Cyber Incident Forecasting
پیشبینی حجم حوادث امنیتی SOC — پیشبینی حجم هشدار و حادثه SOC با فاصله اطمینان، مدلهای آماری/ML و توصیه شیفت.
این صفحه دموی POC است، نه سامانه تحویلی. خدمت متناظر: امنیت سایبری · هاب دموها.
دموی نمونه تعاملیبرای مدیر: نتیجه کسبوکار
شیفت SOC در روز انتشار محصول یا کمپین فیشینگ غافلگیر میشد.
پیشبینی ساعتی/روزانه با فاصله اطمینان؛ سناریوی انتشار ۲.۱× و بهینهسازی تعطیلات.
- ۸۷۶۰ رکورد ساعتی
- walk-forward validation
- PIC ۸۰٪/۹۵٪
- ۶ تب داشبورد
«برای روز انتشار، بافر ۲× را از قبل در شیفت میگذاریم.»
مستندات عمومی
چه میکند؟
Cyber Incident Forecasting یکی از محصولات پورتفولیوی هوش مصنوعی آریا اِیآی است که برای تصمیمگیری عملیاتی سازمانهای ایرانی و بینالمللی طراحی شده. نسخه عمومی روی Hugging Face یک دموی نمونه است؛ نسخه تولید با یکپارچهسازی داده، SSO و audit trail استقرار مییابد.
مخاطب غیرفنی میتواند KPI قبل/بعد، کاربرد صنعت و مسیر پایلوت را ببیند؛ مخاطب فنی pipeline، متریک قابل بازتولید و لینک Space/Model/Dataset را دنبال میکند.
درخواست پایلوت از طریق فرم تماس سایت با ذکر علاقه به Cyber Incident Forecasting ثبت میشود تا محدوده داده، قیود و معیار موفقیت مشخص گردد.
چه کسی از آن استفاده میکند؟
مدیران عملیات، CISO، برنامهریزان تولید، لجستیک، مالی و تیمهای مهندسی که باید تصمیم را هم برای هیئتمدیره و هم برای اجرای فنی توضیح دهند.
خروجی دمو «نمونه تعاملی» است؛ آپلود زنده فایل سازمانی روی Space عمومی توصیه نمیشود.
کاربرد در صنایع
بانک، بیمه و فینتک
کاهش ریسک تقلب، فیشینگ و نفوذ در کانالهای دیجیتال و تسریع triage SOC. برنامهریزی نیروی SOC برای بانک، تلکو و MSSP.
نفت، گاز و انرژی
پایش تهدید IT/OT، اولویتبندی آسیبپذیری و پاسخ حادثه در تأسیسات حیاتی.
مخابرات و مراکز داده
طبقهبندی ترافیک، شکار تهدید و کاهش alert fatigue در شبکه بزرگ.
دولت و زیرساخت حیاتی
همبستگی IOC، پوشش MITRE و گزارشدهی برای تیمهای SOC ملی و سازمانی.
بهداشت و درمان
محافظت از داده بیمار، ایمیل و endpoint بدون افشای PII در دمو عمومی.
خردهفروشی و تجارت الکترونیک
تشخیص کمپین فیشینگ، بدافزار و سوءاستفاده از وب/اپلیکیشن فروش.
برای مهندس: Pipeline و معماری
Hourly SOC metrics → EDA/ACF → ARIMA/SARIMA/VAR + RF/XGBoost/LightGBM → walk-forward → staffing recs
معماری مرجع: Hourly SOC metrics → EDA/ACF → ARIMA/SARIMA/VAR + RF/XGBoost/LightGBM → walk-forward → staffing recs. اجزا روی CPU قابل اجرا هستند تا دمو و استقرار اولیه بدون GPU اجباری باشد.
خروجیها شامل امتیاز/برنامه، توضیحپذیری و ردپای تصمیم برای بازبینی انسانی است. آموزش و ارزیابی از corpus مستند پروژه پیروی میکند.
برای تولید: Docker، متغیر محیطی، و اتصال به سامانه موجود (ERP، SIEM، WMS، APS) طبق معماری هر repo انجام میشود.
پشته فنی
- Python
- scikit-learn
- LightGBM / PyTorch
- FastAPI
- Gradio
- Docker
متریکهای قابل بازتولید
| بنچمارک | جزئیات | نتیجه |
|---|---|---|
| Corpus | hourly SOC | 8,760 rows |
| Validation | chronological | walk-forward |
| ML | RF / XGB / LGBM | included |
| Intervals | 80% / 95% PIC | yes |
سوالات پرتکرار
Cyber Incident Forecasting چه مسئلهای را حل میکند؟
Cyber Incident Forecasting برای «پیشبینی فشار حادثه و حجم تیکت SOC در افق کوتاه» است. پیشبینی حجم هشدار و حادثه SOC با فاصله اطمینان، مدلهای آماری/ML و توصیه شیفت. این صفحه دموی POC است نه سامانه تحویلی.
ورودی و خروجی Cyber Incident Forecasting چیست؟
ورودی: سری هشدار، شیفت و رویداد خارجی. خروجی قابل نقلقول: پیشبینی بار و بازه عدم قطعیت. متریک Hub بدون حجم نمونه سازمان SLA نیست.
آیا Space عمومی Cyber Incident Forecasting جایگزین استقرار سازمانی است؟
خیر. Hugging Face برای ارزیابی است. شکست رایج: برنامه شیفت بر اساس پیشبینی بدون ذخیره. production یعنی on-prem یا VPC و کنترل دسترسی.
چطور پایلوت را شروع کنیم؟
فرم تماس خانه (سازمان، صنعت، شرح مسئله) را بفرستید. قیمت در صفحه دمو اعلام نمیشود.