Киберпреступник взломал терминал из СИЗО в Ивановской области

Киберпреступник взломал терминал из СИЗО в Ивановской области

Киберпреступник взломал терминал из СИЗО в Ивановской области

В Оренбургской области судят очередного киберпреступника. 29-летний мужчина в августе прошлого года похитил из терминала, установленного в городе Орске, 35 300 рублей, находясь в одной из исправительных колоний Ивановской области.

Ранее злоумышленник занимал должность генерального директора фирмы, которая занималась обслуживанием компьютерной техники.

В ходе своих преступных действий мужчина пользовался только смартфоном, а ассистировал ему подельник, в задачу которого входила установка на любой терминал программы удаленного доступа. Соответствующие инструкции своему сообщнику давал главный фигурант дела.

Встретились два преступника благодаря размещенному в Сети объявлению, которое опубликовал находящийся на тот момент в исправительной колонии мужчина. Преступники выбрали один из терминалов города, который был установлен на улице Спортивной, он принадлежал некому индивидуальному предпринимателю.

Полиция задержала киберпреступника, когда тот уже вышел из исправительной колонии на волю. Злоумышленник свою вину признал, согласившись сотрудничать со следствием.

Как сообщают местные СМИ, суд уж вынес мужчине приговор — он будет отбывать 1 год и 7 месяцев в колонии строгого режима с последующим ограничением свободы еще на 6 месяцев.

Сегодня мы также писали про задержание в Китае преступников, которые похитили около 600 миллионов юаней (87 миллионов долларов) в цифровой валюте биткоин.

ИИ научился выявлять депрессию по голосовым сообщениям в WhatsApp

Учёные показали, что депрессию можно распознать буквально «по голосу» — и для этого не нужны ни долгие опросники, ни визит к врачу. Достаточно короткого голосового сообщения в WhatsApp (принадлежит Meta, признанной экстремистской и запрещенной в России).

Исследователи из Медицинской школы Санта-Каса-де-Сан-Паулу и компании Infinity Doctors разработали медицинскую языковую модель, которая с высокой точностью определяет наличие депрессивного расстройства по аудиосообщениям.

Результаты работы опубликованы 21 января 2026 года в открытом журнале PLOS Mental Health.

В эксперименте модель анализировала короткие голосовые сообщения, где участники просто рассказывали, как прошла их неделя. И результат оказался неожиданным: у женщин с диагностированной депрессией точность распознавания превысила 91%.

Это один из лучших показателей среди подобных исследований, особенно с учётом того, что речь идёт о бытовых сообщениях, а не специально записанных медицинских интервью.

Для обучения и тестирования использовались два набора данных с WhatsApp-аудио от носителей португальского. В них вошли записи пациентов с подтверждённым диагнозом «большое депрессивное расстройство» и контрольной группы без депрессии.

Часть сообщений была максимально простой — участникам предлагали досчитать от одного до десяти, другая часть — более естественной: свободный рассказ о прошедшей неделе.

Лучше всего модель справлялась именно со «спонтанной речью». У мужчин точность в этом же сценарии оказалась ниже — около 75%, что авторы связывают с меньшим числом мужских голосов в обучающей выборке и возможными различиями в речевых паттернах. При анализе простого счёта до десяти разница между полами почти исчезала: точность составляла около 80% у женщин и чуть меньше у мужчин.

По словам авторов, модель улавливает тонкие акустические признаки — темп речи, интонации, паузы, — которые сложно заметить человеку, но хорошо видит машинное обучение. И главное — всё это происходит в привычном для людей формате повседневного общения.

Исследователи считают, что при дальнейшем развитии технология может лечь в основу недорогих и удобных инструментов раннего скрининга депрессии, не требующих сложных процедур и не нарушающих повседневные привычки пользователей.

Как отметил старший автор исследования Лукас Маркес, «незаметные акустические особенности обычных голосовых сообщений могут с неожиданной точностью указывать на депрессивные состояния».

Напомним, в недавнем исследовании метаданные WhatsApp показали: мы плохо понимаем, как ведём себя в чатах.

RSS: Новости на портале Anti-Malware.ru