Get best of the week

Lima tahap menerima hal yang tak terhindarkan, atau Bagaimana kami mengembangkan program untuk pembuatan profil otomatis

Hai, saya berhubungan dengan Alexey Filatov (alias afilatov123) Pada 2017, saya diundang ke tim SearchInform untuk meluncurkan solusi perangkat lunak baru. Lebih tepatnya, untuk meningkatkan kemampuan produk unggulan - sistem DLP . Pasar tidak hanya tahu cara menggunakan perangkat lunak (mencegah kebocoran informasi dan penipuan perusahaan). Pelanggan menginginkan program untuk dapat memprediksi perilaku pengguna: "karyawan ini bersiap-siap untuk pemecatan, yang berarti dia bisa ..." atau "seseorang stres dan mungkin akan membuat kesalahan." Dan prediksi ini harus dibuat dengan akurasi tinggi dan dalam format otomatis.

Untuk mengatasi masalah ini, vendor biasanya mengikuti jalur UEBA (atau UBA). Tapi kami pergi dengan cara kami sendiri dan mulai membuat profil otomatis.

gambar

Di bawah potongan - kisah jalan apa yang kami tempuh untuk membuat produk berlangsung.

Saya akan segera mengklarifikasi bahwa profil otomatis dengan pemesanan besar juga dapat disebut analisis perilaku pengguna. Tetapi perbedaan dalam metode ini signifikan, kami ingin memilah kebingungan dalam istilah di salah satu posting berikutnya (atau bahkan cerita panjang akan berubah menjadi kronik tanpa akhir).

Jadi, membuat profil adalah teknik yang sudah lama ada, tetapi hanya dalam format offline. Dalam dunia offline ini, ada profiler spesialis yang, berdasarkan analisis pidato, intonasi, ekspresi wajah, membuat kesimpulan tentang keadaan emosi, kualitas pribadi seseorang, kecenderungan kriminalnya, dll. Mempertahankan seorang profiler (dan lebih disukai selusin) di staf bahkan perusahaan kaya adalah utopia. Karenanya gagasan program yang menggantikan kepala cerah.

Kami mulai bekerja di ProfileCenterdengan pilihan apa yang akan menjadi "bahan baku" untuk analisis. Tidak banyak pilihan:

  • bahasa lisan - untuk mengevaluasi linguistik dan karakteristik suara;
  • tulisan tangan keyboard;
  • Lalu lintas internet dan pola interaksi pengguna lainnya dengan komputer;
  • ekspresi wajah;
  • teks pengguna.

Spoiler - kami mengambil teks dalam pengembangan, tetapi pertama-tama saya akan menjelaskan secara singkat mengapa opsi lain dihilangkan.

Berbicara adalah sumber informasi yang dapat diakses, karena vendor ingin bekerja dengannya. Ya, dan ada perkembangan ilmiah yang bagus dalam penilaian pidato. Secara khusus, yang paling terkenal adalah karya Tim Polzehl, misalnya, Personality in Speech . Seperti halnya Swati Johar (Swati Johar), Koteswara Rao Anne (Koteswara Rao Anne), K. Srinivasa Rao (K. Sreenivasa Rao), Ute Jekosch (Ute Jekosch). Tetapi sementara tekniknya dianggap kasar: penganalisa suara mampu mengidentifikasi dengan baik tingkat stres, tetapi kemampuan mereka untuk menentukan karakteristik pribadi dengan andal telah dipertanyakan oleh banyak ahli.

Pilihan lain untuk bekerja dengan pidato lisan adalah menerjemahkannya ke dalam teks tertulis untuk dianalisis lebih lanjut sebagai teks. Dan tentu saja kami juga menguji alat untuk menerjemahkan pidato menjadi huruf. Namun sejauh ini, sebagian besar alat offline untuk kualitas pengakuan belum cocok untuk kita.

