Новости

В отчете раскрыты основные тренды и перечислены методы вредоносного ПО, которые наблюдались в прошлом году.

Криптомайнеры по-прежнему доминируют в среде вредоносного ПО

Несмотря на то, что криптомайнинг в 2019 году значительно сократился (что связано с падением стоимости криптовалют и закрытием майнингового сервиса Coinhive в марте), 38% компаний по всему миру были атакованы криптомайнерами. Киберпреступники используют криптомайнеры, потому что риски достаточно низки, а доходность это вида бизнеса высокая. Тем не менее, по данным опроса Check Point Software Technologies в первой половине 2019 года, меньше всего компании в России опасались именно криптомайнеров — всего 7%.

Увеличение бот-сетей

28% организаций по всему миру подверглись атакам ботнетов, что на 50% больше, чем в 2018 году. Emotet был наиболее распространенным вредоносным ПО для ботов, главным образом из-за его универсальности и способности распространять другие вредоносные программы и спам. Другие действия ботнета, такие как sextortion-вымогательства — (кибермошенничество с электронной почтой, основанное на эксплуатации чьей-либо половой жизни), и DDoS-атаки, также резко возросли в 2019 году.

Целевые программы-вымогатели бьют все сильнее

Число целевых атак на организации относительно невелико, но они способны нанести значительный ущерб: примером могут служить атаки 2019 года против городских администраций США. Злоумышленники тщательно выбирают жертву для атаки с целью вымогательства, чтобы получить максимальный доход.

Атаки на мобильные устройства снижаются

В 2019 году 27% организаций столкнулись с кибератаками на мобильные устройства, по сравнению с 33% в 2018 году. Организации осознают угрозу и тщательнее защищают мобильные устройства сотрудников. По данным опроса, в России только 16% профессионалов в сфере ИТ устанавливают или собираются использовать специальное ПО для защиты мобильных устройств. Более половины (52%) респондентов считают лучшей защитой запрет на пользование личными смартфонами по рабочим вопросам.

Атаки Magecart стали эпидемией

Такие атаки внедряют вредоносный код в веб-сайты онлайн-магазинов для кражи платежных данных клиентов. В 2019 году они охватили сотни сайтов на всех платформах, причем как крупного, так и среднего и малого бизнеса: от сетей отелей до онлайн-магазинов.

Рост атак на облака

В настоящее время более 90% предприятий используют облачные сервисы. 67% специалистов по безопасности жалуются на недостаточную прозрачность их облачной инфраструктуры, безопасности и соответствия требованиям. Масштабы облачных атак и нарушений продолжали расти в 2019 году. Неправильная настройка облачных ресурсов по-прежнему является главной причиной для облачных атак, но теперь обнаружилось увеличение числа атак, направленных непосредственно на поставщиков облачных услуг.

Усиление конкуренции, борьба за клиента, повышение эффективности, снижение издержек, резкое увеличение объёма данных и сложности процессов стимулируют бизнес к использованию технологий искусственного интеллекта. Компания «Спортмастер» активно разрабатывает модели искусственного интеллекта для прогнозирования спроса, оптимизации управления товарными операциями, увеличения конверсии продаж, повышения эффективности программ лояльности. Для того чтобы быстро создавать, развертывать и обучать модели искусственного интеллекта, ей требовалось решение, способное обеспечить высокую производительность в задачах машинного обучения и глубокого обучения.

Эксперты Softline предложили использовать программно-аппаратный комплекс Nvidia DGX-2. Эта система предназначена для обучения нейронных сетей, решения задач математической статистики и машинного обучения, а ее производительность можно сравнить с производительностью десятков серверов, но DGX-2 эффективнее и экономичнее.

Как отмечает Алексей Тюренков, начальник департамента хранилищ данных, бизнес-аналитики и исследований данных компании «Спортмастер», человек не в состоянии эффективно решать масштабные задачи оптимизации. Помощь в принятии решений ему способны оказать системы искусственного интеллекта, для эффективной работы которых требуются специализированные высокопроизводительные платформы, с ускорением вычислений на базе GPU.

В качестве пилотного проекта удалось договориться с Nvidia о поставке в дата-центр «младшего брата» — сервера DGX Station. Для максимального использования возможностей DGX пришлось переписать скрипты для подготовки данных и процесса обучения, провести тестирование выбранных «боевых» моделей машинного обучения.

По сравнению с десятиузловым кластером Big Data, результаты оказались весьма оптимистичными. Ключевую роль здесь сыграла GPU-совместимость конкретных алгоритмов в конкретных фреймворках искусственного интеллекта. Там, где была поддержка GPU, произошел резкий прирост производительности.

С учетом неплохих результатов тестирования было принято решение о покупке и внедрении серверного комплекса DGX-2. Дальнейшая миграция моделей искусственного интеллекта на новую платформу подтвердила успешные результаты пилотного тестирования. Более того, удалось получить дополнительный прирост производительности за счет более мощного «железа». Таким образом, по сравнению со старой архитектурой, появилось «окно возможностей» для наращивания функционала – например, перехода с еженедельной на ежедневную технологию полного обучения моделей, значительного увеличения количества факторов, использования новых ресурсоемких алгоритмов для повышения качества прогноза.

