компания "лаборатория касперского" мы разрабатываем методы детектирования от составления обучающей выборки и выявление признаков, до реализации и контроля качества на production системах. разработанные методы далее используются во многих продуктах лаборатории касперского непосредственно защищая наших пользователей. в составе нашей команды вам предстоит принять участие в разработке технологий детектирования вредоносной активности на базе методов машинного обучения: классификация исполняемых файлов как по статическим признакам, так и по их поведению; анализ android/mac файлов; распознавание вредоносных интернет ресурсов основываясь на статистических данных, графах связей ip адресов; кластеризация, быстрый поиск похожих вредоносных объектов. что требуется от вас: вести ds проекты от начальных до заключительных стадий; активно участвовать в генерации и проверке гипотез по улучшению качества текущих алгоритмов и экспериментов с новыми подходами; готовы развивать и обогащать текущий стек технологий на основе python, spark, docker, azure devops; обогащать принятые в команде практики mlops (code review, ci/cd, deployment, monitoring, alerting); делиться знаниями в форме выступлений и публикаций на профильных конференциях. с примерами задач команды можно ознакомиться по ссылкам: how to improve soc analyst efficiency using ml - datafest. ml & security track - https://www.youtube.com/watch?v=dpzdb9uivwc&feature=youtu.be краткий ликбез по ml метрикам и их связи с бизнес-метриками - leadds meetup - https://www.youtube.com/watch?v=pdmgvhsupjm&feature=youtu.be deepquarantine for suspicious mail - whitepaper - https://arxiv.org/pdf/2001.04168.pdf detection is not a classification: review of ml techniques for cybersecurity specs - slides - https://static.ptsecurity.com/phdays/presentations/classifying-or-detecting-machine-learning-methods-in-cybersecurity.pdf monotonic models for real-time dynamic malware detection - whitepaper - https://openreview.net/pdf?id=rkjatuyvm
Адрес
Москва