ФБР заплатила миллиард за глобальную систему шпионажа

ФБР заплатила миллиард за глобальную систему шпионажа

Как сообщает журнал NewScientist, Федеральное бюро расследований США готовится к запуску нового поколения системы распознавания людей. Разработка включает в себя все современные методы установления личности: видеонаблюдение, анализ ДНК, сканирование радужной оболочки глаза, идентификацию голоса и, конечно, распознавание лиц.

В современных фильмах и сериалах часто фигурируют системы наблюдения, которые позволяют «увеличить и очистить изображение». До сих пор подобные функции казались чистой фантастикой, делом далекого будущего. Тем не менее, будущее, похоже, настало раньше, чем можно было ожидать. Вложив порядка миллиарда долларов, ФБР собирается запустить систему глобального масштаба, которая сможет не только опознать человека на картинке, но и отслеживать подозреваемых в толпе.

На испытаниях система продемонстрировала точность распознавания на уровне 92 %. Строго говоря, это неудивительный результат, если учесть, что система создает полноценную 3D-модель лица для каждого человека в базе данных. При опознании модель вращается, пока не найдется совпадение по одному из ракурсов. Единственная проблема – снижение качества распознавания при плохом освещении. Теоретически, это можно решить за счет инфракрасных камер, но на данный момент их решено не использовать из-за относительной дороговизны, передает soft.mail.ru.

Несколько штатов США уже начали загружать фотографии в единую базу ФБР. Ввод системы в строй в национальном масштабе планируется на 2014 год. Кстати, в связи с сообщениями о запуске системы появилась критика со стороны защитников гражданских свобод. В частности, они опасаются, что от действий системы могут пострадать совершенно невинные люди, которые просто окажутся рядом с настоящим подозреваемым.

Интересно, что на текущем этапе в систему добавляются только снимки преступников и подозреваемых, снятые по факту задержания. По мере полного развертывания новой системы этот порядок может измениться – в систему могут быть включены снимки, сделанные в повседневной обстановке.

Понятно, что внедрение такой системы слежения будут приветствовать любые органы правопорядка, поскольку во многих ситуациях она значительно облегчит им работу. С другой стороны, как часто бывает с новомодными технологиями, последствия для тайны частной жизни будет трудно переоценить.

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

34% тестировщиков применяют ИИ для генерации кода, 28% — для тест-кейсов

2ГИС решила разобраться, как себя чувствует русскоязычное QA-сообщество: чем пользуются тестировщики, как устроены процессы и как в работу проникает искусственный интеллект. В исследовании поучаствовали 570 QA-специалистов, почти половина из них работают в крупных компаниях.

57% опрошенных сказали, что подключаются к разработке фич ещё на этапе обсуждения требований — то есть задолго до появления кода.

Лишь 20% приходят в проект только после завершения разработки. А вариант «подключаюсь, когда в продакшене что-то сломалось» — уже почти экзотика.

89% команд используют автотесты — от юнитов до UI. Но вот инструменты вокруг них, вроде поддержки, аналитики и стабильности, применяют далеко не все. Например, код-ревью автотестов делают только 39% опрошенных, а 28% команд вообще не отслеживают никаких метрик и работают «вслепую».

ИИ используют не все, и в основном — для рутинных задач

Хотя ИИ уже прочно вошёл в мир тестирования, чаще всего его применяют для типовых задач:

  • написание тестового кода (34%),
  • генерация тест-кейсов (28%),
  • и тестовых данных (26%).

 

Более продвинутые сценарии вроде анализа тестов, автоматического поиска багов и визуального тестирования пока используются редко. Например, только 5% автоматизируют дефект-дискавери, и лишь 4% пробуют AI для визуальных проверок. А 22% QA-специалистов вообще не используют ИИ в своей работе.

Главные проблемы в тестировании

На первом месте — сжатые сроки. Об этом сказали 71% участников опроса. На втором — слабое вовлечение QA в процессы (40%) и нехватка квалифицированных специалистов (37%).

Как измеряют качество

  • Главная метрика — количество найденных багов (58%).
  • Покрытие автотестами учитывают 43%, покрытие кода — только 23%.
  • Стабильность тестов (например, чтобы они не «флапали») отслеживают всего 15% команд.

Что будет с профессией дальше? Мнения разделились:

  • 37% считают, что всё уйдёт в тотальную автоматизацию;
  • 35% уверены, что ничего особо не поменяется;
  • почти треть верит, что QA станет глубже интегрироваться в специфические направления вроде ИБ и производительности;
  • 27% видят будущее за DevOps и SRE — то есть тесной работой на всех этапах: от разработки до эксплуатации.
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