Назад

Троянский конь или фейковый on-premise в распознавании документов – путь к штрафу 500 млн или полному отключению бизнес-процессов

Сергей Усилин
Исполнительный директор Smart Engines, кандидат технических наук

Рассказываем, что из себя представляет настоящий on-premise, как отличить его от имитации контроля и безопасности и как бизнесу продают маркетинговые иллюзии и риски под видом локальной обработки.

Что такое настоящий on-premise

On-premise – это модель развертывания ПО, при которой абсолютно все данные, изображения, технологические компоненты и служебные метрики находятся под полным контролем внутри инфраструктуры заказчика. Для систем распознавания документов это означает несколько вещей:

  • Обработка на 100% локальная. Изображения, извлеченные данные и результаты остаются на серверах или на устройствах заказчика.
  • Никаких внешних подключений. Для распознавания не нужны облака разработчика, сторонние API и интернет.
  • Нет доступа вендора. Поставщик не подключается к системе удаленно и не получает изображения документов, распознанные данные, рабочие метрики или логи.
  • Функциональность системы не требует передачи данных вендору. Распознавание, проверка, постобработка, валидация и вывод результатов выполняются строго внутри защищенного контура.

Только выполнение всех четырех условий вместе и есть настоящий on-premise. Если не хватает хотя бы одного, перед вами иллюзия полного контроля и безопасности.

Что такое фейковый on-premise

Фейковый on-premise – это решение, которое формально установлено на серверах заказчика, но фактически зависит от внешней инфраструктуры поставщика. Локально работает часть системы, а критические функции, контроль качества или управление вынесены за пределы вашего контура. У такого решения есть несколько характерных признаков:

  • Валидация и постобработка на внешней инфраструктуре. На вашем сервере выполняется только часть функций, а другая часть – классификация, нормализация или постобработка – происходят на внешних серверах поставщика.
  • Проверка на сервере вендора. Для валидации результатов или полноценной работы системе требуется постоянное или периодическое соединение с серверами поставщика.
  • Подключение облачных операторов. Изображения документов, распознанные поля, результаты обработки и другая информация отправляются на внешние платформы разработчика, в том числе для ручной верификации или обучения нейросетей.
  • Внешний контроль над системой. Поставщик сохраняет удаленный доступ, собирает технические метрики или самостоятельно определяет, какие данные и в каком объеме передаются за пределы инфраструктуры заказчика.

Главный критерий – не место установки программного обеспечения, а реальное устройство системы. Если для полноценной работы ей необходимы внешние серверы, если конфиденциальные данные покидают ваш контур или поставщик сохраняет доступ к инфраструктуре, это не полноценный on-premise, а троянский конь внутри вашего контура.

Как вам продают иллюзию локальной обработки

Чтобы продать фейковый on-premise, разработчики используют убедительные маркетинговые манипуляции. Внешние сервисы, дообучение и сбор служебных метрик преподносятся как возможности, которые якобы делают систему распознавания лучше, надежнее и эффективнее. Вот несколько наиболее распространенных схем убеждения:

  • «Мы выносим в облако только проверку». Вас убеждают, что на собственном сервере работает OCR, а сложные случаи отправляются во внешнюю инфраструктуру для дополнительной валидации, чтобы не перегружать локальные мощности. На деле вы покупаете систему, качество которой зависит от доступности чужого облака. Если оно перестанет работать по причине сбоя, как это уже не раз бывало, результаты распознавания могут резко ухудшиться, а вместе с ними – и ваши бизнес-процессы.
  • «Мы получаем только то, с чем не справилась нейросеть». Поставщик уверяет, что сложные документы дополнительно проверяют операторы, а значит, вы получаете более высокое качество обработки. При этом изображения документов, распознанные поля и конфиденциальные сведения передаются неизвестным людям за пределами вашего контура. Вы фактически открываете доступ к данным своих клиентов и компании – в случае утечки вам грозит штраф до 500 млн рублей.
  • «Мы используем ваши документы для улучшения нейросети, но предварительно анонимизируем их». Еще один аргумент – необходимость дообучения алгоритмов на реальных данных. Но никакая «анонимизация» вам ничего не гарантирует. Если данные передаются на внешний сервер, ваш контур разорван. Фактически вы добровольно передаете содержимое своих документов третьей стороне, оплачивая из своего кошелька еще и возможность использовать их в интересах разработчика.
  • «Удаленный доступ нужен для технической поддержки». Поставщик объясняет, что подключается к серверу исключительно для диагностики, обновления и устранения неисправностей. Параллельно система может собирать служебные метрики и отправлять логи и другие сведения об использовании. Но если вы не контролируете каналы доступа и состав передаваемой информации, то не контролируете и собственную инфраструктуру. Формально сервер ваш, а фактически часть управления им остается у разработчика.

Выводы

Во всех описанных случаях вам продают не настоящую локальную обработку, а набор внешних зависимостей под видом дополнительных преимуществ. Каждая из этих манипуляций призвана скрыть троянского коня: вы сами устанавливаете его в собственный контур, сами платите за него, а контроль над данными и критическими процессами вам не принадлежит.

Достаточно малейшего сбоя, блокировки соединения или ухода поставщика с рынка – и ваша собственная система может навсегда перестать запускаться. А вместе с ней остановятся все связанные бизнес-процессы. Последствия могут стать фатальными для вашего бизнеса: от миллионных штрафов в случае утечки персональных данных по вине вендора и до полной остановки работы компании. Яндекс после атак на ЦОДы не смог до конца восстановить часть клиентских данных из-за критических повреждений оборудования. Ноябрьские сбои у хостингов Beget и ESTT показывают, что такое случается регулярно: чужая инфраструктура рано или поздно падает, а страдает ваш бизнес.

Настоящий on-premise – это не маркетинговый слоган и не адрес установки сервера. Это архитектура, при которой обработка данных полностью происходит внутри инфраструктуры заказчика, отсутствуют внешние сервисы, скрытые каналы передачи информации и удаленный доступ поставщика. Выбирайте решения, в которых контур закрыт полностью, а не троянских коней – или готовьтесь расплачиваться за последствия.

Информация об авторе

Сергей Усилин
Исполнительный директор Smart Engines, кандидат технических наук
  • 60+ научных публикаций
  • 2 патента США
  • 30 патентов РФ

Сергей Усилин – российский ученый, изобретатель, эксперт в области распознавания документов. Один из первопроходцев в разработке антифрод-систем для детекции поддельных документов. Под началом Сергея Усилина был создан нейросетевой ансамбль “Шерлок”, который проверяет на подлинность документы всех стран мира по 600+ признакам и детектирует физические и цифровые подделки.

В настоящее время в Smart Engines Сергей Усилин отвечает за операционное управление компанией, координацию внедрения технологий в бизнес-процессы и развитие прикладных решений для клиентов и партнеров.