UserGate представила аппаратный ускоритель Катунь

UserGate представила аппаратный ускоритель Катунь

UserGate представила аппаратный ускоритель Катунь

В рамках развития собственных аппаратных платформ UserGate представила первый продукт — ускоритель, получивший имя «Катунь». Таким образом компания анонсировала новое направление разработки.

На «Катунь» будет возложено выполнение наиболее ресурсозатратных операций: анализ интернет-трафика, пресечение вторжения и других функций, связанных с обеспечением безопасности.

В этом ключе разработчики не зря выбрали имя Катунь — горная Алтайская река символизирует высокую скорость анализа трафика.

За счёт обработки самых «тяжелых» задач «Катунь» помогает разгрузить основную систему. Стоит отметить, что программно-аппаратные комплексы UserGate обрабатывают трафик посредством стандартных CPU.

Основное назначение ускорителей — перенести на себя наиболее ресурсоемкие части алгоритма, чтобы они не ложились полностью на плечи центрального процессора.

Использование аппаратных ускорителей дает массу очевидных преимуществ, среди которых:

  • Масштабируемость — суммарная мощность системы определяется количеством установленных однородных плат — такое решение значительно выгоднее чем набор разнородных платформ;
  • Нет требований к предельно высокой производительности CPU, т. к. основная «тяжелая» работа будет перенесена на ускорители;
  • Лучшие (по сравнению с платформами на закрытой архитектуре) гарантии безопасности;
  • Полный контроль (в отличие от «классической» системы) над латентностью;
  • Низкое энергопотребление и тепловыделение, что особенно важно для центров обработки данных;
  • Уменьшение габаритов;
  • Понижение стоимости оборудования, способного обеспечивать обработку трафика на высоких скоростях.

Разрабатывая собственные аппаратные платформы, UserGate может позволить себе производить более безопасные и экономичные решения, которые будут соответствовать всем современным требованиям. Помимо этого, аппаратный ускоритель поспособствует реализации технологии искусственного интеллекта и машинного обучения в решениях компании.

Лучшие LLM ошибаются с ядовитыми грибами в каждом девятом случае

Разработчик Пётр Мигдал проверил, можно ли доверить нейросети самый рискованный этап тихой охоты — определение грибов по фотографии. Короткий ответ: если очень хочется однажды поужинать дважды, то можно. В бенчмарк вошли 1040 фотографий 55 видов грибов, наиболее распространённых в Польше.

Изображения взяли из датасета FungiTastic, созданного на основе Atlas of Danish Fungi. Полная база содержит свыше 600 тыс. снимков с экспертной классификацией, а для части образцов вид подтверждён анализом ДНК.

Модели показывали каждую фотографию и просили назвать пять наиболее вероятных видов на латыни. Дополнительно их не обучали и специальные инструменты не подключали.


Лучше остальных справилась Gemini 3.8 Flash: правильный вид оказался на первом месте в 65% случаев и попал в пятёрку ответов в 85%. Немного отстали Gemini 3.6 Flash с результатами 64% и 85%, а также Gemini 3.7 Flash — 61% и 82%. Внизу таблицы расположились Qwen 3.8 27B, MiniMax-M3 и Qwen 3.8 Flash.


Но высокая точность закончилась там, где начался вопрос безопасности. Gemini 3.8 Flash и Gemini 3.6 Flash примерно в 11% случаев определяли ядовитые грибы как съедобные виды. У GPT-5.6 Sol доля опасных ошибок достигла 24%, у Claude Opus 5 — 29%, а у Qwen 3.8 27B — 36%. То есть последняя модель потенциально отправляла в корзину не тот гриб чаще чем в каждом третьем случае.

Есть важная оговорка: нейросети напрямую не спрашивали, можно ли есть находку. Они определяли вид, а затем исследователь сопоставлял ответы с таблицей съедобности. Некоторые модели и вовсе отказывались давать классификацию.

RSS: Новости на портале Anti-Malware.ru