Vuln Remediation Analytics
تحلیل بقا و زمان رفع آسیبپذیری — تحلیل بقا (Cox PH / Kaplan–Meier) برای زمان رفع آسیبپذیری با سانسور راست و پیشبینی SLA.
این صفحه دموی POC است، نه سامانه تحویلی. خدمت متناظر: امنیت سایبری · هاب دموها.
دموی نمونه تعاملیبرای مدیر: نتیجه کسبوکار
۵۰۰+ CVE باز؛ میانگین ساده زمان رفع، موارد باز را نادیده میگرفت و اولویت غلط میداد.
مدل بقا با سانسور راست؛ C-index ۰.۷۱؛ احتمال رفع ۳۰ و ۹۰ روزه شفاف.
- C-index ۰.۷۰۸
- میانه TTR ۲۲ روز
- P(رفع ۳۰روز) ۴۷٪
- SLA compliance ۳۹.۶٪
«بالاخره منحنی صادقانه برای آسیبپذیریهای هنوز باز داریم — نه میانگین گمراهکننده.»
مستندات عمومی
چه میکند؟
Vuln Remediation Analytics 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 Vuln Remediation Analytics 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. گزارش به هیئتمدیره درباره سرعت واقعی patch — نه فقط تعداد CVE باز.
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
Vuln tickets → right-censoring → Kaplan–Meier → Cox PH → SLA tiers → backlog aging KPIs
معماری مرجع: Vuln tickets → right-censoring → Kaplan–Meier → Cox PH → SLA tiers → backlog aging KPIs. 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 |
|---|---|---|
| Concordance | Cox PH | 0.7084 |
| Median TTR | remediated subset | 22 days |
| P(30d) | KM | 47.3% |
| P(90d) | KM | 72.0% |
سوالات پرتکرار
Vuln Remediation Analytics چه مسئلهای را حل میکند؟
Vuln Remediation Analytics برای «مدل بقا برای زمان تا رفع آسیبپذیری» است. تحلیل بقا (Cox PH / Kaplan–Meier) برای زمان رفع آسیبپذیری با سانسور راست و پیشبینی SLA. این صفحه دموی POC است نه سامانه تحویلی.
ورودی و خروجی Vuln Remediation Analytics چیست؟
ورودی: سن CVE، شدت و بافت دارایی. خروجی قابل نقلقول: منحنی بقا/اولویت رفع. متریک Hub بدون حجم نمونه سازمان SLA نیست.
آیا Space عمومی Vuln Remediation Analytics جایگزین استقرار سازمانی است؟
خیر. Hugging Face برای ارزیابی است. شکست رایج: تفسیر بقا بهعنوان مهلت قراردادی. 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.