Pola perilaku- Indikator statistik penggunaan komputer. Misalnya, waktu yang dihabiskan seseorang dalam aplikasi tertentu, program, berapa banyak surat yang dikirim, dan sebagainya. Proyek-proyek UEBA (UBA) yang terkenal pada dasarnya bekerja dengan informasi ini, mengungkapkan bahwa, misalnya, seseorang tiba-tiba mulai mengirim bukan 10, tetapi 100 surat sehari (yang berarti Anda perlu melihatnya). Tetapi teknologi ini belum menghasilkan hasil yang baik secara objektif dalam hal memprediksi perilaku pengguna dan - sekali lagi - menilai karakteristik pribadinya.

Parameter yang relatif menarik di sini adalah analisis lalu lintas dan permintaan pencarian, tetapi lebih berbicara tentang minat pengguna yang sebenarnya, daripada karakter dan kepribadiannya.

Analisis wajah- Ini adalah salah satu metode yang paling berkembang. Tetapi dalam komunitas ilmiah, semakin banyak orang mulai meragukan kebenaran dari pendekatan ini, karena banyak informasi telah muncul bahwa ekspresi wajah tidak selalu mencerminkan keadaan emosi seseorang dan sangat "berisik".

gambar

Dengan ini, saya, sebagai orang yang langsung mengenal FACS (Facial Action Coding System), juga setuju. Penilaian emosi terutama dapat bermanfaat mengingat konteks dan hubungan yang tepat antara stimulus dan reaksi. Dalam kondisi kami, sayangnya, tidak mungkin dilacak. Selain itu, jika Anda mengembangkan ide lebih lanjut, Anda harus menghadapi analisis fisiognomi, dan ini sudah penuh dengan penelitian di bidang pengetahuan yang tidak ilmiah.

Tulisan tangan keyboardSampai bertemu dengan skeptisisme besar dalam komunitas ilmiah, ada puluhan karya yang telah mempelajari pertanyaan menentukan ciri-ciri kepribadian dengan bagaimana seseorang "mengetuk kunci", tetapi karya-karya ini belum diimplementasikan dalam model praktis.

Sekarang teknologi ini sangat terspesialisasi dalam menganalisis bagaimana seseorang mengetik nama pengguna dan kata sandi dan dapat digunakan untuk mengidentifikasi seseorang. Analisis teks arbitrer tidak dikembangkan. Tetapi bahkan dengan mempertimbangkan keterbatasan ini, tulisan tangan keyboard dari semua sumber informasi di atas adalah yang paling menarik bagi kita, yang disebut "tumbuh".

Dan akhirnya, analisis teks. Yang paling banyak dipelajari dan terbukti, karena bahasa tertulis adalah produk langsung dari pemikiran. Ini mencerminkan pola berpikir, struktur internal kepribadian, preferensi, nilai-nilai dan karakteristik lainnya. Hubungan antara berpikir dan berbicara dipelajari oleh dua ilmu: psikolinguistik ke tingkat yang lebih besar, psikosemantika ke tingkat yang lebih rendah. Bukan hanya kami yang membawa bahasa tertulis ke dalam pengembangan, ABBYY dan Google menggunakannya sebagai sumber informasi untuk produk mereka - dan banyak lainnya.

Ada satu lagi ditambah teknis murni memilih bahasa tertulis sebagai dasar untuk analisis - ada banyak, itu berhasil dirakit oleh sistem DLP dengan yang mengintegrasikan ProfileCenter. Jadi, pilihannya sudah ditentukan sebelumnya.

Apa itu noise dan cara membersihkan teks


Jadi, kami mencatat bahwa pidato tertulis telah menjadi sumber informasi utama bagi kami untuk program ini. Tahap kerja berikutnya adalah pembuatan algoritma untuk membersihkan ucapan dari "noise", menormalkan teks. Untuk menghapus dari "noise" berarti menghapus elemen dari teks yang tidak membawa beban semantik dan tidak memiliki nilai untuk analisis. Itu mudah untuk memulai: angka abstrak, kata-kata Latin, kesalahan ketik, beberapa gambar - semua dikaitkan dengan kebisingan.

gambar

Dengan tanda baca, semuanya menjadi lebih rumit. Jauh dari semua titik di akhir kalimat dalam korespondensi rumah tangga dan perlu untuk belajar bagaimana mulai menentukan di mana ia seharusnya berada. Kehadiran dan jumlah koma juga merupakan parameter penting. Pada saat yang sama, di korespondensi Skype atau jejaring sosial, tanda baca praktis diabaikan.

