CRN рекомендует использовать Zlock

CRN рекомендует использовать Zlock

Центр тестирования CRNtech международного издания CRN провел тестирование Zlock и рекомендовал его использование для защиты корпоративных информационных систем от утечек информации. «Даже хорошо обученные сотрудники могут представлять риск для данных в сети и даже самые совершенные средства защиты периметра сети не помогут предотвратить утечки данных с использованием периферийных устройств, — рассказывает о проблеме ответственный редактор CRN, автор обзора Эдвард Ф. Мользен. — Любые данные, хранящиеся в сети, могут быть записаны на DVD или USB диски и похищены».



Система Zlock относится к комплексу IPC-решений SECURIT и предназначена для защиты от утечек информации и контроля использования периферийных устройств и принтеров. Zlock позволяет гибко разграничивать доступ к USB-устройствам, контроллерам Wi-Fi, Bluetooth, IrDA и IEEE 1394, сетевым картам и модемам, FDD-, CD- и DVD-приводам, жестким дискам, портам COM и LPT, локальным и сетевым принтерам. Дополнительно в Zlock есть возможность архивирования (теневого копирования) информации, записываемой на внешние носители и распечатываемой на локальных и сетевых принтерах. Управление Zlock осуществляется через единую для всех IPC-решений SECURIT консоль управления.

«Мы считаем, что компания SECURIT может стать одним из лидеров рынка информационной безопасности, — резюмирует обзор г-н Мользен. — Центр тестирования CRN может смело рекомендовать Zlock в качестве продукта для обеспечения защиты локальных компьютеров и ноутбуков, особенно в ситуации, когда необходимо централизованно защитить все рабочие станции в корпоративной сети».

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

Google представил VaultGemma — LLM с дифференциальной приватностью

В семействе больших языковых моделей (БЯМ, LLM) с открытым кодом, разработанных в Google, прибавление. Новинка VaultGemma не запоминает конфиденциальные данные при обучении, что предотвращает их слив пользователям.

ИИ-модель, построенная на базе Gemma 2 и работающая по 1 млрд параметров, прошла предварительный тренинг с применением метода дифференциальной приватности (differential privacy) — он добавляет в процесс обучения эталонный шум для ограничения возможности запоминания.

К сожалению, такой подход снижает не только риск утечки конфиденциальных данных, но также точность и быстродействие LLM. Чтобы найти оптимальный баланс между приватностью, практичностью и затратами на вычисления, в Google провели специальное исследование.

Бенчмаркинг показал, что по производительности VaultGemma сравнима с моделями той же величины, но без гарантий конфиденциальности.

 

Подробная информация о новом opensource-проекте, способном ускорить создание приватных и безопасных ИИ-систем для медучреждений, финансовых институтов и госсектора, выложена на Hugging Face и Kaggle.

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