Увольняясь, прихвати базу клиентов

Увольняясь, прихвати базу клиентов

Так поступили шестеро бывших сотрудников банка Huntington National Bank. При увольнении они прихватили конфиденциальную информацию более чем 2000 клиентов, которую впоследствии использовали в своих целях. Администрация банка подала иск в суд.

Бывший вице-президент, помощник вице-президента и несколько работников кредитного отдела скачали и распечатали информацию клиентов из защищенной базы данных банка. Уволившись в середине апреля, через несколько дней они открыли новый кредитный отдел в MVB банке.

Согласно заявлению, ответчики забрали информацию включающую имена, адреса, телефонные номера, номера социального страхования, номера банковского счета и другую информацию о клиентах, которые получили ипотечный кредит в Huntington Bank.

Об утечке стало известно после того, как несколько заемщиков сообщили о том, что MVB интересовался их займами. Оказалось, что обвиняемые связывались с клиентами, предлагая им погасить кредит в MVB банке. В числе пострадавших оказался заемщик, выплативший  MVB более миллиона долларов. Однако представители MVB банка отказались дать какие-либо комментарии.

Huntington National Bank является одним из самых крупных банков США с филиалами в 6 штатах. Стоит отметить, что не так давно в банке были введены политики безопасности, включая систему предотвращения утечек данных и обучение сотрудников работе с конфиденциальными данными.

Cloud.ru представила фильтр, скрывающий конфиденциальные данные от ИИ

На конференции GoCloud 2026 компания Cloud.ru анонсировала Guardrails Filter — инструмент для более безопасной работы с генеративным ИИ. Его задача довольно понятная: не дать конфиденциальным данным случайно утечь в большую языковую модель.

Схема работы выглядит так: сервис проверяет текст запроса, ищет в нём конфиденциальные данные — например, персональные сведения, банковские реквизиты, API-ключи и другие секреты, — затем маскирует их и только после этого отправляет обезличенный запрос в модель. Когда модель возвращает ответ, система подставляет реальные значения обратно.

Иначе говоря, пользователь получает нормальный результат, но сами чувствительные данные не уходят за пределы корпоративного контура в исходном виде.

Сейчас инструмент рассчитан на работу с моделями из сервиса Cloud.ru Foundation Models. В этой платформе доступно более 20 моделей разных типов, включая text-to-text, audio-to-text и image-text-to-text. При этом Cloud.ru отдельно уточняет, что механизм фильтрации будет доступен и в формате on-premise, то есть для установки на стороне самого заказчика.

Появление такого инструмента хорошо вписывается в общий тренд: компании всё активнее используют генеративный ИИ, но тема утечек данных остаётся одной из главных причин, почему внедрение идёт не так быстро, как хотелось бы. Особенно это чувствительно для отраслей, где много персональной и служебной информации, — например, для здравоохранения, ретейла и госсектора.

Кроме того, Cloud.ru сообщила, что добавила в Foundation Models LLM-модель российской компании HiveTrace с Guardrails-механизмом. По заявлению компании, такая модель должна лучше справляться с рисками вроде промпт-инъекций, утечки системных инструкций и некорректной обработки выходных данных.

RSS: Новости на портале Anti-Malware.ru