Спецслужбам США не хватает квалифицированных кадров для киберборьбы

Спецслужбам США не хватает квалифицированных кадров для киберборьбы

Спецслужбам США не хватает квалифицированных кадров для киберборьбы

О нехватке специалистов для борьбы с врагами в киберпространстве сообщили представители разведки США. В частности, проседает квалификация по части обработки огромных объемов данных. Соответствующая информация была озвучена на конференции по безопасности, которая проходила в Вашингтоне.

Среди тех, кто сетует на нехватку кадров для адекватного противостояния кибероппонентам, был представитель ФБР Джон Адамс и сотрудница офиса директора национальной разведки Ланая Джонс.

Джонс считает, что в Штатах сейчас недостаточно аналитиков для соперничества с другими державами в киберпространстве.

Адамс же, со своей стороны, отметил, что решить проблему увеличением штата не получится, так как в первую очередь отсутствует квалификация.

«Мы создаем самообучающиеся системы, которые помогают отслеживать аномальную активность в цифровом киберпространстве. Также пытаемся сортировать получаемые большие объемы данных с помощью специальных программ», — цитируют СМИ слова Адамса.

Напомним, что вчера стало известно, что США выделили $380 миллионов на защиту выборов в конгресс от вторжения хакеров. Речь идет о промежуточных выборах в конгресс США, которые пройдут в ноябре.

Подпишитесь на новости

Модели OpenAI и Anthropic выбирали скорые и школу как военные цели

Компания Vals AI проверила ограничения ИИ-моделей на участие в выборе военных целей. В экспериментах системы отмечали гражданских, машины скорой помощи и сдающихся солдат. Представление задания как игры часто помогало преодолеть отказы.

Результаты экспериментов опубликованы в исследовании Vals AI. Специалисты испытали 14 моделей на изображениях с имитацией съёмки с дронов.

Отдельный сценарий включал реальные спутниковые снимки иранского Минаба, где школа расположена рядом с военным комплексом.


GPT-6 Astra выделяла хотя бы одну цель в 6% обычных запросов. После оговорки об игре показатель вырос до 92%. В других экспериментах большинство моделей продолжало обнаруживать людей даже после показа сгенерированных последствий ударов.


Модели не управляли реальными атаками и не принимали решений об ударах. Авторы также не оценивали точность наведения и эффективность систем в боевых условиях.


Vals AI рекомендует усилить ограничения на уровне API. Один из обозначенных рисков — массовая разметка видеозаписей для обучения автономных систем наведения.

RSS: Новости на портале Anti-Malware.ru