TLS 1.3 с ГОСТ: стандартизация и идентификаторы IANA

TLS 1.3 с ГОСТ: стандартизация и идентификаторы IANA

TLS 1.3 с ГОСТ: стандартизация и идентификаторы IANA

В России утверждены Рекомендации по стандартизации Р 1323565.1.030-2018 «Информационная технология. Криптографическая защита информации. Использование российских криптографических алгоритмов в протоколе безопасности транспортного уровня (TLS 1.3)».

Об этом говорит приказ №84-ст (PDF) от 27.02.2020 Федерального агентства по техническому регулированию и метрологии (Росстандарта). Дата введения в действие — 1 июня 2020 года.

Чуть ранее организация IANA (Internet Assigned Numbers Authority), отвечающая за управление идентификаторами и параметрами протоколов Сети, одобрила внесение российских криптонаборов TLS 1.3 в реестр идентификаторов (https://www.iana.org/assignments/tls-parameters/tls-parameters.xhtml).

IANA приняла такое решение по результатам специальной экспертизы, в которой участвовали избранные эксперты организации.

Документ устанавливает нормы использования алгоритмов блочного шифрования «Кузнечик» и «Магма» в TLS 1.3, которая на сегодняшний день является наиболее современной версии основного протокола защиты данных в Сети.

Работы по стандартизации велись в техническом комитете ТК 26 (https://tc26.ru) в течение трех лет под руководством специалистов КриптоПро.

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