IBM опубликовал FHE-инструменты для обработки зашифрованных данных

IBM опубликовал FHE-инструменты для обработки зашифрованных данных

IBM опубликовал FHE-инструменты для обработки зашифрованных данных

Американский техногигант IBM опубликовал набор инструментов, реализующий полностью гомоморфное шифрование (FHE), что в перспективе позволит исследователям в области кибербезопасности обрабатывать зашифрованные данные без необходимости получать доступ к их исходному виду.

На сегодняшний день набор инструментов от IBM доступен для систем macOS и iOS. Известно, что корпорация также планирует выпустить его для Android и Linux. Найти разработку можно на GitHub (macOS-версия и iOS-версия).

Напомним, что ИТ-гигант представил FHE ещё в 2009 году, однако использовать это шифрование на практике стали лишь недавно (благодаря прогрессу, которого удалось достичь в алгоритмах).

«За последние годы благодаря работе с алгоритмами удалось достичь практического применения FHE. Это серьёзный прорыв по части безопасности и конфиденциальности данных», — пишет IBM.

Специалисты уверены, что полностью гомоморфное шифрование особенно пригодится в финансовой отрасли и сфере здравоохранения. С помощью FHE можно передавать данные, не опасаясь их раскрытия при обработке.

Также IBM описывает и другой кейс применения FHE: разработчики систем машинного обучения могут обкатывать свои модели на зашифрованных данных, при этом у них не будет доступа к этой информации в её исходном виде.

97% компаний в России внедряют ИИ, но 54% не видят его ценности

UserGate изучила, как российские компании внедряют инструменты на базе ИИ и что мешает делать это быстрее. Опрос прошёл в январе 2026 года, в нём участвовали 335 топ-менеджеров компаний с выручкой от 100 млн рублей в год. Картина получилась довольно показательная: 97% компаний уже используют ИИ, тестируют его в пилотах или собираются внедрять в ближайшее время.

То есть искусственный интеллект из разряда «модного тренда» окончательно перешёл в категорию рабочих инструментов.

Чаще всего ИИ применяют для вполне прикладных задач. На первом месте — генерация отчётов и аналитики (42%). Далее идут оптимизация сетевой инфраструктуры (38%), анализ больших массивов логов (37%), ускорение расследований инцидентов (35%) и повышение эффективности Help Desk (32%).

Иными словами, бизнес в первую очередь использует ИИ там, где он помогает сэкономить время и ресурсы или усилить функции безопасности.

Интересно, что приоритеты зависят от масштаба компании. В корпоративном сегменте более 60% респондентов указали анализ больших логов как ключевое направление — что логично при объёмах данных в крупных ИТ-ландшафтах. В среднем бизнесе на первый план выходит оптимизация сетевой инфраструктуры (45%).

При этом 7% компаний пока вообще не рассматривают внедрение ИИ. Главные причины — неясная ценность технологии (54%) и неопределённость рисков (38%). Также среди барьеров называют отсутствие чёткого распределения ответственности (29%), ограниченные бюджеты (29%) и нехватку экспертизы (17%). По сути, речь идёт не столько о скепсисе, сколько о нехватке понимания, как именно внедрять ИИ и как управлять связанными с ним рисками.

Отдельно респондентов спросили, какие технологии окажут наибольшее влияние на кибербезопасность в ближайшие 12 месяцев. Лидером стали ИИ и машинное обучение — их назвали около половины представителей коммерческого и государственного сегментов. Даже те компании, которые пока осторожничают с практическим внедрением, всё равно рассматривают машинное обучение как ключевой фактор трансформации ИБ в среднесрочной перспективе.

Как отмечает руководитель отдела стратегической аналитики UserGate Юлия Косова, бизнес уже активно использует ИИ в операционных и защитных сценариях, но ожидания рынка зачастую опережают текущую практику. Дальнейший эффект, по её словам, будет зависеть от зрелости процессов, качества данных и способности управлять рисками.

RSS: Новости на портале Anti-Malware.ru