Министерство образования США отметило слабую киберзащищенность школ

Министерство образования США отметило слабую киберзащищенность школ

Министерство образования США отметило слабую киберзащищенность школ

Министерство образования США выпустило предупреждение, ставшее результатом опасений из-за недавних инцидентов, в ходе которых некоторые школы столкнулись с вымогательством из-за похищения конфиденциальной информации студентов.

В предупреждении говорится о том, что некоторые школы слишком уязвимы в силу слабо развитой кибербезопасности. В настоящий момент ФБР расследует несколько кейсов, произошедших в школах трех разных штатов.

Одна из таких школ, расположенная в штате Монтана, сообщила, что киберпреступники проникли на несколько школьных серверов и украли личную информацию студентов и, возможно, сотрудников. Также было обнаружено, что камеры наблюдения школы тоже были взломаны.

После этого от злоумышленников поступили требования о выкупе, в котором киберпреступная группа Dark Overlord затребовала 150 000 долларов в биткойнах.

Сотрудники правоохранительных органов считают, что злоумышленники находятся в пределах Соединенных Штатов. Выкуп не был уплачен, что может повлечь за собой публикацию данных студентов.

Другая школа, находящаяся в штате Айова, также подверглась нападению со стороны той же группы, в результате чего были отменены все занятия. В этом случае угрозы были также отправлены родителям и детям.

Причина возникновения данных инцидентов кроется в жестких бюджетных рамках, не позволяющих школам серьезно заняться кибербезопасностью. Министерство образования попытается исправить это положение дел.

Cloud.ru представила фильтр, скрывающий конфиденциальные данные от ИИ

На конференции GoCloud 2026 компания Cloud.ru анонсировала Guardrails Filter — инструмент для более безопасной работы с генеративным ИИ. Его задача довольно понятная: не дать конфиденциальным данным случайно утечь в большую языковую модель.

Схема работы выглядит так: сервис проверяет текст запроса, ищет в нём конфиденциальные данные — например, персональные сведения, банковские реквизиты, API-ключи и другие секреты, — затем маскирует их и только после этого отправляет обезличенный запрос в модель. Когда модель возвращает ответ, система подставляет реальные значения обратно.

Иначе говоря, пользователь получает нормальный результат, но сами чувствительные данные не уходят за пределы корпоративного контура в исходном виде.

Сейчас инструмент рассчитан на работу с моделями из сервиса Cloud.ru Foundation Models. В этой платформе доступно более 20 моделей разных типов, включая text-to-text, audio-to-text и image-text-to-text. При этом Cloud.ru отдельно уточняет, что механизм фильтрации будет доступен и в формате on-premise, то есть для установки на стороне самого заказчика.

Появление такого инструмента хорошо вписывается в общий тренд: компании всё активнее используют генеративный ИИ, но тема утечек данных остаётся одной из главных причин, почему внедрение идёт не так быстро, как хотелось бы. Особенно это чувствительно для отраслей, где много персональной и служебной информации, — например, для здравоохранения, ретейла и госсектора.

Кроме того, Cloud.ru сообщила, что добавила в Foundation Models LLM-модель российской компании HiveTrace с Guardrails-механизмом. По заявлению компании, такая модель должна лучше справляться с рисками вроде промпт-инъекций, утечки системных инструкций и некорректной обработки выходных данных.

RSS: Новости на портале Anti-Malware.ru