Сбербанк спас от хакеров средства клиентов на девять миллиардов рублей

Сбербанк спас от хакеров средства клиентов на девять миллиардов рублей

Сбербанк спас от хакеров средства клиентов на девять миллиардов рублей

За 9 месяцев 2016 года Сбербанк предотвратил мошенничество против своих клиентов  - физических и юридических лиц в каналах дистанционного банковского обслуживания  и торговых точках на сумму более 8,6 млрд руб. Показатель аналогичного периода прошлого года — 4,8 млрд рублей.

Ущерб от мошенничества в мобильном приложении Сбербанк Онлайн снижен более чем в семь раз, в системе «Мобильный банк» — в два раза.

«Несмотря на возросшую активность преступников, сумма предотвращённого ущерба увеличилась в 1,8 раза по сравнению с аналогичным периодом 2015 года, — отметил заместитель Председателя Правления Сбербанка Станислав Кузнецов. — Такой результат стал возможен благодаря внедрению в этом году новейших технологий безопасности, позволяющих Сбербанку более эффективно предотвращать кибермошенничество».

Подпишитесь на новости

Не просто стойка с GPU: в России собрали ПАК для корпоративного ИИ

«Лаборатория Числитель» и «Информзащита» представили программно-аппаратный комплекс, который должен помочь крупным компаниям перейти от вечных ИИ-пилотов к нормальной промышленной эксплуатации моделей. Решение анонсировали на форуме TNF-2026.

В основе ПАК — высокопроизводительный ML-кластер и российская платформа контейнеризации «Штурвал». Но создатели подчёркивают: это не очередная дорогая стойка с GPU, на которой каждый проект приходится собирать руками.

Комплекс превращает вычислительные мощности в единый управляемый ресурс. ML-специалист запускает задачу, а платформа сама выделяет CPU и GPU, поднимает нужное окружение, подключает хранилище, запускает обучение и масштабирует нагрузку. Для автоматизации используются Kubernetes и инструменты MLOps, включая Kubeflow, MLflow и model serving.

Архитектура состоит из четырёх уровней: аппаратной инфраструктуры, платформы «Штурвал», MLOps-стека и прикладных ИИ-сервисов — от прогнозирования и аналитики до корпоративных ассистентов. Вокруг ядра работают IAM/SSO, объектное хранилище, реестр образов, CI/CD, мониторинг и аудит.

Заказчики получают единый пул вычислительных ресурсов, изоляцию проектов, централизованное управление доступами и полный жизненный цикл моделей — от эксперимента до публикации и обновления. При этом ML-инструменты не лезут напрямую в железо, а получают инфраструктуру как сервис.

Как сообщается в публикации о проекте, архитектура уже прошла промышленную эксплуатацию у крупного государственного заказчика.

RSS: Новости на портале Anti-Malware.ru