14% Android-приложений содержат противоречивые политики сбора данных

14% Android-приложений содержат противоречивые политики сбора данных

14% Android-приложений содержат противоречивые политики сбора данных

Множество приложений для Android, размещённых в официальном магазине Google Play Store, содержат противоречивые политики относительно сбора данных пользователей. Чтобы собрать такую статистику, исследователи создали инструмент под названием PolicyLint.

С помощью PolicyLint специалисты проанализировали (PDF) 11 430 приложений, размещённых в Play Store. В результате удалось выявить 14,2% (1 618) приложений, предлагающих политики с противоречащими друг другу пунктами. При этом все сомнительные моменты касаются сбора пользовательских данных.

Например, в одном месте разработчики приложений утверждают, что их софт не собирает персональные данные, а в другой части есть информация о том, что адреса электронной почты и имена пользователей собираются и передаются авторам приложений.

По словам исследователей, причиной таких противоречивых политик могут выступать онлайн-сервисы, позволяющие автоматически генерировать подобные документы. 59 проанализированных Android-приложений использовали эти шаблоны, они и создали противоречия.

«Мне кажется, мы нашли где-то 4-5 похожих шаблонов», — сообщил Бенджамин Эндоу из IBM Research.

Подпишитесь на новости

Не просто стойка с GPU: в России собрали ПАК для корпоративного ИИ

«Лаборатория Числитель» и «Информзащита» представили программно-аппаратный комплекс, который должен помочь крупным компаниям перейти от вечных ИИ-пилотов к нормальной промышленной эксплуатации моделей. Решение анонсировали на форуме TNF-2026.

В основе ПАК — высокопроизводительный ML-кластер и российская платформа контейнеризации «Штурвал». Но создатели подчёркивают: это не очередная дорогая стойка с GPU, на которой каждый проект приходится собирать руками.

Комплекс превращает вычислительные мощности в единый управляемый ресурс. ML-специалист запускает задачу, а платформа сама выделяет CPU и GPU, поднимает нужное окружение, подключает хранилище, запускает обучение и масштабирует нагрузку. Для автоматизации используются Kubernetes и инструменты MLOps, включая Kubeflow, MLflow и model serving.

Архитектура состоит из четырёх уровней: аппаратной инфраструктуры, платформы «Штурвал», MLOps-стека и прикладных ИИ-сервисов — от прогнозирования и аналитики до корпоративных ассистентов. Вокруг ядра работают IAM/SSO, объектное хранилище, реестр образов, CI/CD, мониторинг и аудит.

Заказчики получают единый пул вычислительных ресурсов, изоляцию проектов, централизованное управление доступами и полный жизненный цикл моделей — от эксперимента до публикации и обновления. При этом ML-инструменты не лезут напрямую в железо, а получают инфраструктуру как сервис.

Как сообщается в публикации о проекте, архитектура уже прошла промышленную эксплуатацию у крупного государственного заказчика.

RSS: Новости на портале Anti-Malware.ru