США потеряли в 2016 году от $57 млрд до $109 из-за киберпреступников

США потеряли в 2016 году от $57 млрд до $109 из-за киберпреступников

США потеряли в 2016 году от $57 млрд до $109 из-за киберпреступников

Опубликованные Белым домом данные свидетельствуют о том, что США в 2016 году потеряли от $57 млрд до $109 млрд в результате деятельности киберпреступников.

«По имеющимся у нас данным, киберпреступная деятельность обошлась нашей экономике в сумму от $57 млрд до $109 млрд в 2016 году», — приводятся в документе такие цифры.

В качестве главных зарубежных виновников американские спецслужбы, как всегда, называют киберпреступников из России, Китая, Ирана и Северной Кореи.

Также было отмечено, что кибератаки организовывались «корпоративными конкурентами, активистами, решающими свои политические задачи, и преступными группировками».

В России разработали способ удалить свой биометрический след

В ИТ-компании «Криптонит» (входит в «ИКС Холдинг») разработали метод, который позволяет выборочно удалять цифровые образы людей из систем распознавания лиц. Если совсем просто, речь идёт о технологии, которая должна помочь реализовать право человека отозвать согласие на обработку своей биометрии — так, чтобы система действительно перестала его узнавать.

Проблема тут в том, что современные системы распознавания лиц устроены не так прямолинейно, как может показаться.

Даже если сведения о человеке формально удалили из базы, его цифровой образ может всё равно остаться внутри уже обученной модели. То есть на бумаге данные вроде бы стерли, а на практике алгоритм всё ещё способен узнать этого человека.

Именно это и делает тему особенно чувствительной. С биометрией всё сложнее, чем с обычными персональными данными: пароль можно поменять, а лицо — нет. Если такие данные утекают, риски уже совсем другого уровня, потому что украденные цифровые слепки можно использовать для создания поддельных образов и обхода биометрической аутентификации.

 

В «Криптоните» утверждают, что их метод решает задачу не маскировкой и не косметическим удалением, а на уровне внутренней логики самой модели. Проще говоря, алгоритм перестаёт использовать сведения о конкретном человеке и больше не может его распознавать, при этом способность узнавать остальных людей сохраняется.

По словам разработчиков, на тестовых наборах данных технология показала заметное снижение эффективности распознавания именно тех лиц, которые нужно «забыть», — до 88%. При этом общая точность системы, как утверждается, осталась на прежнем уровне.

Практическое применение у такого подхода вполне очевидное. В первую очередь это системы видеонаблюдения с распознаванием лиц, СКУД и корпоративная безопасность. Например, технология может пригодиться для удаления биометрических данных уволенных сотрудников, когда компания обязана прекратить их обработку, но не хочет при этом заново переобучать всю систему с нуля.

RSS: Новости на портале Anti-Malware.ru