Архив ИТ и интернет-сервисы · Облака и ЦОД
Selectel: локальная LLM закрывает около 80% инцидентов ИБ первой линии
По данным Selectel, после внедрения локальной LLM с RAG и валидатором около 80% инцидентов SOC закрываются практически без участия аналитика, под его присмотром. До внедрения команда получала около 100 инцидентов в месяц, а полный разбор одного занимал до двух рабочих дней.
/01 · ключевые результаты
-
результат
около 80%
доля инцидентов, закрываемых практически без участия аналитика
Selectel, блог компании, 22.09.2026
по данным на сентябрь 2026 года · SOC Selectel: первичный (L1) разбор инцидентов ИБ
данные компании
- около 100 инцидентов в месяц поток на разбор L1-аналитиком до внедрения · масштаб Selectel, блог компании, 22.09.2026
- около 80% доля ложных срабатываний среди инцидентов до внедрения · исходный уровень Selectel, блог компании, 22.09.2026
- до 2 рабочих дня время полного разбора одного инцидента до внедрения · исходный уровень Selectel, блог компании, 22.09.2026
- 67,6% точность (accuracy) модели GLM-5.2 на тестовом наборе инцидентов · возможность системы Selectel, блог компании, 22.09.2026
- 4% доля ложных эскалаций на L2 у модели GLM-5.2 на тестовом наборе · возможность системы Selectel, блог компании, 22.09.2026
оценка strategai
Оценку не приводим: компания не раскрывает стоимость работы аналитиков и не сообщает о сокращении затрат на персонал
По данным Selectel, после внедрения локальной LLM с RAG и валидатором около 80% инцидентов SOC закрываются практически без участия аналитика, под его присмотром. До внедрения команда получала около 100 инцидентов в месяц, а полный разбор одного занимал до двух рабочих дней.
/02 · паспорт кейса
Бизнес
- Компания
- Selectel
- Отрасль
- ИТ и интернет-сервисы · Облака и ЦОД
- Функция
- ИТ, разработка ПО и кибербезопасность
- Задача
- Кибербезопасность (SOC)
Технология
- Класс AI
- Генеративный ИИ: LLM, ассистенты, RAG
- Тип решения
- Собственная разработка
- Данные
- Инциденты из SIEM в формате JSON (логи сетевого оборудования, серверов и контроллеров доменов, антивирусов, межсетевых экранов и СЗИ), данные об уязвимостях из OSV API и фрагменты внутренней документации из Confluence по хостам, IP-адресам, CVE и пользователям.
Внедрение
- Стадия
- Промышленная эксплуатация, на 22.09.2026
- География
- Россия
/03 · описание кейса
Зачем
Бизнес-задача
В SOC Selectel логи части служебных и клиентских систем стекаются в SIEM, которая по корреляционным правилам создаёт инциденты. L1-аналитик по каждому инциденту изучал события в SIEM, искал CVE, проверял адреса и хосты во внутренней документации, писал разбор по шаблону и решал, закрыть инцидент как ложное срабатывание или эскалировать на L2. Инцидентов приходило около 100 в месяц, примерно 80% оказывались ложными, но каждый требовал проверки и документирования; полный разбор занимал до двух рабочих дней. Команда параллельно администрировала оборудование и работала с клиентами. Цель — передать модели первичный анализ, обогащение данных и подготовку решения, оставив решение за человеком.
Что
Решение
Внутренняя ИБ-политика запрещает передавать данные во внешние сервисы, поэтому облачные LLM отпали. Из локально развёрнутых в Selectel моделей сравнили Qwen 3.6-27B и GLM-5.1, затем заменённую на GLM-5.2. На наборе «золотых инцидентов» с известным решением GLM-5.2 показала точность 67,6% против 48,5% и долю ложных эскалаций 4% против 9,1%. Вместо файнтюнинга выбран RAG с полнотекстовым поиском по Confluence: размеченного датасета не было. Оркестратор — локально развёрнутый n8n. Второй проход выполняет валидатор: он проверяет классификацию, критичность и решение первой модели на противоречия и возвращает оценку согласия от 0 до 1.
Как
Внедрение
Инцидент из SIEM приходит в n8n в виде JSON и нормализуется скриптом. При наличии CVE данные об уязвимости подтягиваются из OSV API, по хостам, IP-адресам и пользователям строится запрос к Confluence, очищенные фрагменты передаются модели вместе с жёстким системным промптом. Модель возвращает классификацию, критичность, уверенность и решение L1; после валидации инцидент закрывается как ложный, эскалируется на L2, ставится на мониторинг или уходит на разбор человеком. Аналитик получает заключение в Telegram. По итогам внедрения около 80% инцидентов закрываются практически без участия аналитика, под его присмотром; время на разбор остальных, по словам инженера по ИБ Selectel, заметно сократилось.
/04 · источники и проверка
Что подтверждено
- По данным Selectel, около 80% инцидентов закрываются практически без участия аналитика, при этом под его присмотром.
- До внедрения в SOC поступало около 100 инцидентов в месяц, примерно 80% из них оказывались ложными срабатываниями; полный разбор занимал до двух рабочих дней.
- Модель GLM-5.2 работает локально в закрытом контуре; на тестовом наборе её точность составила 67,6%, доля ложных эскалаций на L2 — 4%.
Ограничения
- Около 80% — доля инцидентов, закрываемых с минимальным участием аналитика; период замера и число обработанных инцидентов не раскрыты.
- Сокращение времени на разбор остальных инцидентов описано качественно, без цифр; новое время разбора одного инцидента не приводится.
- Точность 67,6% и доля ложных эскалаций 4% получены на тестовом наборе при выборе модели; в рабочем потоке эти показатели не замерялись или не опубликованы.
-
[1] Selectel
L1 SOC без усталости. Как мы настроили LLM для разбора инцидентов
компания · 22.09.2026
Открыть источник
АрхИИВ /strategai · CB-001016 · Версия 1 · 18.10.2026 · /c/CB-001016/