Сумма средней страховой выплаты от утечки достигла 3,7 млн долларов США

Сумма средней страховой выплаты от утечки достигла 3,7 млн долларов США

По данным исследования NetDiligence, средняя страховая выплата от утечки данных резко поднялась с 2,4 млн долларов США в 2010 году до 3,7 млн в 2011. По данным исследования NetDiligence «Cyber Liability & Data Breach Insurance Claims — A Study of Actual Payouts for Covered Breaches» («Страховые претензии по ответственности за действия в сети Интернет и утечке данных: исследование фактических выплат по защищенным страхованием нарушениям»), расходы на страхование типичного случая утечки данных составили от 25 тыс. до 200 тыс. долларов США.

Юридические издержки вследствие утечки данных являются значительной частью страховых издержек и составляли в среднем 582 тыс. долларов США, потраченных на юридическую защиту, и 2,1 млн долларов США на расчетные затраты. В 2010 году эти цифры составили 500 тыс. и 1 млн долларов США соответственно.

Анализ исков по инцидентам показал, что 42 % раскрываемой информации приходится на несанкционированное раскрытие информации личного характера, что на 27 % больше показателей 2010 года. Вторыми в списке раскрываемой информации оказались сведения, составляющие врачебную тайну. На них приходится 15 %, что на 16 % меньше, чем в 2010, передает infowatch.ru.

Аналитический центр InfoWatch отмечает, что наиболее часто страдающие от утечки данных отрасли ― финансовые услуги и здравоохранение. На их долю в 2011 году пришлось соответственно 26 и 20 % страховых требований.

Комментирует главный аналитик InfoWatch Николай Федотов: «В России и некоторых других странах запрещено страховать административную и уголовную ответственность. При этом большинство утечек, которые беспокоют операторов и "субъектов ПД", лежат именно в этих сферах. Остаётся гражданская ответственность. Добиться от оператора-нарушителя чего-либо через гражданский процесс для граждан - нереально, а для государственных органов - унизительно. Поэтому страхование утечек России не грозит. А про данное исследование можно сказать только одно: адвокаты в США очень дорогие».

 

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

Языковые модели тупеют от мусорных данных из интернета

Группа исследователей из Университета Техаса и Университета Пердью предложила необычную идею: большие языковые модели (LLM), вроде ChatGPT, могут «тупить» от некачественных данных примерно так же, как люди — от бесконечных часов в соцсетях.

В отчёте специалисты выдвигают «гипотезу гниения мозга LLM». Суть проста: если продолжать дообучать языковую модель на «мусорных» текстах из интернета, она со временем начнёт деградировать — хуже запоминать, терять логику и способность к рассуждению.

Авторы понимают, что отличить хороший контент от плохого сложно. Поэтому они решили изучить 100 миллионов твитов с HuggingFace и отобрать те, что подходят под определение «junk».

В первую группу попали короткие твиты с большим количеством лайков и репостов — те самые, которые вызывают максимальное вовлечение, но несут минимум смысла. Во вторую — посты с «низкой семантической ценностью»: поверхностные темы, кликбейт, громкие заявления, конспирология и прочие «триггерные» темы.

 

Чтобы проверить качество отбора, результаты GPT-4o сверили с оценками трёх аспирантов — совпадение составило 76%.

Учёные обучили четыре разные языковые модели, комбинируя «мусорные» и «качественные» данные в разных пропорциях. Потом прогнали их через тесты:

  • ARC — на логическое рассуждение,
  • RULER — на память и работу с длинным контекстом,
  • HH-RLHF и AdvBench — на этические нормы,
  • TRAIT — на анализ «личностного стиля».

Результаты оказались любопытными: чем больше в обучающем наборе было «интернет-мусора», тем хуже модель справлялась с задачами на рассуждение и память. Однако влияние на «этичность» и «черты личности» было неоднозначным: например, модель Llama-8B с 50% «мусора» даже показала лучшие результаты по «открытости» и «низкой тревожности».

Исследователи сделали вывод: переизбыток интернет-контента может привести к деградации моделей и призвали разработчиков тщательнее отбирать данные для обучения. Особенно сейчас, когда всё больше онлайн-текста создаётся уже самими ИИ — и это может ускорить эффект так называемого model collapse, когда модели начинают обучаться на собственных ошибках.

Учёные шутят: если так пойдёт и дальше, возможно, придётся вернуться к книгам — хотя бы ради того, чтобы «накормить» модели чем-то действительно качественным.

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