Россиян предупредили об опасности метаданных в фото- и видеофайлах

Россиян предупредили об опасности метаданных в фото- и видеофайлах

Россиян предупредили об опасности метаданных в фото- и видеофайлах

Специалисты Digital Security предупредили об угрозе конфиденциальности при пересылке файлов чрез почтовые сервисы Gmail, «Яндекс.Почта», Mail.ru и облачные хранилища Google Drive и Mega.nz. Проблема в том, что эти площадки полностью сохраняют метаданные фото- и видеоматериалов, а мошенники могут использовать их в своих целях.

Чем больше переданных метаданных, тем больше можно сказать о владельце файлов (охарактеризовать его), считает считает Дмитрий Реуцкий, врио директора Департамента информационной безопасности Министерства цифрового развития.

Если эта информация попадёт в руки злоумышленников, они смогут использовать её в ходе атак с применением социальной инженерии, а также для совершения мошеннических звонков и рассылок спама.

С помощью метаданных, которые передают информацию о мобильном устройстве пользователя, дату сделанной фотографии и координаты, третьи лица могут вычислить, какие страны или города посещала цель.

Эксперты напомнили, что за последнее время россиян стали чаще атаковать мошенники, предпочитающее использовать социальную инженерию. Именно поэтому стоит очень внимательно относиться ко всему, что передаётся через онлайн-сервисы.

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