Kesulitan lain adalah untuk mengisolasi komunikasi informal dari korespondensi dan menganalisis teks-teks di mana karyawan melampaui lingkup tugas profesional dan resmi. Sumber pertama yang kami sambungkan ke modul adalah surat. Frasa standar pengantar dikeluarkan dari teks ini (halo, dengan hormat, tanda tangan, dll.) Dan hanya bagian substantif dari korespondensi yang diambil untuk analitik. Namun, kebanyakan orang menulis surat bisnis kering ke email dan, jika Anda menghubungkan sumber informasi lain (messenger perusahaan, jejaring sosial, dll.), Kami akan mendapatkan hasil yang lebih akurat.

Langkah selanjutnya untuk analisis juga termasuk korespondensi dari messenger perusahaan, Skype, Viber, WhatsApp, Lync, Telegram dan jejaring sosial.

Bekerja dengan teks yang dihapus


Punya teks bersih. Tahap selanjutnya, juga yang paling sulit, adalah konstruksi psikotipe pengguna berdasarkan teks ini. Dalam perangkat konseptual kami, "psikotipe" adalah sistem stereotip perilaku, sikap individu dan nilai, sifat kepribadian yang memotivasi, emosional dan komunikatif yang diperlukan untuk menggambarkan perbedaan antara orang-orang.

Ada banyak psikotipologi dalam karya para ilmuwan, tetapi pada dasarnya mereka saling menduplikasi. Kami lebih bergantung pada karya-karya Lichko, Leongard, Sobchik, Glukhov, Kosinski, Saligman, Belyanin dan model profil dinamis dinamis Psychea .

Sebagai hasil dari sintesis tipologi-tipologi ini, kami sekarang mengandalkan delapan psikotipe dengan nama konvensional: hysteroid, epileptoid, paranoid, emotif, gelisah, hipertimik, skizoid, dan kritis.

Tetapi bagaimana cara menganalisis teks dalam format otomatis sehingga menghubungkan pembuatnya ke salah satu dari delapan jenis?


Hipotesis pertama adalah ini: untuk setiap psikotipe, Anda perlu membuat kamus leksikal, menemukan kecocokan dalam kosakata orang tersebut dan menetapkannya ke salah satu dari delapan jenis. Sebagai contoh, diketahui bahwa orang-orang dari tipe skizoid lebih sering menggunakan kata-kata frekuensi rendah ("muzle" daripada "wire" atau "octotorp" daripada #) dan panjang, dan tipe epileptoid lebih menyukai kata kerja dibanding yang lain.

Tetapi ini adalah kesimpulan di tingkat pengamatan empiris. Jika Anda mencoba menerjemahkannya ke dalam algoritma, idenya menjadi tidak dapat direalisasikan: kamus terlalu besar, setiap kata harus diberi bobot (signifikansinya dalam rumus umum jenis). Siapa yang bisa menetapkan bobot ini? Profiler ahli. Misalkan bahkan ada abstrak "Alexey Filatov" yang akan mengambil kesulitan untuk menyekop semua kata-kata bahasa Rusia untuk melihat bagaimana masing-masing sesuai dengan leksikon schizoid atau epileptoid. Tetapi bahkan dalam versi utopis seperti ini, ini akan menjadi penilaian subyektif dari pakar tertentu.

Tetapi kamus dari frekuensi kata-kata yang digunakan seseorang tergantung pada tingkat keparahan kualitas kepribadian individu adalah masalah yang sama sekali berbeda. Peneliti psikolinguistik memilikinya. Tetapi meskipun begitu, dengan signifikansi untuk analisis, variabel ini dalam rumus tidak di tempat pertama. Karena jauh lebih penting bukanlah apa yang dikatakan orang itu, tetapi bagaimana: bagian bicara apa yang ia gunakan, bagaimana ia menyusun frasa, yang mana ia menggunakan morfologi, dll. Banyak dari parameter ini dijelaskan dalam korpus bahasa Rusia, dan ini sudah merupakan titik awal untuk persiapan formula.

