Внутренние документы объяснили, почему США публикует вредоносы России

Внутренние документы объяснили, почему США публикует вредоносы России

Внутренние документы объяснили, почему США публикует вредоносы России

Ранее засекреченные документы Кибернетического командования США теперь стали общедоступны. Они проливают свет на причины, по которым американские кибервоенные опубликовали семплы вредоносных программ, принадлежащих странам-оппонентам.

Напомним, что среди выложенных Киберкомандованием зловредов были инструменты для взлома, якобы разработанные Россией и Северной Кореей.

Все семплы были загружены в онлайн-сервис VirusTotal, где их могли изучить как исследователи в области кибербезопасности, так и интересующиеся киберпреступники.

Ставший общедоступным на днях документ объясняет, почему американские кибервоенные решили опубликовать хакерские инструменты других стран. Оказалось, что основная причина — усложнить правительственным хакерам сокрытие своих атак.

«Публикация вредоносных программ на VirusTotal и привлечение к этому внимания помогают сорвать планы кибероппонентов», — гласит часть документа Киберкомандования США.

Стоит отметить, что у Кибернетического командования есть специальный аккаунт в Twitter, который Запад использует для распространения новостей, касающихся опубликованных семплов.

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