Под брендом Wildberries работают более 5 тыс. собственных пунктов выдачи заказов на территории России и стран СНГ. Ежедневно между ними и распределительными центрами курсируют свыше 2,1 тыс. документов на внутреннее перемещение товара (аналог ТОРГ-13). Каждый раз оригиналы распечатывают, затем доставляют в пункт выдачи вместе с товаром, сверяют наименования с заказами и подписывают вручную. Затем бумагу отправляют обратно в распределительный центр.

Тестировать отправку, получение и подписание электронных документов на перемещение товара начали в октябре 2019 года. Решение для этих задач предоставил Synerdocs. Теперь оригиналы на пункте выдачи будут подписывать с помощью электронной подписи, и уже через пару минут информация об этом станет доступной всем участникам обмена. Полный переход на ЭДО при перемещении товара между распределительным центром и пунктами выдачи планируется уже в 2020 году.

Ожидается, что весь цикл работы с документами — от создания до последнего подписания — займет не более одного дня. При этом сократятся трудозатраты работников на пунктах выдачи, и они смогут еще больше внимания уделять покупателям.

После заполнения анкеты в личном кабинете «Росбанк Дом Экспресс» нейросеть сопоставляет данные клиента с CRM-базами банка. После этого клиенту предлагается перейти по ссылке на страницу базы недвижимости с перечнем объектов, наиболее полно соответствующих параметрам его анкеты.

Механизм обучения нейросети подбору недвижимости основан на анализе привязки анкет клиентов банка к приобретенным ими объектам. При этом процесс обучения является непрерывным и актуализируется на основе новых данных.

Нейросеть умеет предсказывать такие предпочтения как тип дома, стоимость недвижимости, площадь квартиры, количество комнат, тип санузла. По умолчанию также предлагается обратить внимание на объекты недвижимости неподалеку от текущего места работы заемщика. Применяя фильтр по стоимости объекта, система учитывает коэффициент инфляции.

Внедренная СЭД обеспечила полный контроль и прозрачность бизнес-процессов работы со всеми поступающими и внутренними документами, исполнение и контроль поручений, согласование договорных документов, счетов на оплату и актов. Сотрудники компании взаимодействуют и решают рабочие задачи в рамках DirectumRX. Это создает комфортную среду и поддерживает эффективность процессов согласования корпоративных документов. Автоматическое разделение заданий по потокам работ сокращает время на отслеживание и выполнение однотипных операций.

С первых дней эксплуатации системы количество заданий, создаваемых в день, превысило отметку в 120 штук. В результате проекта сроки согласования договорных документов сократились с нескольких дней и недель до считанных часов. Внедрение системы будет способствовать и дальнейшему развитию горизонтального и кросс-функционального взаимодействия сотрудников и ускорению бизнес-процессов.

В планах компании – наладить электронный обмен с контрагентами. Дорабатывать и адаптировать функциональность системы будут штатные сотрудники «Сафмар» — для этого в системе есть встроенная среда разработки Development Studio.

В 2019 году «Сервье» приняла решение унифицировать все аналитические приложения компании на одной платформе. В качестве стандарта в области BI компания выбрала решение Microsoft.

На текущий момент российское подразделение компании использует целый ряд приложений, разработанных для предоставления отчетности по различным аспектам деятельности. Microsoft BI планируется использовать для стандартизации ИТ-процессов и построения комплексной системы аналитической отчетности.

Как отметил Александр Яковлев, ИТ-директор «Сервье» по странам ЕАЭС, в условиях высокой конкуренции компании важно использование облачных BI-решений, которые позволят доставлять необходимую аналитическую информацию менеджерам на любые устройства в круглосуточном режиме. Партнером по проекту стал «Корус Консалтинг». Специалисты практики BI провели аудит существующей системы отчетности, включая визуальную часть, источники и потоки данных. Эксперты изучили и описали приложения и алгоритмы формирования данных, выделили ключевые факторы, которые повлияют на проект миграции на новую платформу, а также разработали целевую архитектуру и дорожную карту работ.

Новое решение сохранит логику существующих аналитических приложений. При этом без ущерба для функциональности вся отчетность будет интегрирована в единую BI-среду глобальной корпорации.

На первом этапе работ были автоматизированы процессы управления инцидентами и запросами на обслуживание в НКБИ, оптимизирован каталог услуг, средства отчетности и учета обращений клиентов. Система Naumen Service Desk была интегрирована с формой обратной связи сайта компании и с внутренним порталом самообслуживания. Использование системы позволило упорядочить работу с клиентами по всему спектру оказываемых услуг за счёт сквозной цифровизации. Кроме того, для принятия своевременных мер по улучшению параметров обслуживания была добавлена функция формирования статистики и отчетов в режиме реального времени.

Прием и первичная обработка писем, которые поступают от клиентов через форму на сайте, также были полностью автоматизированы с помощью технологий Naumen. Автоматическая классификация сообщений позволила снять нагрузку с первой линии поддержки, а также ускорить время обработки заявок.

