На DevFest 2026 Игорь Кабанов рассказал о том, как мы строили MLOps для системы детектирования вредоносного HTTP-трафика.

Основная сложность проекта заключалась в том, что решение работает у клиентов on-premise. Это означает, что данные есть, телеметрия есть, а вот прямого доступа к самим данным, на которых будет работать готовая модель, нет. При этом модель нужно регулярно улучшать, контролировать качество детекта и держать под контролем ложные срабатывания.

Основные поинты:
• ETL для сбора и организации данных из множества источников;
• поставка модели в кастомном ONNX с вшитым версионированием;
• silent-режим - телеметрия без блокировки;
• непрерывный мониторинг нескольких версий моделей одновременно;
• анализ ложных срабатываний и процессы переразметки данных совместно с экспертами по кибербезопасности;

В докладе описывается, как нам удалось выстроить вокруг этого полноценный MLOps-контур: от данных и обучения до мониторинга, анализа ошибок и безопасной поставки новых версий моделей.

Запись доклада

#ml_team