# 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.