Инструмент Ghidra от АНБ скачали с GitHub более 500 тыс. раз

Инструмент Ghidra от АНБ скачали с GitHub более 500 тыс. раз

Инструмент Ghidra от АНБ скачали с GitHub более 500 тыс. раз

В марте Агентство национальной безопасности (АНБ) США выпустило инструмент под названием Ghidra. Однако никто (включая АНБ) и не предполагал, что этот релиз станет настолько популярен и принесёт такую пользу.

Некоторые аспекты исследования вредоносных программ долгое время требовали немалых вложений от исследователя. Особенно это касалось дорогостоящего программного обеспечения для изучения вредоносов.

Релиз инструмента АНБ Ghidra изменил эту ситуацию, позволив студентам и людям, для кого анализ киберугроз является хобби, принять участие в исследовании ландшафта вредоносных программ.

За эти шесть месяцев Ghidra скачали с GitHub более 500 тыс. раз.

«Мы даже поспорили внутри команды, сколько загрузок будет у нашего инструмента. В результате оказалось, что наши предположения были далеки от истины», — комментирует успех инструмента Брайан Найтон, исследователь АНБ.

Специалистов АНБ также приятно удивило активное участие разработчиков в модификации инструмента и внедрении новых возможностей в Ghidra.

Напомним, что в марте исследователи в области безопасности предупреждали, что недавно опубликованный АНБ инструмент для обратного инжиниринга, получивший название Ghidra, содержит уязвимость, которая позволяет удаленно выполнить код.

Cloud.ru представила фильтр, скрывающий конфиденциальные данные от ИИ

На конференции GoCloud 2026 компания Cloud.ru анонсировала Guardrails Filter — инструмент для более безопасной работы с генеративным ИИ. Его задача довольно понятная: не дать конфиденциальным данным случайно утечь в большую языковую модель.

Схема работы выглядит так: сервис проверяет текст запроса, ищет в нём конфиденциальные данные — например, персональные сведения, банковские реквизиты, API-ключи и другие секреты, — затем маскирует их и только после этого отправляет обезличенный запрос в модель. Когда модель возвращает ответ, система подставляет реальные значения обратно.

Иначе говоря, пользователь получает нормальный результат, но сами чувствительные данные не уходят за пределы корпоративного контура в исходном виде.

Сейчас инструмент рассчитан на работу с моделями из сервиса Cloud.ru Foundation Models. В этой платформе доступно более 20 моделей разных типов, включая text-to-text, audio-to-text и image-text-to-text. При этом Cloud.ru отдельно уточняет, что механизм фильтрации будет доступен и в формате on-premise, то есть для установки на стороне самого заказчика.

Появление такого инструмента хорошо вписывается в общий тренд: компании всё активнее используют генеративный ИИ, но тема утечек данных остаётся одной из главных причин, почему внедрение идёт не так быстро, как хотелось бы. Особенно это чувствительно для отраслей, где много персональной и служебной информации, — например, для здравоохранения, ретейла и госсектора.

Кроме того, Cloud.ru сообщила, что добавила в Foundation Models LLM-модель российской компании HiveTrace с Guardrails-механизмом. По заявлению компании, такая модель должна лучше справляться с рисками вроде промпт-инъекций, утечки системных инструкций и некорректной обработки выходных данных.

RSS: Новости на портале Anti-Malware.ru