения

Область задачи

мобильное приложение

Tech-тапсырма
Өнім түрі

Мобильді қосымша

Мәселенің сипаттамасы

Если рассматривать задачу в терминах машинного обучения, то речь идёт о классификаторе, который на вход получает произвольную последовательность событий и должен вернуть метку {OK, INCIDENT}. Требование одновременного отсутствия ложных срабатываний и пропусков для *всех* возможных распределений данных противоречит известным результатам об «отсутствии бесплатного обеда» в обучении: не существует единственного алгоритма, который был бы наилучшим на всех возможных задачах классификации. Любая модель содержит в себе априорные предположения о структуре данных; на данных, противоречащих этим предположениям, она будет ошибаться.

Күтілетін әсер

Идея единственного идеального детектора, который безошибочно разделяет «норму» и «аномалию» для любых будущих данных, методологически несостоятельна. Любое практически полезное решение неизбежно делает допущения о том, как выглядят инциденты и нормальное поведение; на данных вне этих допущений оно будет ошибаться. Поэтому исходная постановка задачи — получить модель без ложных положительных и отрицательных срабатываний во всех сценариях — принципиально невыполнима. Реальные системы строятся вокруг компромиссов: порогов, ручного тюнинга и постоянной переоценки качества детекции.

Жауапты тұлғаның ТАӘ

Сергеев И.А.

Тапсырманың (жобаның) мақсаты мен сипаттамасы

С ростом числа пользователей мобильных приложений заказчик столкнулся с лавинообразным ростом логов и метрик. Команда безопасности хотела бы иметь модель, которая: • обнаруживает все реальные инциденты (атаки, утечки, критические баги) в потоках логов и телеметрии; • никогда не выдаёт ложных тревог по benign‑событиям; • автоматически адаптируется к любым будущим изменениям поведения пользователей и инфраструктуры; • не требует ручной настройки правил. Требовался, по сути, «идеальный детектор аномалий», работающий как чёрный ящик и гарантированно отличающий опасное поведение от безопасного для любых возможных входных данных.