33% микробизнеса в России пострадали от киберугроз на удалёнке

33% микробизнеса в России пострадали от киберугроз на удалёнке

33% микробизнеса в России пострадали от киберугроз на удалёнке

В период пандемии немало крупных организаций столкнулось с киберрисками, связанными с вынужденной удалённой работой. Оказалось, что владельцев микробизнеса и стартапов в России тоже не обошли стороной различные виды киберугроз, набравшие обороты из-за непростой эпидемиологической ситуации.

По подсчётам антивирусной компании ESET, 33% предпринимателей, владеющих микробизнесом, столкнулись с вредоносными программами и мошенническими схемами.

Самой популярной угрозой опрошенные предприниматели назвали спам — с ним столкнулись 36% респондентов. За спамом идут банковские трояны (21%), далее — фишинговые атаки (13%) и программы-шифровальщики (12%).

Также команда ESET представила статистику наиболее распространённых проблем ИТ-инфраструктур, благодаря которым вышеописанные угрозы представляли реальную опасность для российского микробизнеса.

Наиважнейшей проблемой стала устаревшая техника (упомянули 67% опрошенных), следующим пунктом идёт отсутствие актуальных обновлений операционных систем и софта (31%).

Помимо этого, предпринимателей в России преследует нехватка бюджета на развитие ИТ-инфраструктуры (37%), толкающая их на использование нелицензионных программ вместо дорогих платных аналогов.

Более того, у 33% опрошенных владельцев микробизнеса нет даже толкового ИТ-специалиста в штате.

Что касается защитных мер, 26% респондентов заявили, что используют антивирус, 40% — VPN-сервисы, двухфакторную аутентификацию (2FA) — 17%. 53% признались, что вообще не используют инструментов защиты.

71% отметили, что считают уровень защищённости своего бизнеса низким, 14% — средним, 15% — высоким.

Cloud.ru представила фильтр, скрывающий конфиденциальные данные от ИИ

На конференции GoCloud 2026 компания Cloud.ru анонсировала Guardrails Filter — инструмент для более безопасной работы с генеративным ИИ. Его задача довольно понятная: не дать конфиденциальным данным случайно утечь в большую языковую модель.

Схема работы выглядит так: сервис проверяет текст запроса, ищет в нём конфиденциальные данные — например, персональные сведения, банковские реквизиты, API-ключи и другие секреты, — затем маскирует их и только после этого отправляет обезличенный запрос в модель. Когда модель возвращает ответ, система подставляет реальные значения обратно.

Иначе говоря, пользователь получает нормальный результат, но сами чувствительные данные не уходят за пределы корпоративного контура в исходном виде.

Сейчас инструмент рассчитан на работу с моделями из сервиса Cloud.ru Foundation Models. В этой платформе доступно более 20 моделей разных типов, включая text-to-text, audio-to-text и image-text-to-text. При этом Cloud.ru отдельно уточняет, что механизм фильтрации будет доступен и в формате on-premise, то есть для установки на стороне самого заказчика.

Появление такого инструмента хорошо вписывается в общий тренд: компании всё активнее используют генеративный ИИ, но тема утечек данных остаётся одной из главных причин, почему внедрение идёт не так быстро, как хотелось бы. Особенно это чувствительно для отраслей, где много персональной и служебной информации, — например, для здравоохранения, ретейла и госсектора.

Кроме того, Cloud.ru сообщила, что добавила в Foundation Models LLM-модель российской компании HiveTrace с Guardrails-механизмом. По заявлению компании, такая модель должна лучше справляться с рисками вроде промпт-инъекций, утечки системных инструкций и некорректной обработки выходных данных.

RSS: Новости на портале Anti-Malware.ru