За 2019 год в мире утекли 13,7 млрд записей персональных данных

За 2019 год в мире утекли 13,7 млрд записей персональных данных

За 2019 год в мире утекли 13,7 млрд записей персональных данных

Аналитики компании InfoWatch исследовали структуру утечек персональных данных в России и в мире. Помимо общего числа скомпрометированных за прошлый год данных, специалисты рассказали о доле умышленных и неумышленных утечек.

Как выяснили в InfoWatch, общее количество скомпрометированных записей персональных данных за 2019 год превысило 13,7 млрд. Это и имена с фамилиями, и адреса электронной почты, и контактные телефоны, и номера социального страхования, и места проживания.

Доля как умышленных, так и неумышленных утечек как основного вида конфиденциальной информации в мире составила 74,8%. В России — 85,2%.

Удивительно, что число скомпрометированных записей превысило мировое население почти в два раза. Эксперты подчёркивают, что такие показатели могу говорить о том, что многие люди неоднократно становились жертвами взлома и утечки важных данных.

Сравнив эти показатели с 2018 годом, аналитики InfoWatch пришли к выводу, что число инцидентов с компрометацией личной информации выросло на 22,5% в мире и на 56% в России. Доля умышленных утечек составила в мире — 60,2%, в России — 48,6%.

Самым значимым каналом утечки стала Сеть, через которую происходит более 60% подобных инцидентов в России, а в мире — почти 70%.

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