Защита от утечек данных: DLP с классификацией документов на LLM

Классические DLP-системы ищут утечки по словарям, регулярным выражениям и цифровым отпечаткам файлов. Переформулированный текст, скриншот договора, фотография экрана, таблица без заголовков или чертёж проходят мимо. Одновременно система заваливает офицера безопасности ложными срабатываниями на безобидные письма с «конфиденциальными» словами, и реальные инциденты тонут в потоке.

Компании с интеллектуальной собственностью, персональными данными клиентов и гостайной должны понимать содержание каждого исходящего документа, при этом сам анализ не может выполняться внешним сервисом — это была бы утечка по определению. Требуется вычислительный узел внутри периметра, который читает документы, изображения и переписку с пониманием смысла.

Перехваченные каналы — почта, мессенджеры, файловые хранилища, печать, съёмные носители — передают содержимое на локальный узел, где OCR извлекает текст из сканов и скриншотов, а LLM классифицирует документ по категориям конфиденциальности организации, находит персональные данные, коммерческую тайну, исходный код и определяет, допустима ли передача данному адресату. Поведенческие модели выявляют нетипичные действия сотрудников: массовое скачивание, ночные выгрузки.

• Семантическая классификация документов, включая перефразированные и частичные копии.
• OCR скриншотов, фотографий и сканов с извлечением реквизитов.
• Поведенческая аналитика: отклонения от обычного профиля работы с данными.
• Объяснимые вердикты с указанием фрагмента и категории для офицера безопасности.
• Дообучение классификатора на документах и политике организации.

Какие данные нужны

• Перехваченный трафик каналов DLP
• Классификатор конфиденциальности и эталонные документы
• Журналы доступа к файлам и системам