InfoWatch Traffic Monitor защищает данные в мессенджере Cisco UCM

InfoWatch Traffic Monitor защищает данные в мессенджере Cisco UCM

InfoWatch Traffic Monitor защищает данные в мессенджере Cisco UCM

Группа компаний InfoWatch, сообщает о выпуске интеграционного адаптера для контроля передачи данных в корпоративном мессенджере Cisco Unified Communications Manager (Cisco UCM), который используется организациями для обеспечения внутрикорпоративного общения сотрудников.

Интеграция реализуется через подключение модуля InfoWatch Cisco UCM Adapter к базе данных Cisco UCM. Адаптер перехватывает текстовые документы, таблицы, изображения и другие вложенные файлы и отправляет их на анализ в систему предотвращения утечек конфиденциальных данных и защиты организаций от внутренних угроз InfoWatch Traffic Monitor.

Решение выявляет противоправные действия, например, злонамеренную переписку сотрудников, передачу конфиденциального файла или фрагмента текста, и при нарушении политик безопасности уведомляет об инциденте офицера безопасности организации. Все события хранятся в единой базе данных InfoWatch Traffic Monitor для проведения расследований инцидентов.

«Корпоративные мессенджеры приобретают все большую популярность и часто выступают главным каналом связи и обмена данными в организации, — сказала менеджер по развитию продуктов ГК InfoWatch Марина Баталова. — Сотрудники используют их для передачи чувствительной информации, обсуждения важных задач, проектов и насущных проблем, поэтому этот канал требует тщательного контроля с точки зрения предотвращения утечек информации и других рисков, связанных с неправомерными действиями персонала организации. Интеграция корпоративного мессенджера Cisco UCM с DLP-системой InfoWatch Traffic Monitor позволяет повысить общий уровень безопасности в компании и снизить риски внутреннего мошенничества со стороны сотрудников». 

Подпишитесь на новости

Модели OpenAI и Anthropic выбирали скорые и школу как военные цели

Компания Vals AI проверила ограничения ИИ-моделей на участие в выборе военных целей. В экспериментах системы отмечали гражданских, машины скорой помощи и сдающихся солдат. Представление задания как игры часто помогало преодолеть отказы.

Результаты экспериментов опубликованы в исследовании Vals AI. Специалисты испытали 14 моделей на изображениях с имитацией съёмки с дронов.

Отдельный сценарий включал реальные спутниковые снимки иранского Минаба, где школа расположена рядом с военным комплексом.


GPT-6 Astra выделяла хотя бы одну цель в 6% обычных запросов. После оговорки об игре показатель вырос до 92%. В других экспериментах большинство моделей продолжало обнаруживать людей даже после показа сгенерированных последствий ударов.


Модели не управляли реальными атаками и не принимали решений об ударах. Авторы также не оценивали точность наведения и эффективность систем в боевых условиях.


Vals AI рекомендует усилить ограничения на уровне API. Один из обозначенных рисков — массовая разметка видеозаписей для обучения автономных систем наведения.

RSS: Новости на портале Anti-Malware.ru