GazdaságSzerző: economx 4 napja 2 percnyi olvasás
A legveszélyesebb behatolók nem törnek be, hanem apránként besétálnak: egy kis riasztás itt, egy másik ott, közben műszakváltás, és az elemző fejében soha nem áll össze a kép. A ONE Magyarország éppen erre a vakfoltra akart mesterséges intelligenciát ültetni, de az első nekifutás nem ért célba. Gerner Viktor információbiztonsági szakértő az AI Summit Budapesten arról beszélt, hogy a fordulatot végül nem a nagyobb modell hozta el, hanem az, hogy megváltoztatták a kérdést.
Az Indamedia ebben az évben is megrendezte Közép-Európa legnagyobb mesterségesintelligencia-konferenciáját, az AI Summit a Városligetben zajlott 2026. szeptember 7–8-án.
A Néprajzi Múzeum Innovation Hall termében tartott előadás egy olyan szolgáltatás mindennapjaiba engedett betekintést, amelyről a legtöbb cégvezető csak annyit tud, hogy létezik. A ONE Magyarország Zrt. a lakossági távközlési szolgáltatásairól ismert, üzleti IT-igényeket kiszolgáló divíziója, a ONE Solutions viszont kilenc éve üzemeltet úgynevezett SOC-ot – biztonsági műveleti központot –, ahol vállalati ügyfelek rendszereiből érkező riasztásokat szűrnek.
A szakértő szerint az ilyen központnak két komponense van: egy gépi, amely rendet vág a beérkező adathalmazban, és egy emberi, ahol az elemzők eldöntik, valódi incidensről vagy csak zajról van-e szó. A végén mindig ember mondja ki, hogy baj van.
Csakhogy ez a felállás az elmúlt években egyre nehezebben bírta a terhelést. Az adatmennyiség óriási, a fenyegetések napról napra változnak, az elemzői munka pedig – ahogy Gerner Viktor fogalmazott – rendkívül repetitív: képernyő előtt ülve kell ugyanazokat a mintázatokat figyelni, éjjel-nappal.
Gerner Viktor egy tankönyvi trükköt írt le: a támadás minimális aktivitással indul, egyetlen riasztást vált ki, ami elsikkad. Jön a műszakváltás, a következő csapat lát valami apróságot, az sem tűnik komolynak.
Ez heteken keresztül folytatódik, és egyetlen elemző fejében sem áll össze, hogy ugyanannak a támadásnak a részei. Az emberi memória és a műszakbeosztás önmagában olyan rés, amit a gép elvileg be tud tömni.
Szétnéztek a piacon, majd inkább úgy döntöttek, hogy házon belül építik fel a rendszert.
A cégvezetés zöld utat adott egy belső kutatás-fejlesztési programnak, amelynek első eredménye lesújtó volt. Gerner Viktor felidézte: a felmérés azzal zárult, hogy egyáltalán nem értenek hozzá.
Kiderült az is, hogy a saját adatbázisaik alkalmatlanok modelltanításra. A kollégákat intenzív képzésre küldték, az adathalmazt kurálni kellett, majd optimalizálni: mi az a minimális adatmennyiség és adattípus, amivel egyáltalán érdemes dolgozni.
Itt jött a fordulat, ami az előadás legfontosabb tanulsága. Az első körben azt kérték a modelltől, hogy a detektálási szabálykészlet csiszolását gyorsítsa fel – vagyis a gépi komponens munkáját optimalizálja. Ez elbukott.
A második nekifutásban teljesen más irányba indultak: nem a szabályokat íratták a modellel, hanem azt a döntést kérték tőle, amit egyébként az elemző hoz meg. Incidens ez, vagy nem az?
A szakértő szerint a modell számára ez a feladat sokkal jobban értelmezhető volt, és az eredmény is ennek megfelelően alakult: az AI besorolása 87 százalék fölötti arányban egyezett azzal, amire az elemzők jutottak. Az arány a folyamatos optimalizálással azóta is javul. A végső döntés pedig ezután is az emberé marad.
Az AI Summit programjában emellett az öregedés lassításától a zeneipar jövőjéig számos további téma szerepelt.
Napi