Детектирование вредоносного ПО, поведенческий анализ, исследования
Международная компания по кибербезопасности с сильной исследовательской школой. ML здесь работает в условиях, которые редко встречаются в продуктовых компаниях: противник целенаправленно изучает вашу модель, ложное срабатывание на системном файле — это инцидент у миллионов пользователей, а модель должна работать на устройстве клиента при ограниченных ресурсах.
Порядок и состав секций меняются от команды к команде — это типовая схема, собранная по открытым источникам. Этапы, на которых проверяют знания, ведут в разбор формата: что оценивают и чем закрывать пробелы.
Рекрутер уточняет направление: детектирующие технологии, поведенческий анализ, исследования угроз, инфраструктура данных.
Алгоритмическая секция: структуры данных, сложность, работа с бинарными данными и строками.
ML-секция: модели на признаках файлов и событий, дисбаланс, валидация во времени.
Направленческая секция: редкие события, состязательный противник, цена ложного срабатывания.
Для исследовательских ролей — разбор работ и собственных проектов: что предложено, чем доказано.
Руководитель и команда: задачи, уровень, публикации и обмен знаниями.
4 формата проверки из отбора Лаборатория Касперского — и тест атласа под каждый. Слабые места видно сразу после захода, а темы для разбора собираются автоматически.
Живое кодирование: решение вслух и код в редакторе
На чём валятсяКлассика табличных задач и честная проверка качества
На чём валятсяРедкие события, состязательный противник и цена ложной тревоги
На чём валятсяСтатьи, воспроизведение результатов и математика под ними
На чём валятся18 тем по всем направлениям Лаборатория Касперского — если команда ещё не выбрана. Программа разложит их по неделям от математики к продакшену; под конкретное направление список короче, и его можно собрать ниже.
Эти 18 тем можно разложить по неделям: программа выстроит их от математики к продакшену, поставит тест в конце каждой недели и вернёт тему на повторение, если вы в ней ошиблись. Выйдет примерно 4 недели под Лаборатория Касперского · Все направления.
Проверяем, вошли ли вы…
Выберите направление: обязательные темы со ссылками в атлас, типовые вопросы с ответами и тест для самопроверки.
Классификация файлов и поведения процессов, поиск новых семейств. Специфика — извлечение признаков из бинарных данных, экстремально низкий допустимый уровень ложных срабатываний и постоянная смена тактик противника.
Эти 10 тем можно разложить по неделям: программа выстроит их от математики к продакшену, поставит тест в конце каждой недели и вернёт тему на повторение, если вы в ней ошиблись. Выйдет примерно 2 недели под Лаборатория Касперского · Детектирование вредоносного ПО.
Проверяем, вошли ли вы…
Через рабочую точку, а не через среднюю метрику: смотрят полноту при фиксированной точности порядка 1e-6, а не AUC. Практически это многоступенчатая схема — белые списки известного чистого софта, затем модель, затем подтверждающие проверки, — плюс обязательная ручная проверка кандидатов на детект.
Разбор в атласе: Precision — Точность →Строго по времени: обучение на файлах до даты T, проверка на появившихся после. Случайное разбиение помещает варианты одного семейства и в обучение, и в тест, и метрика превращается в проверку памяти, а не обобщения. Дополнительно смотрят качество на новых семействах отдельно.
Разбор в атласе: Cross-validation — Кросс-валидация →Модель становится объектом атаки: признаки подбираются так, чтобы уводить решение, обучающие данные — чтобы отравить выборку. Отсюда скрытность части признаков, устойчивость к небольшим изменениям файла, проверка новых данных перед добавлением в обучение и несколько независимых слоёв детектирования.
Разбор в атласе: Adversarial Examples — Состязательные примеры →Кластеризацией по признакам поведения и структуры с последующим разбором аналитиком: новое семейство выглядит как плотная группа похожих неизвестных объектов. Это не замена классификатору, а второй контур — он отвечает на вопрос «что появилось», а не «это вредоносное или нет».
Разбор в атласе: Clustering — Кластеризация →