Download DATA.md from k1dory/laya-argus: direct link, hf CLI and curl.
- Browser
- Download file 5.74 kB
-
https://huggingface.co/k1dory/laya-argus/resolve/main/DATA.md
- Command line
-
hf download hf://k1dory/laya-argus/DATA.md
-
curl -L -o DATA.md https://huggingface.co/k1dory/laya-argus/resolve/main/DATA.md
Данные
Наборы вопросов
Вопросы фиксированы дословно: при обучении и в работе — одни и те же.
ИБ
| Вопрос | Тип | Варианты |
|---|---|---|
| Исход инцидента | Choice |
malicious · benign_authorized · false_positive |
| Нужна эскалация | Noul |
— |
| Верна ли критичность | Score |
1–4 |
| Тактика ATT&CK | Choice |
14 тактик + «другое» |
| Техника ATT&CK | Choice |
кандидаты от движка (< 20) + «другое» |
DevOps
| Вопрос | Тип | Варианты |
|---|---|---|
| Причина | Choice |
диск · память · сеть · процесс упал · конфиг · деплой · внешняя зависимость · ложное срабатывание |
| Действовать сейчас | Noul |
— |
| Срочность | Score |
1–4 |
Запись в датасете
Одна строка JSONL на инцидент: пакет инцидента (как его видит аналитик:
rule_title, level, chain, enrichment, node, actor, для DevOps —
отобранный кусок лога), ответ человека по каждому вопросу, полные
распределения Opus и Jev (если были), признак blind, pii, источник
(prod / emulation / honeypot / chaos / public / synthetic /
augmented) и group_id исходного случая для разбиения. Обезличивание —
то же, что в движке.
Сколько нужно
Узкое место — самый редкий вариант ответа, а не общая сумма.
- 30–50 примеров на каждый вариант каждого вопроса;
- ~300 кейсов на сценарий для обучения (как у авторов Laya: 1 200 на 4);
- плюс 100–150 на сценарий в отложенную выборку.
| Сценарий | Размеченных инцидентов | Узкое место |
|---|---|---|
| ИБ | ≈ 400–500, сканов ≤ 50–100 | 30–50 malicious |
| DevOps | ≈ 300–400 | 30+ на категорию причины |
| ATT&CK | 30–50 на технику | 15–25 техник |
| Итого | ≈ 700–900 + отложенные |
Проверка: обучить на 100 / 200 / 300 — если метрики между 200 и 300 почти не растут, больше не собирать.
Источники
| Источник | Что даёт | Куда | Ограничения |
|---|---|---|---|
| Реальный поток | benign_authorized, false_positive, сканы |
обучение и проверка | атак почти нет |
Atomic Red Team, Caldera на тестовых ВМ с argus_agent |
malicious с техникой ATT&CK по построению |
обучение и проверка | только стенд; поведение «стерильное» |
| Cowrie / T-Pot на отдельном VPS вне LAN | настоящие атакующие сессии после «входа» | обучение и проверка | в основном боты |
| Хаос-учения (диск, служба, конфиг, сеть) | DevOps-причины по построению | обучение и проверка | только стенд |
| CIC-IDS2017/2018, UNSW-NB15 | сетевые атаки (близко к NetFlow v9) | только обучение | чужая среда, нужен конвертер |
| OTRF Security-Datasets, Splunk attack_data | хостовые атаки по техникам | только обучение | в основном Windows/Sysmon |
| Синтетика от Opus | редкие сценарии | только обучение | в проверку — никогда |
История: Wazuh alerts, разборы в вики |
прошлые реальные случаи | обучение и проверка | мало, восстанавливать вручную |
Журнал учений («что, где, когда запустили») — и есть разметка; прогоны
оформлять ещё и фикстурами для argus rules test.
Докрутка (только обучающая выборка)
| Приём | Что делает |
|---|---|
| Подмена полей | IP, учётки, хосты, порты, сдвиг времени; из одного случая 5–10 |
| Вклейка в фон | цепочка с учений вставляется в реальное окно обычных событий |
| Возмущение | число попыток, удаление несущественных событий, разброс по времени |
| Двойники атак | те же команды от авторизованного админа в окно работ → benign_authorized |
| Варианты от Opus | та же техника, другой инструмент или хост |
| Мягкие метки | распределения Jev/Opus поверх ответа аналитика |
Активное обучение
В очередь разметки первыми идут инциденты, где Laya не уверена. Люди размечают то, что модель ещё не умеет, — объём ручной разметки примерно вдвое меньше.