За атаку на сайты органов госвласти хакер получил штраф в 10 тыс. рублей

За атаку на сайты органов госвласти хакер получил штраф в 10 тыс. рублей

За атаку на сайты органов госвласти хакер получил штраф в 10 тыс. рублей

Атаковавший правительственные ресурсы Бурятии киберпреступник получил наказание — полтора года лишения свободы условно, а также штраф в размере 10 тысяч рублей. «Хакером» оказался житель Воронежской области.

Помимо правительственных сайтов, злоумышленник также совершил кибератаки на ГУ МЧС по Забайкальскому краю и Новосибирский госуниверситет.

Согласно материалам следствия, атаки были совершены в 2018 году. Обвиняемый, Виктор Куликов, вел свою киберпреступную деятельность до тех пор, пока им не заинтересовался местный отдел УФСБ.

Было возбуждено уголовное дело по части 1 статьи 273 УК РФ (создание, распространение или использование компьютерных программ либо иной компьютерной информации, заведомо предназначенных для несанкционированного уничтожения средств защиты компьютерной информации).

Суд, рассматривавший это дело в Грибановском районе, признал 31-летнего жителя Воронежской области виновным в инкриминируемых преступлениях. На данный момент приговор вступил в законную силу.

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