Для сбора данных о продажах через несколько десятков дистрибьюторов и бизнес-анализа полученной информации российскому подразделению Schneider Electric требовалось современное комплексное решение. До запуска проекта данные запрашивались у партнеров в формате Excel заданного вида, после чего обрабатывались в ручном режиме. Данный процесс был крайне трудозатратен и содержал большое количество неточностей.

Переход на платформенные и инфраструктурные сервисы Oracle Cloud позволил реализовать оптимальную архитектуру корпоративного класса при низкой общей стоимости владения. Интеграция данных осуществляется с помощью Oracle Data Integrator Enterprise Edition, для организации высокопроизводительного хранилища и аналитики задействуются облачные сервисы Oracle Database Cloud Service.

В результате реализации проекта более 90% всех данных собираются и обрабатываются теперь в автоматическом режиме. Это позволило радикально снизить количество ошибок при сборе данных, устранить трудоемкий процесс консолидации данных вручную и повысить оперативность и точность, что способствовало принятию более обоснованных управленческих решений.

В едином хранилище консолидируются сведения о дистрибьюторах и клиентах, вторичных продажах и уровне склада. Уполномоченные сотрудники Schneider Electric могут просматривать необходимые им срезы информации при помощи предварительно настроенных информационных панелей и отчетов. В режиме самообслуживания пользователи могут легко формировать индивидуальные отчеты и проводить расширенный анализ данных.

Программа была разработана Центром проектов и практик CDO Московского политехнического университета, созданного совместно с Агентством стратегических инициатив и Университетом 20.35. Слушателями образовательной программы стали 68 сотрудников Департамента ИТ города Москвы, руководителей органов государственной власти и вузов Ярославской области, представители федеральных министерств и магистранты вузов.

Слушатели образовательной программы учились в интенсивном режиме – в течение 2,5 месяцев они освоили свыше 250 часов аудиторных и дистанционных занятий по трем ключевым трекам:

• Технологическом, в рамках которого изучали технологии управления, основанного на данных, методы искусственного интеллекта, математической статистики, машинного обучения и визуализации данных.
• Экспертном, в рамках которого действующие аналитики больших данных, директора по управлению данными (CDO) компаний Сбербанк, Ростелеком и других делились реальными кейсами и своими наработками.
• Проектном, в рамках которого слушатели под руководством опытных модераторов из Агентства стратегического проектирования формулировали реальные задачи из своей рабочей практики, разрабатывали датасеты, технические задания и вместе со студентами – прототипы будущих сервисов.

По итогам обучения слушатели создали чат-бота для консультации граждан по вопросам получения госуслуг, составили тепловые карты на основе анализа данных преступной активности, разработали систему автоматической классификации обращений на портале mos.ru, прототип сервиса для сопоставления данных, поступающих в кадастровую службу Ярославской области и другие проекты.

Особенностью пилотной программы стало большое количество партнеров. Для проведения дистанционных блоков использовались курсы SkillFactory, для проведения отдельных модулей Московский Политех сотрудничал с компаниями Visiology и VivaldiAI, Ярославским Политехом и УРФУ.

В 2018 году предприятие опробовало информационную систему на пилотном объекте – бумажной фабрике №3. В ходе того проекта были отработаны функции планирования ТОиР, регистрации и классификации дефектов, сбора данных о техническом состоянии оборудования. Теперь эти функции масштабировали и одновременно развили, перевели на информационную систему три производства – целлюлозы, бумажное и энергетическое.

Год назад в системе ТОиР осуществлялось управление ремонтами и обслуживанием примерно 4 тыс. единиц оборудования комбината. Теперь эта цифра увеличена более чем в пять раз, до 22 тыс. В справочники системы введены и описаны около 7 тыс. регламентных работ, а число ее пользователей достигла 300.

Функция планирования ТОиР развита до полноценного объемно-календарного планирования регламентных работ, дополнена возможностью формирования потребности в трудовых ресурсах, контроля загрузки персонала, количественного учета используемых ресурсов.

Проведено масштабирование информационной поддержки процедуры расследования инцидентов – от учета самих инцидентов, анализа связанных с ними данных до принятия решений. Прежде всего речь идет о расследованиях по факту случившихся аварий и отказов оборудования, с определением их первопричин и разработкой мер, направленных на их предупреждение в будущем. Эта функция системы соответствует известной практике RCA (Root Cause Analysis).

Отдельного внимания заслуживает автоматизация операций и информационная поддержка при обходах оборудования. С этой целью на всех производствах комбината было внедрено решение «TRIM-Мобильный клиент», позволяющее использовать мобильные устройства для сбора данных о техническом состоянии во время обходов. Это решение дает возможность дежурному персоналу работать в информационной системе ТОиР, находясь непосредственно возле оборудования в производственной зоне и не имея постоянного соединения с базой данных системы. Для работы с мобильным решением комбинат закупил специализированные носимые промышленные терминалы. В настоящее время системой охвачены обходы порядка 3,5 тыс. единиц оборудования.

Данные, аккумулированные в TRIM, служат фундаментом для реализации бизнес-процессов в SAP S/4HANA и станут использоваться при дальнейшем планировании ремонтов.