Журнал "Information Security/ Информационная безопасность" #3, 2026

• 89 ИИ-АССИСТЕНТЫ В ИБ www.itsec.ru Security Vision AI Астра ИИ [Код] ООО "Интеллектуальная безопасность", Россия Группа Астра, Россия 2022 2026 Единый ИИ-контур платформы Security Vision: локальный гене- ративный ИИ, подключение внешних LLM, ML-скоринг, поведен- ческая аналитика, матстатистика, экспертные знания и контро- лируемое выполнение действий Система для автоматизации разработки безопасного ПО с помощью искусственного интеллекта в критической информационной инфра- структуре Единый встроенный технологический слой платформы Security Vision, используемый в SIEM, UEBA, SOAR/NG SOAR, TIP, AM, VS/VM и SGRC Самостоятельный ассистент SOC, поведенческий анализ,TI и TH, VM, управление активами, инцидентами, рисками, комплаенс, помощь пользователям SDLC (Software Development Life Cycle) Аналитики и ркуоводители SOC, архитекторы ИБ, команды реа- гирования и TH, TI-аналитики, владельцы процессов AM, VM и GRC, CISO, администраторы продуктов Security Vision Аналитик, CISO, DevSecOps, разработчик, DevOps Можно использовать локальную модель или подключить внеш- нюю: YandexGPT, ChatGPT, DeepSeek и др. при помощи кон- структора коннекторов Не раскрывается Базы знаний и документы, документация по продуктам, события ИБ, история инцидентов; конфигурации, ITSM/CMDB, данные об уязвимостях, TI-бюллетени, поведенческая телеметрия; меры защиты, требования, риски, аудиты и задачи Базы знаний, документы, логи и события ИБ, конфигурации, репози- тории кода, ITSM и CMDB, а также данные ERP, CRM, BI через MCP- серверы Отвечает на вопросы, поясняет контекст, формирует резюме, оценки и рекомендации. Критические операции -- после под- тверждения либо автоматически в рамках заранее утвержден- ных сценариях Формирует рекомендации, выполняет действия после подтвержде- ния пользователя, автономные действия Да, показывает контекст, события, историю действий, похожие инциденты, техники атак, бюллетени, рекомендуемые шаги Частично Настройка под инфраструктуру заказчика; при необходимости – дообучение локальной модели в его контуре RAG, дообучение модели Да, поддерживаются контролируемые многошаговые сценарии Да Да, сопоставляет вывод с исходными данными и контекстом Да Да, запросы, ответы и инициированные действия Да Преимущественно локально, в инфраструктуре заказчика. Могут подключаться внешние LLM через контролируемые интеграции Комбинированно: в инфраструктуре заказчика, в облаке разработ- чика Да Да Общий объектный контекст. Контекстный ассистент по инциден- ту и продукту. ML-оценка критичности и вероятности ЛПС. Поиск похожих инцидентов и резюме. Kill Chain и динамические сцена- рии реагирования. Поведенческая аналитика. Анализ доменов и извлечение IOC. Классификация и приоритизация активов и уязвимостей. Поддержка аудитов и подготовки рекомендаций Автоматизация многошаговых задач, включая запуск команд и взаимодействие с файловой системой. Выполнение рутинных задач: исправление багов, написание тестов, документации, обновление зависимостей. Понимание больших кодовых баз Базовый вариант – on-premise. Внешние LLM подключаются при необходимости Облако или on-premise https://www.securityvision.ru/products/ https://astra.ru/ Представленные в таблице данные предоставлены соответствующими компаниями. Редакция выполнила работу по сбору данных, но не проверяла их соответствие действительности.