Данные американских военных и разведчиков слили в Сеть

Данные американских военных и разведчиков слили в Сеть

Данные американских военных и разведчиков слили в Сеть

Тысячи файлов, содержащих личную информацию военных и сотрудников спецслужб США, находились в свободном доступе в Интернете до того, как их обнаружила частная фирма по обеспечению безопасности TigerSwan. Об этом сообщает издание The Hill.

Файлы представляли собой резюме соискателей должностей в TigerSwan, которые содержали адреса, телефоны и личные электронные письма военных, разведчиков и сотрудника ООН. Как утверждают в фирме, информация попала в Сеть по ошибке нанятого ей рекрутингового агентства TalentPen, которое пересылало резюме через облачное хранилище Amazon. Предполагалось, что файлы будут удалены сразу, однако они остались на сервере, где их нашел специалист другой обеспечивающей безопасность фирмы UpGuard, передает vesti.ru.

Отмечается, что TigerSwan не знали об инциденте до тех пор, пока с ними не связались журналисты. Несмотря на то, что компания закрылась в 2017 году, экс-сотрудник подтвердил, что "действия в аккаунте действительно совпадают с количеством и размером файлов".

Сейчас TigerSwan призывает бывших соискателей, чьи резюме могли оказаться в свободном доступе, связаться с ними и убедиться, что вся информация действительно была удалена.

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