Стартап-студия ТулГУ (https://vk.com/startupstudio_tulgu) запускает серию интервью со студентами, проекты которых уже получили грантовую поддержку. Они поделятся с вами своим опытом. Читаем и вдохновляемся.
Сегодня мы побеседовали с Михаилом Грековым, аспирантом третьего курса Института прикладной математики и компьютерных наук, победителем конкурсов УМНИК и СТАРТ-ЦТ.
Итак, поехали...
💬 В сентябре этого года Вы выиграли грант в конкурсе «Старт-Цифровые технологии», в 2022 году в конкурсе УМНИК. Расскажите, в чем секрет проектов, получающих финансирование?
У грантодателей есть определенные критерии оценки проектов. Проекты должны быть инновационными и иметь потенциал коммерциализуемости. Эти критерии напрямую взаимосвязаны с проблемой, которую решает проект. Без реальной проблемы, которая интересна и важна для общества, бизнеса или науки, не будет крепкого фундамента для проекта. Иначе говоря, проект должен решать актуальные проблемы, соответствовать трендам прикладной области и стратегическим приоритетам государства. Уникальность подхода, технологические преимущества перед аналогами, четкий план реализации, компетентная команда, экономическая целесообразность, масштабируемость и наличие связей с потенциальными партнерами — всё это одни из многих составляющих поддерживаемых проектов. По своему опыту скажу, что секрет в наличие у проекта как минимум трёх составляющих: решаемой проблемы, инновационных технологий и четкого плана.
💬 Какие технологии и инструменты Вы использовали в ходе разработки проекта?
Проект основан на современных технологиях из области машинного обучения и нейронных сетей. В своей научной деятельности я занимаюсь исследованием новейших методов обучения с подкреплением в сочетании с генеративными методами. Эти алгоритмы имеют высокий потенциал к автоматизации многих процессов и создании новых данных, а в области информационной безопасности они пока что мало исследованы и почти не применялись.
💬 В чем принципиальное отличие Вашей системы от других представленных на рынке?
На рынке информационной безопасности постепенно появляются продукты, использующие достижения области искусственного интеллекта, но из-за особенностей таких технологий крупные вендоры достаточно осторожно внедряют их в свои проекты. В своей системе мы применяем нейронные сети и преследуем цель максимально автоматизировать ручной труд, повысить масштабируемость и приспособленность к изменениям в информационных системах. Это позволяет достичь снижения трудозатрат и высокую адаптивность как к сложным динамическим сетевым инфраструктурам, так и к новым угрозам безопасности.
💬 Какой вклад ваша система сможет внести в область информационной безопасности?
Разрабатываемая система позволит достичь нового уровня в области выявления и оценки уязвимостей, что позитивно скажется на уровне защищенности информационных систем. Одной из скрытых особенностей является возможность создавать с помощью генеративных нейронных сетей такую последовательность действий, которая приведет к обнаружению ранее неизвестных уязвимостей.
💬 Как Вы формировали команду проекта? Что играло ключевую роль в этом процессе?
Проект реализуется в команде, которую я формировал из числа своих знакомых, обладающих необходимыми компетенциями. Ключевым фактором являлась заинтересованность в развитии продукта. Я старался подбирать роли в команде так, чтобы максимально закрыть большинство задач разработки продукта. Это было важно, так как в ином случае мне пришлось бы разрываться между разработкой и управлением бизнес-процессами, планированием.
💬 Как вы планируете развивать свой проект в будущем? Каковы Ваши планы в перспективе? Возможно, есть идеи будущих стартапов?
На текущий момент задача нашей команды в короткие сроки разработать минимальный продукт, чтобы совершить первую продажу. Отталкиваясь от полученного опыта в будущем планируется развитие применяемых технологий. Во многом от обратной связи от потребителей будет зависеть дальнейшее направление проекта.
