Архив ИТ и интернет-сервисы · Кибербезопасность
Doppel: LLM-агенты в триаже угроз сократили нагрузку аналитиков на 80%
По данным Doppel, замена ручного триажа угроз социальной инженерии на ИИ-агентов на основе моделей GPT сократила нагрузку аналитиков на 80%, а время реагирования — с часов до минут.
/01 · ключевые результаты
-
результат
80%
снижение нагрузки на аналитиков
Doppel, блог компании, 28.10.2025
по данным на октябрь 2025 года · триаж угроз социальной инженерии на платформе Doppel
данные компании
оценка strategai
Оценку не приводим: не раскрыты численность аналитиков и базовый объём ручного триажа
По данным Doppel, замена ручного триажа угроз социальной инженерии на ИИ-агентов на основе моделей GPT сократила нагрузку аналитиков на 80%, а время реагирования — с часов до минут.
/02 · паспорт кейса
Бизнес
- Компания
- Doppel Inc.
- Отрасль
- ИТ и интернет-сервисы · Кибербезопасность
- Функция
- ИТ, разработка ПО и кибербезопасность
- Задача
- Кибербезопасность (SOC)
Технология
- Класс AI
- Генеративный ИИ: LLM, ассистенты, RAG
- Тип решения
- Гибридное решение: OpenAI
- Данные
- Сотни миллионов URL в день и сигналы по каждому сайту (регистратор домена, обнаружение логотипа бренда), разметка экспертов по кибербезопасности.
Внедрение
- Стадия
- Промышленная эксплуатация, на 28.10.2025
- География
- Соединенные Штаты
/03 · описание кейса
Зачем
Бизнес-задача
Doppel — платформа защиты от социальной инженерии: фишинга, имперсонации брендов и руководителей, мошенничества. По оценке компании, генеративный ИИ резко удешевил обман: один фейковый сайт запускается за минуты, атакует тысячи потенциальных жертв и быстро исчезает, а злоумышленник одним промптом создаёт тысячи таких сайтов. Традиционные системы обнаружения и реагирования строились под ручной триаж, когда аналитики разбирают оповещения и их метаданные по одному. Компания считает, что при массовом производстве угроз такой подход не работает и решение требует автоматизации.
Что
Решение
Doppel перестроила весь цикл принятия решений — от обнаружения и классификации до автоматического действия — на последних моделях GPT от OpenAI. Платформа ежедневно принимает сотни миллионов URL. Для каждого сайта собираются сигналы, от регистратора домена до обнаружения логотипа бренда; сигналы фильтруются по релевантности, агрегируются и передаются в слои рассуждения, которые оценивают контекст и намерение. Эти слои состоят из LLM, согласованных с суждениями аналитиков через промпт-инжиниринг и Reinforcement Fine-Tuning (RFT): система учится рассуждать и объяснять свои выводы.
Как
Внедрение
Обратную связь моделям даёт команда экспертов по кибербезопасности: они размечают данные, обновляют промпты и исправляют ошибки, обучая систему обрабатывать всё больше пограничных случаев и новых типов угроз. Компания описывает результат как движок, который непрерывно учится на обратной связи и прозрачно объясняет решения. В блоге от 28 октября 2025 года Doppel сообщила, что замена ручного триажа ИИ-агентами сократила нагрузку аналитиков на 80% и сжала время реагирования с часов до минут; по словам компании, при этом сократились ошибки. Подробности изложены в совместной истории клиента OpenAI × Doppel.
/04 · источники и проверка
Что подтверждено
- По данным Doppel, замена ручного триажа ИИ-агентами сократила нагрузку аналитиков на 80%.
- Время реагирования на угрозы, по словам компании, сократилось с часов до минут.
Ограничения
- 80% — оценка самой компании без раскрытой методики и базового периода; численность аналитиков и объём оповещений до и после внедрения не приводятся.
- Сокращение времени реагирования описано качественно («с часов до минут»), без точных значений.
- Источник не приводит данных о точности классификации и доле ложных срабатываний.
-
[1] Doppel
Minutes, Not Hours: What Our OpenAI Case Study Proves About Social Engineering Defense
компания · 28.10.2025
Открыть источник
АрхИИВ /strategai · CB-002561 · Версия 1 · 24.10.2026 · /c/CB-002561/