Poin penting lainnya. Untuk mengatakan tentang tingkat keparahan kualitas pribadi tertentu dalam diri seseorang, Anda memerlukan titik awal. Seseorang tidak bisa hanya termotivasi untuk uang atau hanya konflik, ia termotivasi atau berkonflik hanya dibandingkan dengan orang lain. Oleh karena itu, "norma" bersyarat untuk program ini adalah nilai median dari kualitas pribadi dalam tim. Angka minimum untuk perhitungan nilai median yang benar adalah 20 orang.

Akibatnya, algoritma perhitungan - mulai dari saat teks pengguna dikumpulkan hingga klasifikasi akhir dari satu atau lain psikotipe - dipilih sebagai berikut:

  • mengekstrak teks pengguna yang tidak terstruktur dari pesan;
  • kami mendefinisikan kata-kata dalam teks yang tidak terstruktur yang bertepatan dengan kamus kualitas pribadi;
  • tentukan nilai bobot kata berdasarkan frekuensi kata dalam teks yang tidak terstruktur;
  • menentukan karakteristik kualitas pribadi;
  • kami menentukan indikator ekspresi kuantitatif kualitas pribadi pengguna, membandingkan karakteristiknya dengan indikator median untuk semua pengguna tim;
  • tentukan psikotip pengguna.

Diputuskan bahwa dalam antarmuka program pengguna dalam pribadi seorang spesialis keamanan atau SDM tidak melihat hasil perhitungan dalam bentuk psikotipe, tetapi tahap perhitungan menengah. Artinya, tata letak untuk kualitas pribadi. Ini lebih informatif. Dan kami menampilkan psikotip itu sendiri dalam apa yang disebut laporan luas.

Pengujian hipotesis dan penyempurnaan formula


Kami telah memutuskan algoritma penghitungan. Bagaimana cara memeriksa formula dan bagaimana menyesuaikan siapa yang akan diperiksa? Untuk tujuan ini, karyawan SearchInform sendiri menjadi subjek uji - mereka memilih 102 orang. Saya, dengan bantuan sesama profiler, membuat profil mereka secara manual. Subyek menjalani tiga kuesioner standar: kuesioner 5PFQ (yang disebut "Lima Besar"), kuesioner Schwartz, LN Sobchik SMIL dan kuesioner ITO. Kemudian kami membandingkan hasilnya dengan data yang dihasilkan program.

Pada skala, hasilnya berbeda - dari 57% menjadi 94%. Skala ekstraversi / introversi, kecemasan, konflik, aktivitas, dll ditentukan dengan sempurna.Hasilnya ternyata lebih buruk, misalnya, dalam hal "ambisius".

Menurut statistik yang diperoleh, rumus itu disesuaikan, sebagai hasilnya, kami "menjahit" ke dalamnya lebih dari 70 variabel (misalnya, indeks suara pasif, indeks panjang kata, kalimat, nama yang tepat, dll.) Dan bobot masing-masing.

Butuh waktu lama untuk menentukan jumlah minimum bahan tertulis untuk dianalisis. Sekarang kita telah menetapkan 20 ribu lemma (lemma adalah bentuk kata yang tidak berubah-ubah). Tetapi mereka memulai analisis dengan 50 ribu, mengurangi volume ini dengan peningkatan 5 ribu.

Salah satu pertanyaan paling umum adalah mengapa kita masih belum menyadari kemungkinan mengevaluasi teks pengguna pihak ketiga yang diambil dari sumber terbuka? Seperti, mengapa menunggu akumulasi 20 ribu lemma, jika Anda dapat mengambil teks dari pengguna tertentu di jaringan dan menganalisisnya sesuai dengan kriteria yang sama? Secara teknis, ini mungkin, tetapi kemudian informasi tersebut perlu dimuat ke dalam program bukan oleh satu orang, tetapi oleh kumpulan karyawan atau orang-orang dari profesi yang sama (dijelaskan di atas mengapa).

