Начинающий специалист по информационной безопасности может использовать AI для разбора документации, подготовки черновиков отчётов, исследования незнакомых технологий, работы с логами и первых итераций кода.
Главная сложность — не получить убедительный ответ, а встроить инструмент в процесс так, чтобы результат оставался проверяемым и безопасным. Практические сценарии и живой рабочий процесс разберут на открытом воркшопе «AI в деле», который пройдёт 6 августа в 19:30 МСК.
Для работы с AI полезно держать в голове одну формулу: модель даёт черновик на скорости, специалист даёт контекст и проверку. Это снимает сразу две крайности: ожидание волшебной кнопки и отказ от инструмента из-за того, что он иногда ошибается.
Начните не с инструмента, а с повторяющейся задачи
Плохая отправная точка — решить, что команде «нужно внедрить AI», а затем искать применение новой технологии. Гораздо практичнее выбрать конкретную рутинную задачу, которая регулярно отнимает время и имеет понятный результат.
Для первого эксперимента подойдут задачи, где специалист уже умеет оценивать качество ответа:
- собрать черновик отчёта или презентации из нескольких рабочих материалов;
- структурировать технические требования;
- разобрать документацию по незнакомой технологии;
- подготовить заготовку скрипта;
- привести к удобному виду JSON или фрагмент логов;
- составить черновик запроса к SIEM;
- собрать основу для threat modeling.
Критерий выбора простой: результат должен быть легко сопоставить с исходными данными и проверить до того, как он повлияет на рабочую систему или решение.
Разделите процесс на черновик и проверку
Полезная роль AI — быстро подготовить основу, которую затем проверяет специалист. Опасная роль — незаметно заменить профессиональное решение правдоподобным текстом.
Рабочий процесс можно построить так:
Подготовить контекст. Определить, какие материалы действительно нужны для задачи и какие данные нельзя передавать модели.
Сформулировать ожидаемый результат. Заранее задать структуру, формат и критерии качества: например, не «проанализируй встречи», а «собери тезисы для пяти слайдов и укажи, из какого материала взят каждый вывод».
Получить черновик. Использовать результат модели как промежуточный артефакт, а не готовый документ.
Проверить факты и контекст. Сверить выводы с источниками, корпоративными требованиями и ограничениями задачи.
Убрать чувствительные данные. Ещё раз проверить и входные материалы, и итоговый документ перед передачей коллегам или публикацией.
Зафиксировать удачный сценарий. Если процесс дал полезный результат, сохранить последовательность действий и правила проверки, чтобы её можно было повторить.
На воркшопе Евгений Строев применит эту схему к реальной рабочей задаче и покажет не только получение результата, но и последующую проверку. Посмотреть практический разбор и сверить свой процесс можно 6 августа.
Пять сигналов, что ответу нельзя доверять без проверки
AI часто ошибается убедительно. Для начинающего специалиста особенно опасны ответы, в которых модель:
- называет CVE, команду, флаг или параметр, но не позволяет подтвердить их по первоисточнику;
- предлагает функцию или API, которых нет в документации;
- игнорирует ограничения компании, проекта или используемой среды;
- подменяет неизвестные детали правдоподобными допущениями;
- даёт решение, которое работает только в идеальном сценарии и не учитывает ошибки или краевые случаи.
Полезная привычка — просить модель отдельно перечислять допущения, неизвестные данные и краевые случаи. Это не заменяет проверку, но делает скрытые слабые места ответа заметнее.
Считайте AI-код недоверенным вводом
AI может ускорить подготовку скриптов и помочь разобраться с незнакомым фрагментом кода. Но убедительная форма ответа не гарантирует его корректность или безопасность.
Любой сгенерированный код стоит проверять по тем же правилам, что и код из неизвестного источника:
- понять назначение каждой значимой операции;
- проверить обработку входных данных и ошибок;
- убедиться, что в код не попали секреты и чувствительная информация;
- оценить зависимости и внешние вызовы;
- запускать сначала в контролируемой среде;
- проверить результат до использования в рабочем процессе.
Это особенно важно в задачах информационной безопасности: ошибка в автоматизации может не просто испортить результат, а создать новую уязвимость.
Не передавайте модели данные по привычке
Если AI становится частью ежедневной работы, границы допустимого нужно определить заранее. Решение о передаче данных не должно приниматься автоматически только потому, что инструмент ускоряет задачу.
Перед каждым сценарием полезно проверить:
- есть ли в материалах персональные, корпоративные или иные чувствительные данные;
- можно ли обезличить исходники без потери смысла;
- действительно ли модели нужен весь документ;
- кто и как будет проверять результат;
- где будет использоваться итоговый материал.
Минимизация контекста помогает одновременно снизить риск и сделать задачу для модели точнее.
Проведите первый эксперимент за одну рабочую неделю
Для старта не нужен большой проект внедрения. Достаточно одной задачи, одного ответственного специалиста и заранее определённой проверки. Возьмите процесс, который всё равно предстоит выполнить на этой неделе, и сравните обычный способ с работой через AI.
Короткий чек-лист первого эксперимента:
- задача повторяется и имеет понятный результат;
- специалист умеет оценить качество ответа без доверия «на глаз»;
- чувствительные данные исключены или должным образом обработаны;
- результат AI не попадает в рабочую среду без проверки;
- критерии успешного эксперимента определены заранее;
- удачный процесс можно воспроизвести на следующей неделе.
Засеките время, но оценивайте не только скорость. Хороший результат — это черновик, который проще проверить и доработать, чем создать с нуля, а специалист после работы способен объяснить каждое принятое решение коллеге.
Так AI превращается из отдельного эксперимента в контролируемый рабочий инструмент: он ускоряет подготовительную работу, но ответственность за контекст, проверку и решение остаётся у специалиста.
6 августа в 19:30 МСК Евгений Строев — Data Protection Lead & AI Security & Security Business Partnering в Exness, специалист с более чем 15-летним опытом в информационной безопасности — проведёт открытый воркшоп «AI в деле». На встрече он покажет личные рабочие сценарии использования ChatGPT, Claude, Cursor и Claude Code, разберёт применение AI в offensive- и defensive-задачах и проведёт живую демонстрацию. Зарегистрироваться на воркшоп.
