Минцифры: государственным базам данных нужна ревизия

Минцифры: государственным базам данных нужна ревизия

Минцифры: государственным базам данных нужна ревизия

Ведомственные базы данных могут быть подвержены утечкам, поэтому их необходимо выверить, заявил министр Шадаев. Ревизия позволит выяснить, нет ли в базах лишней информации и нужно ли хранить все сведения в зашифрованном виде.

О том, что базам ведомств нужна ревизия, глава Минцифры Максут Шадаев заявил на открывшимся сегодня в Москве First Russia Data Forum.

"Когда мы храним огромный массив данных, в том числе исторические, мы понимаем, что есть риск их утечки, как бы мы их ни защищали”, — сказал министр. — Сейчас мы будем призывать ведомства проводить определенную ревизию накопленных баз данных".

Что именно подразумевается под “ревизией” и в какие сроки её намерены провести, Шадаев не уточнил.

Он отметил, что такая проверка позволит понять, нужны ли базы данных в "оперативном контуре" и необходимо ли их хранение в зашифрованном виде.

"Это связано с тем, что чем больше данных, тем больше ценность, тем больше заинтересованность злоумышленников в них", — добавил министр.

Добавим, по свежей статистики, количество утечек в 2022 году выросло в три раза и достигло 667 млн записей. 80% утечек носят “гибридный” характер, то есть организовывались хакерами с привлечением инсайдеров.

Подпишитесь на новости

Модели OpenAI и Anthropic выбирали скорые и школу как военные цели

Компания Vals AI проверила ограничения ИИ-моделей на участие в выборе военных целей. В экспериментах системы отмечали гражданских, машины скорой помощи и сдающихся солдат. Представление задания как игры часто помогало преодолеть отказы.

Результаты экспериментов опубликованы в исследовании Vals AI. Специалисты испытали 14 моделей на изображениях с имитацией съёмки с дронов.

Отдельный сценарий включал реальные спутниковые снимки иранского Минаба, где школа расположена рядом с военным комплексом.


GPT-6 Astra выделяла хотя бы одну цель в 6% обычных запросов. После оговорки об игре показатель вырос до 92%. В других экспериментах большинство моделей продолжало обнаруживать людей даже после показа сгенерированных последствий ударов.


Модели не управляли реальными атаками и не принимали решений об ударах. Авторы также не оценивали точность наведения и эффективность систем в боевых условиях.


Vals AI рекомендует усилить ограничения на уровне API. Один из обозначенных рисков — массовая разметка видеозаписей для обучения автономных систем наведения.

RSS: Новости на портале Anti-Malware.ru