GovPayNow.com раскрывал данные более 14 миллионов клиентов

GovPayNow.com раскрывал данные более 14 миллионов клиентов

GovPayNow.com раскрывал данные более 14 миллионов клиентов

Компанию Government Payment Service (GovPayNet) постигла утечка очень серьезных масштабов — более 14 миллионов записей клиентов, сформированных за шестилетний период, стали публично доступны. Услугами компании пользуются тысячи государственных и местных органов власти США для принятия платежей. Среди скомпрометированных данных находятся имена, адреса, номера телефонов и последние четыре цифры кредитных карт пользователей.

Принадлежащий GovPayNet GovPayNow.com обслуживает около 2300 государственных учреждений в 35 штатах. Сервис отображает квитанции, которые граждане используют для оплаты штрафов.

Как сообщает исследователь в области кибербезопасности Брайан Кребс, миллионы записей клиентов мог просмотреть любой желающий, просто изменив цифры в веб-адресе, отображаемом каждой квитанцией.

14 сентября Кребс предупредил GovPayNet о том, что миллионы данных клиентов, собранных с 2012, доступны любому желающему. Спустя два дня компания заявила, что устранила проблему.

«Мы устранили потенциальную проблему в нашей онлайн-системе, которая позволяла получить доступ к данным клиентам неавторизованным пользователям», — говорится в официальном сообщении GovPayNet.

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