Опубликовано: 14.09.2026 | Источник: CNews (новости)

Защита ИИ в дипломе: рыночный тренд, архитектура и метрики для ВКР

24 марта 2026 года CNews опубликовал заметку: совокупная выручка группы компаний Swordfish Security за 2025 год превысила 2,1 млрд рублей против 1,4 млрд годом ранее — заявленный рост 52%. Ключевой драйвер в самой публикации назван прямо: интерес заказчиков к защите искусственного интеллекта. Для выпускника ИТ- или ИБ-направления это не абстрактная новость, а готовый аргумент в первой главе. Рынок платит за то, чтобы модели не ломали, не воровали и не обходили — значит, тема «безопасность ИИ» перестала быть хайпом и стала инженерной задачей с бюджетом.

Ниже разберём, как встроить этот тренд в ВКР так, чтобы комиссия увидела инженерное решение, а не пересказ статей. Плюс — где брать метрики, чем обосновывать стек и какие грабли чаще всего портят защиту.

Три темы ВКР, которые сядут на эту новость как на фундамент

1. Обнаружение состязательных атак на ML-модель в корпоративном контуре

• Актуальность: спрос на защиту ИИ формирует бюджет рынка (рост выручки Swordfish Security до 2,1 млрд руб.), при этом состязательные атаки — самый недооценённый вектор в студенческих работах.
• Цель: разработать модуль детекции аномальных входных воздействий на модель классификации с измеримым снижением доли успешных атак.
• Задачи: классифицировать векторы атак по MITRE ATLAS; реализовать препроцессинг-валидатор входных данных; построить детектор на статистических признаках; оценить TPR/FPR на сгенерированном датасете.
• Структура: Глава 1 — обзор угроз и стандартов (ISO/IEC 27001, OWASP ML Top 10); Глава 2 — архитектура модуля и интеграция в инференс-пайплайн; Глава 3 — эксперименты, метрики качества и оценка внедрения.

2. Защищённый MLOps-пайплайн на Kubernetes: подход DevSecOps

• Актуальность: рост рынка защиты ИИ означает, что компании строят не разовую «заплатку», а постоянный процесс — значит, востребованы специалисты по безопасности жизненного цикла модели.
• Цель: спроектировать CI/CD-пайплайн обучения и деплоя моделей со встроенными контролями безопасности.
• Задачи: описать модель угроз для пайплайна; внедрить сканирование зависимостей и формирование SBOM; настроить разграничение доступа к артефактам модели; замерить накладные расходы на этапы пайплайна.
• Структура: Глава 1 — анализ MLOps и DevSecOps-практик; Глава 2 — проектирование стенда (Kubernetes, реестр моделей, секрет-менеджер); Глава 3 — нагрузочные испытания и экономика эксплуатации.

3. Экономическое обоснование внедрения средств защиты ИИ-сервисов

• Актуальность: цифры из публикации (1,4 → 2,1 млрд руб.) дают рыночный контекст и позволяют корректно построить модель затрат и эффектов.
• Цель: построить методику расчёта TCO и ROI для внедрения подсистемы защиты ИИ в компании среднего размера.
• Задачи: собрать исходные допущения по стоимостям лицензий, инфраструктуры и трудозатрат; рассчитать потери от инцидентов без защиты; сравнить сценарии «своими силами / готовое решение»; выполнить анализ чувствительности.
• Структура: Глава 1 — обзор рынка и подходов к оценке эффективности ИБ; Глава 2 — расчётная модель и её программная реализация; Глава 3 — сценарии, риски и выводы по внедрению.

Аналитическая глава: как обосновать стек, а не «мне так захотелось»

Первая глава почти всегда проваливается в пересказ определений. Спасает сравнительная таблица с критериями отбора. Ниже — рабочий каркас, который комиссия читает как обоснование выбора, а не как реферат.

Отдельный совет: цифры из новости используйте аккуратно. Если посчитать по округлённым значениям из заметки, получится (2,1 − 1,4) / 1,4 ≈ 50%, а не 52% — расхождение объясняется округлением в публикации. В ВКР всегда указывайте точные числа, приводите источник и объясняйте расхождения. Комиссия такие детали замечает и запоминает.

Проектная часть: что именно рисовать и кодить

Схемы, без которых работа выглядит недоделанной

• Контекстная диаграмма (уровень C4-Context): модель, потребители API, модуль защиты, внешние сервисы.
• Диаграмма компонентов: валидатор входа, детектор аномалий, блок логирования, хранилище артефактов модели.
• Диаграмма последовательности: путь запроса при легитимном обращении и при состязательной атаке — с точкой срабатывания блокировки.
• Диаграмма развёртывания: Kubernetes-кластер, ingress, сервис инференса, сервис мониторинга.

Минимальный рабочий фрагмент пайплайна

stages:
  - lint
  - dependency_scan
  - sbom
  - build_model_artifact
  - security_gate
  - deploy_canary

security_gate:
  script:
    - sast --fail-on high
    - detect-secrets scan --baseline .secrets.baseline
    - test -f sbom.json || exit 1
  rules:
    - if: $CI_COMMIT_BRANCH == "release"

Такой фрагмент показывает комиссии главное: вы понимаете, что безопасность модели — это не только защита от атак на инференс, но и целостность цепочки поставки: зависимости, артефакты, доступы. Именно этот пласт сейчас активно растёт вслед за спросом на защиту ИИ, о котором пишет источник.

Тестирование и метрики: где взять цифры для расчётов

Самый частый вопрос на защите — «а как вы это измеряли?». Метрики нужно не придумать, а выбрать под задачу и обосновать. Ориентируйтесь на таблицу ниже.

TCO = CAPEX + OPEX × n
ROI = (Потери_без_защиты − TCO) / TCO × 100%

Чему вы научитесь, пока делаете такую ВКР

• Строить модель угроз не «по шаблону», а привязанно к конкретному ML-пайплайну.
• Обосновывать выбор архитектуры через измеримые критерии, а не через популярность инструмента.
• Работать с наблюдаемостью: метрики, трейсы, журналы решений модели.
• Оформлять техническую документацию в логике ГОСТ 34.602-89 и ГОСТ 19-серии.
• Считать экономику проекта — навык, которого почти нет у выпускников и который сильно выделяет на защите.

Частые вопросы выпускников

Источник: ГК Swordfish Security нарастила объем выручки на 52% в 2025 на фоне роста интереса к защите ИИ (опубликовано 2026-03-24)