Нейромаркетинговые исследования и анализ креативов

Предиктивная аналитика рискового поведения

PRECRIME 

   

Автоматизированная система профилирования на основе цифрового следа в корпоративных цифровых системах 

   

   

Точность выявления рисков на слепых тестах реальных клиентов — 80-92%

   

     

   

1   2    

Раннее предупреждение о рисках безопасности, связанных с пользователями

   

                           

Более точная приоритезация инцидентов в зависимости от риск-аппетита пользователя

    

   

    

         

3

 

4

   

Таргетирование обучения кибербезопасности пользователей цифровых систем, увеличение конверсии при тестовых фишинговых рассылках 

 

Автоматическое выявление намерений, позволяющая предотвращать инциденты до их возникновения

   

     

   

   

   

• Встраивается в корпоративные ИБ-системы (DLP, SIEM, XDR и другие)

• Снижает нагрузку на сотрудников ИБ/СБ

• Указывает на персон, требующих внимания

• Повышает точность приоритезации инцидентов

 



   

   

     

Российская методология

     

Оформляется внесение

в реестр отечественного ПО

 



   

      

Пилот за три дня на безопасном демостенде на копии трафика 



Стоимость использования продукта рассчитывается индивидуально.
Для уточнения стоимости просим направлять запросы на наш адрес электронной почты: info@pavlovlab.ru

 

   

   

   

   

Инструкция по установке экземпляра ПО

PreCrime поставляется в виде дистрибутива, с необходимым пакетом документов для развертывания внутри информационного контура заказчика.

Документация, содержащая описание функциональных характеристик экземпляра ПО

PreCrime — программное обеспечение для предиктивной аналитики девиантного поведения. Включает в себя мониторинг и раннюю предиктивную аналитику рисков, связанных с сотрудниками: саботаж, хищения, сплетни и т.д.

Программа обеспечивает: определение направленности и степень реализации потенциалов девиантного поведения сотрудников по различным направлениям (криминал, продуктивность, репутация) - всего 19 рисков; указание на повышение вероятности реализации рискового потенциала. Это система флагов, которая подсвечивает специалисту по безопасности направление риска для сотрудника в момент, когда модель предиктивной аналитики определила значительные изменения в признаковой матрице.

Программный продукт может использоваться в различных отраслях, включая:

• безопасность;

• управление персоналом;

• информационная безопасность;

• безопасность данных.

   

  
ФУНКЦИОНАЛЬНЫЕ ВОЗМОЖНОСТИ:

   
1) Автоматическая обработка ежесуточного потока данных от DLP, SIEM, SOAR и аналогичных систем (цифрового следа) по каждому сотруднику.

  

2) Предиктивная аналитика рискового потенциала каждого сотрудника
Оценка рискового потенциала каждого сотрудника по 96 сценариям поведенческих рисков и 126 сценариям психологических рисков. 

  

3) Целеуказание для сотрудников безопасности
Динамическое изменение рискового потенциала показывает степень возможной реализации выявленного сценария риска и необходимость обратить внимание на этого сотрудника.
Реагирование системы на определенные комбинации выявленных рисков дает возможность предусмотреть возможное деструктивное поведение сотрудника с учетом его должности. 

  

4) Фиксация результатов проверки сотрудником безопасности выявленных у сотрудников рисковых сценариев.

Документация, содержащая информацию, необходимую для эксплуатации экземпляра ПО

Модуль Precrime встраивается в корпоративные ИБ-системы (DLP, SIEM, XDR и другие).

Перечень требований к программному обеспечению Заказчика, в состав которого встраивается Модуль Precrime:

ПО должно обеспечивать:

Нормальную работоспособность (одновременная обработка данных за 2-3 месяца для не менее 1500 пользователей) при минимальных ресурсах сервера:

• Оперативная память — 8 Гб

• Видеопамять — не потребуется (при отсутствии обработки видеоконтента)

• Свободное место — 20-50 ГБ

• Параметры процессора - ЦПУ 2 ядра, от 2,5 ГГЦ

Нефункциональные требования:

ПО должно обеспечивать:

• корректность определения рисковых потенциалов на основе 42 психологических шкал по цифровому следу пользователя из данных DlP-системы;

• обмен данных с ИБ-системой по протоколам API;

• соблюдение ограничений по заявленному количеству пользователей.