Пентагон легко взломали в ходе импровизированной атаки

Пентагон легко взломали в ходе импровизированной атаки

Пентагон легко взломали в ходе импровизированной атаки

Пентагон не смог защитить свои системы во время импровизированной атаки киберпреступников. В ходе проверки безопасности условным нападающим удалось получить контроль над системой вооружений.

Согласно докладу Главного контрольно-бюджетного управления при правительстве Соединенных Штатов, «нападающие» смогли легко проникнуть в системы ведомства и взять их под контроль. Суть уязвимостей, использованных в импровизированных атаках, естественно, не объясняется.

Сказано лишь, что:

«В ходе учебной атаки, используя простые инструменты и техники, нападающие смогли получить контроль над системами. Пи этом им удалось действовать практически незаметно».

Также есть информация о том, что основные проблемы безопасности Пентагона заключаются в использовании незашифрованных коммуникаций и ненадлежащем обращение с паролями.

В сетнябре Пентагон объявил о создании новой стратегии по кибербезопасности, в которой, как обычно, США не обошли стороной вопрос агрессии со стороны России. Согласно документу, Россия наряду с Китаем создают наибольшую угрозу для интересов Америки.

В Пентагоне считают, что стратегическое соперничество с Китаем и Россией неминуемо породило «неприемлемые» угрозы для Штатов, которые выражаются во вредоносной киберактивности.

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