Memeriksa dan Batas Memerangi


Ketika model kerja sudah siap - sekitar dua tahun yang lalu - mereka mulai menguji (MVP) program tidak hanya pada karyawan mereka sendiri, tetapi juga pada karyawan beberapa lusin klien yang setuju untuk berpartisipasi dalam percobaan. Pada Oktober-November 2018, mereka menerima produk yang berfungsi dengan baik. Kami yakin itu memberikan data kualitatif tentang apa yang disebut kualitas pribadi utama (yang dapat kita periksa menggunakan kuesioner).

Keakuratan hasil modul jadi dievaluasi oleh ahli profiler dan klien di 75-80%. Untuk tugas yang solusinya belum pernah diusulkan sebelumnya, ini adalah indikator yang baik. Yang utama adalah ini sudah cukup untuk menyelesaikan masalah bisnis.

gambar

Ada garis yang masih belum bisa kita lewati. Untuk membuat potret psikologis sekualitas mungkin, Anda memerlukan dua atau empat modalitas: teks, intonasi, lalu lintas, dll. Ketika kami menambahkan suara, jejaring sosial, dan analisis tulisan tangan keyboard ke modul, kualitas implementasi akan lebih baik. Tetapi tugas-tugas ini diselesaikan dengan cukup sulit (dijelaskan di atas). Setiap persentase akurasi berikutnya dalam menghitung modul kami diberikan dengan kesulitan yang semakin meningkat.
Kami menghadapi batasan yang kira-kira sama ketika mencoba membangun profil untuk orang-orang yang menulis sedikit dan yang kosa katanya rendah. Kita berbicara tentang para pengguna yang komunikasinya direduksi menjadi "halo", "ok" dan "ayolah." Sulit untuk membangun profil yang benar hanya berdasarkan pidato tertulis pada mereka.

Dan apa yang terjadi? Profil singkat - apa isinya


Produk dari semua penelitian yang dijelaskan di atas adalah profil kepribadian singkat. Seperti yang saya katakan, ini adalah informasi utama, "bahan baku", untuk menarik kesimpulan yang lebih rinci tentangnya baik tentang satu orang dan tim.

Dalam profil singkat, kami perlu membuat potret pengguna yang akan mencerminkan karakteristik penting secara fundamental dari sudut pandang spesialis keamanan dan layanan keamanan informasi: kekuatan / kelemahan, perbedaan mendasar antara karyawan dan pengguna lain, tipe umum, tren kriminal, nilai dan rekomendasi.

Akibatnya, dalam profil singkat kami memilih tiga sifat kepribadian yang paling kuat dan paling lemah.
Tampaknya, misalnya, seperti ini:

gambar
(Ini, omong-omong, adalah tangkapan layar dari profil seorang pemimpin yang kuat).

Selanjutnya, kami menyusun indeks kualitas pribadi. Mengapa kita membutuhkannya? Tidak semua ciri kepribadian sama ... stabil. Manifestasi dari beberapa sangat tergantung pada konteksnya, dan tanpa titik awal tidak mungkin untuk menyimpulkan bahwa kualitas dinyatakan.

Sebagai contoh, kapan seseorang dapat mengatakan tentang seseorang bahwa dia dalam konflik? Kapan dia mulai bersumpah? Kalahkan yang lain? Menembak? Tetapi jika kita menyimpulkan bahwa ada konflik dalam perbandingan dengan kualitas yang berlawanan (dalam dikotomi), kita dapat memahami bagaimana diucapkan keduanya. Artinya, seseorang lebih responsif, sopan daripada konflik.

gambar

Kami juga mengidentifikasi tren kriminal dalam profil singkat (jangan lupa bahwa ProfileCenter kami adalah produk terutama untuk layanan keamanan).

