Зачастую недостаточно только выбрать архитектуру модели, нужно оптимизировать её гиперпараметры под конкретную задачу. Сегодня мы познакомимся с инструментом, удобным в использовании и легко встраиваемым в любой код.

Проникновение во внутреннюю сеть организации часто начинается с заражения рабочей станции сотрудника, например, с применением фишинговой рассылки. Анализ логов является одним из основных этапов проведения аудита, расследования инцидентов кибербезопасности.

Мода на «правильные» инструменты разработки и анализа постоянно меняется. В 2020-м году наиболее востребованным был Process Mining. Он помог увидеть — как протекают процессы компании в действительности. Сегодня расскажем про построение лога на основе электронного следа события (для применения технологии Process Mining).

Построить граф по логам процесса очень просто. В распоряжении аналитиков в настоящее время достаточное многообразие профессиональных разработок, таких как Celonis, Disco, PM4PY, ProM и т.д., призванных облегчить исследование процессов. Сложнее найти отклонения на графах, сделать верные выводы по ним. Что делать, если некоторые профессиональные разработки, зарекомендовавшие себя и представляющие особый интерес не доступны по тем или иным причинам, или вам хочется больше свободы в расчетах при работе с графами? Насколько сложно самим написать майнер и реализовать некоторые необходимые возможности для работы с графами? Сделаем это на практике с помощью стандартных библиотек Python, реализуем расчеты и дадим с их помощью ответы на детальные вопросы, которые могли бы заинтересовать владельцев процесса.