Google открыл исходный код сканера уязвимостей для корпораций-гигантов

Google открыл исходный код сканера уязвимостей для корпораций-гигантов

Google открыл исходный код сканера уязвимостей для корпораций-гигантов

Google открыл исходный код сканера уязвимостей, который отлично подойдёт для проверки безопасности масштабной корпоративной сети с тысячами или даже миллионами подключённых к Сети устройств.

Сканер получил яркое имя «Tsunami», ранее Google использовал его для внутренних целей. Теперь же интернет-гигант опубликовал на GitHub исходный код разработки.

Несмотря на прямую связь с корпорацией, Tsunami не будет считаться принадлежащим Google брендом. Сообщество разработчиков будет работать над сканером и совершенствовать его, поэтому его можно будет назвать общим детищем.

Tsunami отличается от сотен других сканеров (как коммерческих, так и бесплатных) подходом к его разработке — Google учитывал потребности гигантских корпораций вроде себя.

Поэтому сканер подойдёт для организаций, управляющих сетями, в которых установлены сотни тысяч серверов, рабочих станций, сетевого оборудования и подключённых к интернету IoT-устройств. 

По словам Google, использующие Tsunami корпорации смогут рассчитывать, что сканер справится с проверкой всех типов устройств — не придётся запускать отдельно несколько средств для поиска уязвимостей.

В планах также свести к минимуму ложные срабатывания и исключить отправку некорректных патчей сотням тысяч девайсов.

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