Untuk mengidentifikasi risikountuk setiap profil, mereka kembali beralih ke psikologi, disorot dalam bahasa risiko ekonomi dan keamanan informasi yang melekat dalam kualitas pribadi. Misalnya, konflik, banyak bicara, tiga serangkai kepribadian (manipulativeness), kualitas kepemimpinan, emosi. Ada studi yang memungkinkan data ini untuk membandingkan dan mendapatkan rekomendasi. Di sini kami fokus pada sejumlah besar pekerjaan tidak hanya di bidang kriminologi, psikologi kriminal dan profil kriminal, tetapi juga pada keselamatan personel dan manajemen risiko personel.
Untuk menghitung ambisi, kami menyusun formula linguistik kami sendiri. Untuk pemilihan formula variabel untuk menghitung nilai-nilai dasar, pengembangan ilmiah Belyanin dan Schwartz diambil.

Begitulah semuanya terlihat sepenuhnya. Laporan Profil Singkat:

gambar

Peringkat, Laporan Lanjut, dan Dinamika Profil


Apa berikutnya? Memiliki informasi tentang kualitas pribadi, kami mulai membuat peringkat, karena ini adalah fungsi yang berguna untuk audiens target kami - spesialis layanan keamanan dan spesialis keamanan informasi pada khususnya. Mereka memberi tahu kami: kami memiliki 5.000 pengguna, Anda tidak dapat mengikuti semua orang. Jika Anda dapat mempersempit fokus perhatian kami (mengidentifikasi kelompok risiko), kami akan tahu siapa yang harus diawasi lebih dekat.

Kompleksitas pada tahap ini bukan teknologi, tetapi metodologis. Karena itu tidak cukup hanya dengan mengambil dan menilai semua pengguna untuk setiap kualitas. Untuk layanan keamanan, sifat kepribadian "sintetis" bersifat informatif, yaitu, bukan konflik, tetapi skandal, bukan keinginan untuk berinteraksi, tetapi kepemimpinan. Skandal dan kepemimpinan mencakup beberapa indikator dari profil singkat. Untuk menyusun formula untuk setiap peringkat, untuk menentukan bobot masing-masing kualitas di dalamnya, kami kembali beralih ke psychosemantics dan psycholinguistics. Kami memproses setidaknya 35 karya dalam bahasa Rusia dan Inggris. Hasilnya, sekarang program ini memberikan 12 peringkat , yang dapat Anda buat sendiri.

gambarPeringkat dapat menentukan kelompok risiko dari karyawan yang bersiap untuk pemecatan, demotivasi, agresif, memalukan, dll. Dan sebaliknya, dengan menggunakan penilaian, Anda dapat membuat grup cadangan personel. Ngomong-ngomong, kami sangat pandai memprediksi pemecatan karyawan, kelelahannya, dan potensi kepemimpinan yang tinggi.

Pada prinsipnya, tugas teknis dan metodologis yang sama dari psikolinguistik juga hadir ketika membuat profil yang diperluas dan dinamika profil - memilih variabel untuk formula dan menentukan bobot masing-masing nilai.

Dalam profil yang diperluasmembuat laporan tambahan yang sangat memperluas cakupan program, karena pada dasarnya, mereka memberikan informasi tentang kompetensi inti pengguna. Mereka biasanya dievaluasi oleh manajer personalia dan manajer kompetensi SHL (kebutuhan akan kekuasaan dan kontrol, untuk persetujuan, ekstraversi, kecerdasan umum, keterbukaan terhadap komitmen, komitmen baru, stabilitas emosi, motivasi untuk pencapaian).

Dinamika perubahan profil - menurut laporan tersebut, Anda dapat menerima peringatan jika terjadi sesuatu pada seseorang, jika ia menjadi pemimpin peringkat yang penting bagi spesialis keamanan informasi.

gambar

Saya sangat mementingkan fakta bahwa kami dapat membuat laporan tentang dinamika. Mengapa ini penting dilakukan? Jika setelah 2-3-4 bulan profil pengguna dan peringkat umumnya stabil setelah beberapa perhitungan ulang, maka ini merupakan indikator yang disebut perilaku pengguna tipikal telah ditemukan.

