Nền tảng an ninh mạng và tuân thủ AI Yōjin

Thách thức

Các tổ chức và nhà cung cấp dịch vụ quản lý đứng sau họ phải đáp ứng NIS2, DORA, GDPR và AI Act, nhưng danh sách kiểm tra chung bỏ qua quy mô, ngân sách và chuỗi cung ứng của họ, còn mô hình ngôn ngữ phổ thông không hiểu các khung pháp lý đủ sâu để tư vấn.

Bối cảnh

Yōjin đưa các tổ chức từ tuân thủ tới khả năng chống chịu an ninh mạng. Nền tảng tìm lỗ hổng bảo mật trong doanh nghiệp và bên thứ ba của họ, đánh giá mức độ rủi ro dựa trên kho tri thức về mối đe dọa và tuân thủ, và đưa các hành động phù hợp ngữ cảnh vào công việc hằng ngày, theo quy mô, ngân sách, hồ sơ rủi ro và nghĩa vụ pháp lý của từng tổ chức. Yōjin phục vụ doanh nghiệp và nhà cung cấp dịch vụ quản lý, và hiện định vị là nền tảng GRC có chủ quyền dữ liệu tại EU.

Chúng tôi đã xây gì

Mistral 7B được fine-tune trên 424k mẫu huấn luyện, giữ riêng 106k mẫu để kiểm định, mỗi lượt chạy khoảng bốn giờ. Đồ thị Neo4j mô hình hóa mối đe dọa, biện pháp kiểm soát và nghĩa vụ tuân thủ, còn ChromaDB đảm nhận truy xuất trên kho tri thức. LangGraph điều phối từng truy vấn qua mô hình đã fine-tune, đồ thị và vector store, cùng các mô hình OpenAI, chạy trên AWS.

Điều gì thay đổi

Khuyến nghị đến từ một mô hình được huấn luyện trên tài liệu bảo mật và tuân thủ, dựa trên chính đồ thị kiểm soát và nghĩa vụ của tổ chức, thay vì từ một mô hình phổ thông hay một danh sách kiểm tra cố định.

Ràng buộc và quyết định

Chọn mô hình 7B được fine-tune thay vì một mô hình phổ thông lớn: mô hình nhỏ được huấn luyện theo lĩnh vực có thể chạy ở nơi dữ liệu khách hàng buộc phải ở lại, điều mà một nền tảng cam kết AI chạy tại châu Âu phụ thuộc vào. Đồ thị giữ biện pháp kiểm soát và nghĩa vụ thành các quan hệ tường minh, nên mỗi khuyến nghị đều chỉ ra được nghĩa vụ mà nó phục vụ.

Nền tảng công nghệ

Mistral 7BFine-tuningNeo4jChromaDBRAGLangGraphOpenAIAWS