Проект направлен на создание программного комплекса «Fortree» — отечественного решения для автоматизированного обнаружения вредоносного программного обеспечения в промышленных системах индустриального интернета вещей (IIoT). Продукт использует методы статического анализа исполняемых файлов формата Portable Executable (PE) и алгоритм машинного обучения Random Forest, что обеспечивает высокую точность классификации при низких вычислительных затратах и возможности работы непосредственно на edge-устройствах — промышленных контроллерах, шлюзах и панелях оператора под управлением Windows.

Проблема, на решение которой направлен проект. Промышленные системы IIoT становятся всё более уязвимыми: за последние два года число атак на них выросло почти вдвое, а каждое пятое промышленное устройство ежеквартально сталкивается с вредоносными объектами. Традиционные сигнатурные антивирусы неэффективны против новых и модифицированных угроз, а тяжёлые корпоративные SIEM-решения и нейросетевые комплексы требуют значительных вычислительных ресурсов, облачной инфраструктуры и дорогостоящего внедрения. В результате малые и средние государственные производства с парком до 25 IIoT-устройств остаются фактически незащищёнными: они не могут позволить себе дорогие решения, но при этом обязаны соблюдать требования ФЗ-187 и приказов ФСТЭК России. Дополнительную остроту создают уход зарубежных вендоров (Siemens, Schneider Electric, Claroty) с российского рынка и риск штрафов, потери госзаказов и остановки производственных линий в случае инцидента. Кроме того, ложные срабатывания существующих систем обнаружения вторжений могут блокировать легитимные технологические процессы, что недопустимо в непрерывном производстве.

Как решается проблема. «Fortree» предлагает лёгкое, точное и адаптируемое решение, способное работать непосредственно на промышленных устройствах без передачи данных в облако. Комплекс извлекает 19 структурных признаков PE-файлов (заголовки DOS/PE, секции, энтропия, импорты/экспорты, ресурсы, метаданные) и классифицирует их с помощью оптимизированного Random Forest, выявляя неизвестные и модифицированные угрозы, которые пропускают сигнатурные методы. Статический анализ исключает запуск подозрительных файлов в промышленной среде. Экспериментально подтверждённая устойчивость модели к изменению гиперпараметров снижает риск ложных срабатываний и обеспечивает стабильную точность выше 90% при сокращении времени обучения на 30–50%. Решение помогает предприятиям выполнять требования ФЗ-187 и ФСТЭК, замещает зарубежные аналоги и при этом остаётся доступным по стоимости владения.

Целевая аудитория — государственные производственные предприятия с числом сотрудников до 300 человек и парком IIoT-устройств до 25 единиц, которые вынуждены соблюдать требования Федерального закона № 187-ФЗ «О безопасности критической информационной инфраструктуры» и приказов ФСТЭК России. Для таких предприятий критично избежать штрафов, сохранить государственные заказы и обеспечить непрерывность производственных процессов.

Ключевые особенности решения: лёгкость и адаптивность, устойчивость к изменению гиперпараметров, безопасный статический анализ без запуска подозрительных файлов, а также импортозамещение зарубежных аналогов, ушедших с российского рынка или имеющих высокую стоимость владения. Продукт способствует выполнению требований регуляторов и повышению уровня кибербезопасности объектов критической информационной инфраструктуры.

На страницу проекта