Vyvinuli jsme systém založený na strojovém učení, který dokázal zvýšit úspěšnost detekce škodlivých webů a v reálném čase zabránit zaměstnancům vstupovat na rizikové stránky. Díky tomu se výrazně snížilo riziko zavlečení malwaru a zneužití firemních dat.

Zadání

Zákazník měl zastaralý princip detekce škodlivých webových stránek a potřeboval zlepšit ochranu před malwarem, který je obtížné odhalit. Cílem bylo vyvinout systém, jenž by dokázal rychle a efektivně identifikovat nebezpečné weby a tím chránil firemní prostředí i data zaměstnanců.

Naše řešení

Navrhli jsme nový klasifikační algoritmus založený na metodách strojového učení, který využíval více přístupů současně:

• logistickou regresi pro identifikaci základních rizikových vzorců,
• klasifikátory náhodného lesa pro analýzu velkého množství vstupních metrik,
• posílené stromy klasifikace založené na histogramu gradientního boostingu pro nejpřesnější rozlišení škodlivých a legitimních stránek.

Engine dokázal zpracovat obsah i technické charakteristiky webových stránek, vyhodnotil jejich míru rizika a v reálném čase zablokoval zaměstnancům přístup na potenciálně škodlivé weby.

Výsledek

Vyvinutý systém výrazně zvýšil přesnost detekce škodlivých webů a umožnil rychle reagovat na nové hrozby. Dokázal nejen identifikovat podezřelé stránky, ale také zabránit zaměstnancům ve vstupu na rizikové weby, čímž efektivně snížil riziko zavlečení malwaru do firemní infrastruktury. Díky tomu byla firemní data lépe chráněna před zneužitím.

Firma se zabývá odhalováním škodlivých webových stránek na základě dat DNS, analýz provozu a dalších shromážděných dat.
https://www.whalebone.io