Ini berarti bahwa tugas utama dari analisis perilaku dalam keamanan informasi telah diselesaikan.

Antarmuka


Tapi anehnya, perlu untuk mengotak-atik tidak hanya dengan masalah teknis, metodologis. Pertanyaan presentasi grafis dari hasil menyebabkan diskusi tidak kurang. Di kepala saya, antarmuka tampak sangat berbeda dari sekarang. Tetapi penting untuk memikirkan bagaimana akan lebih nyaman bagi pelanggan untuk bekerja dengan produk tersebut.

gambar

Perancang bekerja dalam mode darurat, meninjau puluhan opsi. Setiap elemen dikritik: visualisasi indeks kualitas pribadi, yang dikenal dalam tim proyek sebagai "baterai", piktogram untuk menunjukkan nilai-nilai dasar dan tingkat ambisi, blok dengan rekomendasi.

gambar
Antarmuka "CIB Searchinform ProfileCenter", yang dirilis pada 2018


“Kesulitan Terjemahan”


Poin lainnya adalah terminologi. Bagaimana memilih nama-nama kualitas pribadi, peringkat, yang benar dari sudut pandang sains, tetapi informatif bagi pengguna kami? Misalnya, dalam versi pertama, kami memperkenalkan parameter "judi". Dalam psikologi, ini berarti keterlibatan dalam proses, dan bagi kebanyakan orang, "komitmen terhadap perjudian."

Karena perbedaan dalam terminologi, versi alfa menyebabkan penilaian yang ambigu, sehingga definisi dan penjelasan singkat tentang istilah muncul di versi akhir laporan.

Diskusi berlanjut sekarang, setiap kali kami memperkenalkan peringkat baru dan Anda perlu memutuskan nama non-psikolog yang luas namun dapat dipahami. Perlu dicatat bahwa kita mengikuti jalur yang sama dalam kosa kata asing - tahun lalu rilis dilakukan dalam bahasa Inggris.

Apa lagi yang sedang kamu kerjakan? Sementara pekerjaan sedang dilakukan untuk meningkatkan laporan. Sekarang modul dapat menghasilkan sekitar 78.000 opsi untuk profil karyawan tingkat lanjut, dapat menentukan peringkat risiko pengguna. ProfileCenter terintegrasi dengan sistem DLP CIB SearchInform, dan perlu belajar bagaimana menemukan korelasi dengan insiden dan perilaku manusia.

Kami sedang berupaya mengintegrasikan modul deteksi tulisan tangan keyboard ke dalam ProfileCenter, menyiapkan laporan yang diperluas dan risiko tambahan di bidang kepegawaian dan keamanan informasi - secara umum, ada banyak lagi opsi untuk bagaimana meningkatkan kemampuan perangkat lunak.

Secara umum, pasar secara aktif berkembang ke arah ini dan sudah ada pengikut yang mencoba untuk secara otomatis menilai risiko karyawan di bidang keamanan informasi. Tetapi saya menekankan bahwa pekerjaan seperti itu bisa menjanjikan di persimpangan beberapa "modalitas" - ketika pada saat yang sama analisis memperhitungkan setidaknya tidak hanya "teknis", tetapi juga informasi psikolinguistik: lebih baik, bahkan lebih.

P.S


Jika cerita panjang saya tentang profiling tidak membuat Anda takut tetapi lebih tertarik pada topik, saya mengundang Anda dari hari Senin untuk mengambil kursus di “Profiling untuk Layanan IS” ​​- 5 kelas yang akan kami lakukan di Pusat Pencarian secara langsung dan akan tersedia secara online dan gratis (semuanya karena karantina, apa lagi).

Daftar topik:

  • 20 , 11.00 : . . , .
  • 21 , 11.00 .

    « ProfileCenter» .
  • 22 11.00 .

    . ? .
  • 23 , 11.00 . . .
  • 24 , 11.00 .

    . ? .

Anda bisa mendaftar di sini .

More articles:


All Articles