Сотрудники ВС США расплатились за передачу своих персональных данных через P2P сеть

Сотрудники ВС США расплатились за передачу своих персональных данных через P2P сеть

Утечка персональных данных через P2P сети в последнее время становится серьезной проблемой для пользователей и компаний, использующих их для работы. Зачастую, клиенты таких сервисов не понимают всей опасности и открывают папки, содержащие конфиденциальную информацию для всех пользователей.

Недавно сорокапятилетний житель штата Калифорния Рене Куимби был осужден на 75 месяцев лишения свободы за кражу и незаконное использование персональных данных сотрудников сухопутных войск и военно-воздушных сил США.

Для сотрудников упомянутых структур был организован специальный сервис Army and Air Force Exchange Services (AAFES), с помощью которого они могли оперативно обмениваться различной информацией, в том числе и персональными данные служащих.

Мошенник, изучив ресурс AAFES.com, обнаружил открытые файлы с логинами и паролями к аккаунтам пользователей сервиса и, естественно, воспользовавшись возможностью, загрузил их к себе на компьютер. Далее, с помощью службы поддержки сайта, он заполучил информацию по кредитным картам STAR. Надо сказать, что для этого, ему необходимо было знать ответ на секретный вопрос. Однако, предоставив в службу поддержки логин и пароль к аккаунту, коими являлись номер социального страхования и дата рождения, мошенник смог получить желаемое.  

Попавшие в его распоряжение средства осужденный тратил как можно скорее, делая заказы в он-лайн магазинах электроники. Он покупал все, что только возможно, начиная от компьютеров и плееров и заканчивая стиральными машинами. Все заказы он отправлял на различные адреса в пределах штата, откуда потом забирал. А для пополнения кредитных карт он использовал данные с изображений платежных чеков, которые также находились в общем доступе на сервере указанного ресурса. Таким образом, злоумышленник действовал четыре года, пока администрация AAFES не изменила политику и не прекратила передачу конфиденциальных данных через открытые серверы.

В результате проведенного расследования на компьютере мошенника было обнаружено несколько сотен файлов с конфиденциальной информацией, а общее количество его жертв составило 650 человек.

Помимо лишения свободы суд также приговорил Куимби к выплате штрафа в размере 250000 долларов США.

ИИ научился выявлять депрессию по голосовым сообщениям в WhatsApp

Учёные показали, что депрессию можно распознать буквально «по голосу» — и для этого не нужны ни долгие опросники, ни визит к врачу. Достаточно короткого голосового сообщения в WhatsApp (принадлежит Meta, признанной экстремистской и запрещенной в России).

Исследователи из Медицинской школы Санта-Каса-де-Сан-Паулу и компании Infinity Doctors разработали медицинскую языковую модель, которая с высокой точностью определяет наличие депрессивного расстройства по аудиосообщениям.

Результаты работы опубликованы 21 января 2026 года в открытом журнале PLOS Mental Health.

В эксперименте модель анализировала короткие голосовые сообщения, где участники просто рассказывали, как прошла их неделя. И результат оказался неожиданным: у женщин с диагностированной депрессией точность распознавания превысила 91%.

Это один из лучших показателей среди подобных исследований, особенно с учётом того, что речь идёт о бытовых сообщениях, а не специально записанных медицинских интервью.

Для обучения и тестирования использовались два набора данных с WhatsApp-аудио от носителей португальского. В них вошли записи пациентов с подтверждённым диагнозом «большое депрессивное расстройство» и контрольной группы без депрессии.

Часть сообщений была максимально простой — участникам предлагали досчитать от одного до десяти, другая часть — более естественной: свободный рассказ о прошедшей неделе.

Лучше всего модель справлялась именно со «спонтанной речью». У мужчин точность в этом же сценарии оказалась ниже — около 75%, что авторы связывают с меньшим числом мужских голосов в обучающей выборке и возможными различиями в речевых паттернах. При анализе простого счёта до десяти разница между полами почти исчезала: точность составляла около 80% у женщин и чуть меньше у мужчин.

По словам авторов, модель улавливает тонкие акустические признаки — темп речи, интонации, паузы, — которые сложно заметить человеку, но хорошо видит машинное обучение. И главное — всё это происходит в привычном для людей формате повседневного общения.

Исследователи считают, что при дальнейшем развитии технология может лечь в основу недорогих и удобных инструментов раннего скрининга депрессии, не требующих сложных процедур и не нарушающих повседневные привычки пользователей.

Как отметил старший автор исследования Лукас Маркес, «незаметные акустические особенности обычных голосовых сообщений могут с неожиданной точностью указывать на депрессивные состояния».

Напомним, в недавнем исследовании метаданные WhatsApp показали: мы плохо понимаем, как ведём себя в чатах.

RSS: Новости на портале Anti-Malware.ru