Сбербанк собрал базу из 117 тысяч телефонов кибермошенников

Сбербанк собрал базу из 117 тысяч телефонов кибермошенников

Сбербанк собрал базу из 117 тысяч телефонов кибермошенников

У Сбербанка есть довольно объемная база данных, содержащая 117 тысяч телефонов различных кибермошенников. Данные номера кредитная организация собрала за прошлый год, именно с этих телефонов преступники атаковали Сбербанк.

Об имеющейся базе рассказал заместитель председателя правления Сбербанка Станислав Кузнецов. Выступая на панельной сессии «Русского дома» в рамках форума в Давосе, Кузнецов заявил следующее (цитата «РИА Новости»):

«Сбербанк за прошлый год собрал небольшую базу данных из 117 тысяч телефонов, с которых мошенники атаковали разные системы Сбербанка. Мы, конечно, их передали в правоохранительные органы, количество телефонов увеличивается, а не уменьшается, к сожалению».

В этом месяце мы писали, что киберпреступники продолжают атаковать Сбербанк. По оценкам представителей, начавшиеся с середины декабря атаки продолжились и в этом месяце.

А в декабре Сбербанк представил отчет «Банковские тренды — 2018», часть которого затрагивает проблему кибератак на системы кредитной организации. Согласно опубликованным данным, защитные механизмы банка в прошлом году отразили 90 DDoS-атак, 25 из которых имели высокую мощность.

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