Gett подозревает Яндекс.Такси в слежке за телефонами клиентов

Gett подозревает Яндекс.Такси в слежке за телефонами клиентов

Gett подозревает Яндекс.Такси в слежке за телефонами клиентов

Сервис Gett попросил руководителя Федеральной антимонопольной службы (ФАС) Игоря Артемьева изучить деятельность «Яндекс.Такси». «Ведомости» ознакомились с текстом письма, представители ФАС и Gett подтвердили, что такое письмо есть. Gett опасается, что «Яндекс.Такси» использует для слежения за пользователями скрытые функции в своем приложении.

Gett пишет ФАС, что странную закономерность заметили пользователи. В начале октября Тимофей Васильев написал в Facebook, что, после того как он установил приложение Gett, «Яндекс.Такси» подешевело, пишет vedomosti.ru.

«Похоже, «Яндекс» как-то собирает данные о действиях пользователя и, если палит на телефоне Gett, начинает коварно конкурировать ценой», – написал Васильев.

«Мы сильно обеспокоились, увидев пост блогера, – заявил «Ведомостям» основатель Gett Дэйв Вайсер. – «Яндекс» каким-то образом довольно много знает о том, что происходит на вашем мобильном устройстве, например, когда вы начинаете ездить на Gett. Попросили ФАС разобраться». Ущерб для Gett от такого знания Вайсер затруднился оценить.

Как экономить на конкуренте

Gett тоже исследовал цену поездок в приложении у конкурента, сказано в письме в ФАС. Gett размещал заказы на «Яндекс.Такси» с мобильных устройств, как с приложением Gett, так и без, по одним адресам и в одно время. Алена Балакирева подтверждает: Gett исследовал цену поездок в приложении «Яндекс.Такси» и обнаружил, что цена поездки в «Яндекс.Такси» примерно в 60% случаев ниже, если пользоваться также и приложением Gett.

Gett попросил экспертов независимой компании изучить этот вопрос, сообщает Балакирева. Назвать ее она отказалась. Вывод независимых экспертов: приложение «Яндекс.Такси» выявляет все установленные на телефоне приложения, сказано в письме в ФАС. Балакирева выводы экспертов не комментирует, но говорит, что полученные таким путем данные «Яндекс» может использовать в своих интересах, в частности для манипулирования ценами. Если это так, то в действиях «Яндекс.Такси» могут быть признаки недобросовестной конкуренции, пишет Gett Артемьеву, могут быть и признаки дискриминации пользователей, у которых нет приложения Gett.

Представитель ФАС отказался комментировать содержание письма – оно-де с пометкой «для служебного пользования».

«О жалобах Gett нам ничего не известно», – заявил представитель «Яндекс.Такси» Владимир Исаев. По его словам, у «Яндекс.Такси» точно такой же, как и у Gett, доступ к информации о пользователях смартфонов, никакого влияния на цену поездки установленные приложения, а также цвет телефона и размер его дисплея не оказывают.

«Стоимость поездки зависит от маршрута, ситуации на дорогах и количества свободных машин в районе, где пользователь заказывает поездку», – заверил представитель «Яндекса».

Беспрецедентная жалоба

Gett написал в ФАС в момент, когда служба должна решить, позволить ли объединиться «Яндекс.Такси» и Uber. Последний срок для принятия решения – 17 ноября, говорит представитель ФАС.

Юристы, опрошенные «Ведомостями», осторожны в оценках разбирательства сервисов заказа такси в ФАС. Прецедентов в России еще не было, уверен управляющий партнер Heads Consulting Александр Базыкин.

«Наказать конкурента через обращение в ФАС у заявителя не получится», – скептичен управляющий партнер «Юрпартнеръ» Антон Толмачев: многие приложения используют службы геолокации, запрашивают доступ к контактам, спрашивают разрешение на отправку технических данных разработчику, а пользователи, часто не читая, ставят галочку, что принимают эти условия. Толмачев согласен с коллегой: «В принципе, данная обработка не запрещена при условии, что пользователь соглашается на нее, принимая пользовательское соглашение».

В пользовательском соглашении «Яндекс.Такси» сказано, что персональная информация клиентов передается «Яндексу» на условиях, описанных в документе о конфиденциальности. Gett считает, что информация, пользуется ли человек его приложением, конфиденциальная и должна обрабатываться на законных основаниях, сказано в его письме в ФАС.

Международная практика

«На других рынках мы не сталкивались ни с чем подобным», – говорит Вайсер. Схожие случаи, когда сервисы заказа такси подозревались в незаконном использовании программного обеспечения, зафиксированы в США. В начале сентября стало известно, что ФБР заинтересовалось, использовал ли Uber нелегальные методы и программное обеспечение для вмешательства в работу конкурента – Lyft. В России Uber не сталкивался с обвинениями в несанкционированном использовании данных пользователей и не заявлял о таких случаях у конкурентов, говорит директор по коммуникациям Uber в России и СНГ Ирина Гущина.

Нейросеть с сюрпризом: AppSec.Track проверит модели из Hugging Face

ML-модель из публичного репозитория может оказаться не только умной, но и с неприятным сюрпризом внутри. AppSec Solutions добавила в платформу AppSec.Track предварительную проверку моделей из Hugging Face. По заявлению компании, это первое российское решение, которое блокирует потенциально опасные модели до их попадания на машины разработчиков и в CI.

Каждый запрошенный через корпоративный репозиторий файл автоматически отправляется в «карантин». Пока идёт сканирование, разработчик не может скачать модель, зато видит статус проверки и своё место в очереди. После анализа платформа решает, пропускать артефакт в корпоративную инфраструктуру или оставить за дверью.

Модели проверяются без запуска. AppSec.Track разбирает файлы PyTorch, TensorFlow, Keras и другие сериализованные форматы, включая вложенные архивы, и ищет код, способный выполниться при загрузке. Обнаруженным угрозам присваивается уровень критичности.

Проблема особенно актуальна для моделей в формате pickle. Они могут содержать исполняемый код, поэтому одной заражённой загрузки достаточно, чтобы злоумышленник закрепился в среде разработки. Обычный сканер зависимостей здесь способен промахнуться: зловред сидит не в пакете, а внутри самой модели.

В AppSec Solutions считают, что со временем индустрия перейдёт на безопасный формат safetensors. Но пока публичные хабы забиты pickle-файлами, доверять модели только за красивые метрики — так себе стратегия.

Второй рубеж защиты работает на этапе сборки. AppSec.Track формирует SBOM и проверяет библиотеки и зависимости по собственной базе уязвимостей. Она охватывает PyPI, npm, Maven, NuGet, CUDA, Julia и другие экосистемы. Фид можно подключить онлайн или развернуть в закрытом контуре.

Политики безопасности настраиваются один раз и затем применяются автоматически. Сама модель проходит досмотр при входе и повторно не сканируется, а её окружение контролируется при каждой сборке. Получается вполне понятный фейс-контроль: нейросеть сначала показывает, что у неё внутри, и только потом идёт работать.

RSS: Новости на портале Anti-Malware.ru