Новая коллекция слитых данных бьет рекорд Троя Ханта

Новая коллекция слитых данных бьет рекорд Троя Ханта

Новая коллекция слитых данных бьет рекорд Троя Ханта

Неизвестные злоумышленники собрали воедино все утечки, произошедшие за последние несколько лет с такими компаниями, как Dropbox и LinkedIn. В итоге получилась база данных, насчитывающая 2,2 миллиарда уникальных имен пользователей и связанных с ними паролей.

Удивительно, что собравшие такую крупную базу данных киберпреступники распространяют ее бесплатно на форумах хакерской тематики, а также на торрент-сайтах. Исследователи назвали новую коллекцию «Collections #2–5».

Название является прямой отсылкой к обнаруженной в прошлом месяце крупнейшей слитой базе электронных адресов и паролей, которую обнаружил Трой Хант — «Collection #1».

«Collections #2–5» прежде всего поражает своими объемами — весит она 845 Гб, а общее число записей в ней равняется 25 миллиардам.

Крис Руланд из Phosphorus.io сообщил, что это самая крупная коллекция слитых данных, которую ему доводилось наблюдать.

Напомним, что найденная Хантом «Collection #1» весила 87 Гбайт, она состояла из 12 000 файлов и была обнаружена на сервисе для загрузки файлов MEGA.

Подпишитесь на новости

Наталья Касперская поставила под сомнение доверие к генеративному ИИ

Генеративный ИИ умеет писать тексты и код, но можно ли на него полагаться? Наталья Касперская считает, что с доверием к таким системам пока больше вопросов, чем ответов. В интервью корреспонденту Anti-Malware.ru Олесе Афанасьевой на BIS Summit она назвала критерий доверенности применительно к генеративному ИИ загадкой.

По объяснению Касперской, доверенная система должна работать с заранее заданными параметрами и обеспечивать предсказуемый результат.

Генеративный ИИ, по её оценке, под это определение не подпадает: он не способен каждый раз выдавать один и тот же результат.

«Критерий доверенности в применении к генеративному искусственному интеллекту для меня является загадкой», — заявила она.

Главная проблема, считает Касперская, — масштаб моделей. Огромное количество параметров и данных делает полноценную проверку такой системы практически недостижимой. Можно протестировать отдельные ответы и сценарии, но это ещё не доказывает надёжность всей модели.

«Вы можете сделать какие-то выборочные проверки, частичные. Они будут выборочными и частичными, они ничего не докажут», — подчеркнула Касперская.

Получается неудобный вопрос для бизнеса и государства: как доверять системе, поведение которой нельзя исчерпывающе проверить? По словам председателя правления АРПП «Отечественный софт», задача создания доверенного ИИ поставлена, но готового способа её решения она пока не видит.

Одними разговорами, считает Касперская, проблему не закрыть. Нужна совместная работа специалистов по ИИ и информационной безопасности, методистов и разработчиков стандартов.

RSS: Новости на портале Anti-Malware.ru