Банк России заблокировал 110 тыс. номеров мошенников

Банк России заблокировал 110 тыс. номеров мошенников

Банк России заблокировал 110 тыс. номеров мошенников

В ноябре заблокировали рекордное количество мошеннических телефонных номеров. Об улове в 110 тыс. отчитался Банк России. За неполный год аферисты украли у клиентов банков рекордные 10 млрд рублей.

"По предварительным данным, максимальное количество мошеннических номеров, блокировку которых инициировал Банк России, пришлось на ноябрь – более 110 тысяч номеров”, — говорится в сообщении Центробанка.

Это рекорд за весь период взаимодействия Банка России с операторами связи по вопросу противодействия телефонному мошенничеству, отметил регулятор.

Всего с начала года ЦБ инициировал блокировку почти полумиллиона телефонных номеров мошенников. Эта цифра в 3 раза больше, чем за такой же период прошлого года, добавили в пресс-службе.

Если говорить о финансовых потерях, кибермошенники за девять месяцев похитили у клиентов банков более 10 млрд рублей. Это тоже рекорд года.

Сегодня самая желанная цель для телефонных мошенников – клиенты финансовых учреждений, комментирует новость эксперт компании “Газинформсервис” Григорий Ковшов.

Он отмечает, борьба с аферистами — один из приоритетов любого банка, но службы безопасности бессильны, если сами клиенты не соблюдают правила цифровой гигиены.

Добавим, теперь мошенники чаще звонят россиянам из Ирана, Турции и Сирии. Неевропейские номера помогают аферистам обходить блокировки.

В начале декабря стало известно, что Минцифры сможет требовать от сотового оператора информацию по каждому подозрительному звонку, на который пожалуются через портал Госуслуги.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

Google представил VaultGemma — LLM с дифференциальной приватностью

В семействе больших языковых моделей (БЯМ, LLM) с открытым кодом, разработанных в Google, прибавление. Новинка VaultGemma не запоминает конфиденциальные данные при обучении, что предотвращает их слив пользователям.

ИИ-модель, построенная на базе Gemma 2 и работающая по 1 млрд параметров, прошла предварительный тренинг с применением метода дифференциальной приватности (differential privacy) — он добавляет в процесс обучения эталонный шум для ограничения возможности запоминания.

К сожалению, такой подход снижает не только риск утечки конфиденциальных данных, но также точность и быстродействие LLM. Чтобы найти оптимальный баланс между приватностью, практичностью и затратами на вычисления, в Google провели специальное исследование.

Бенчмаркинг показал, что по производительности VaultGemma сравнима с моделями той же величины, но без гарантий конфиденциальности.

 

Подробная информация о новом opensource-проекте, способном ускорить создание приватных и безопасных ИИ-систем для медучреждений, финансовых институтов и госсектора, выложена на Hugging Face и Kaggle.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru