В РФ создан сервис, позволяющий выявить криптотранзакции преступников

В РФ создан сервис, позволяющий выявить криптотранзакции преступников

В РФ создан сервис, позволяющий выявить криптотранзакции преступников

Росфинмониторинг совместно с правоохранительными органами и Академией наук разработал цифровой сервис для отслеживания криптовалютных транзакций. Целью нового проекта является выявление движения средств, инициированного преступниками.

На рабочей встрече с Президентом России директор Федеральной службы Юрий Чиханчин пояснил, что работы по созданию нового сервиса были запущены в рамках борьбы с незаконным оборотом наркотиков. Наркодельцы предпочитают для взаиморасчетов использовать электронные системы платежей и криптовалюту, и обнаружить их транзакции в общем потоке очень трудно.

Созданный в рамках проекта механизм «Прозрачный блокчейн», со слов Чиханчина, позволяет увидеть все операции с криптовалютой. В настоящее время отрабатываются признаки и критерии, на основании которых можно будет с уверенностью установить бенефициара.

«Очень плотно работаем, нам оказывают содействие коллеги за рубежом, — подчеркнул глава ведомства. — Это Финляндия (финансовая разведка), Люксембург, Лихтенштейн, Белоруссия, Мальта и другие. Данный проект находится на контроле у правительства, Минцифры нам помогает, чтобы в этом году его завершили».

В ходе встречи Чиханчин также отметил успехи в борьбе с масштабным мошенничеством. Так, Росфинмониторинг вместе с Банком России, Генпрокуратурой, МВД и ФСБ пресекли деятельность иностранной компании Antares Limited, которая предлагала вложить деньги в криптовалюту. Эта структура, по сути, функционировала как финансовая пирамида: не имея собственных активов, она старательно привлекала инвестиции и изредка производила выплаты за счет этих средств.

Мошенники активно продвигали услуги Antares в соцсетях, открыли «консультационные центры» в Сибири и на Дальнем Востоке, а также привлекли к работе бывших менеджеров «Кэшбери» — другой финансовой пирамиды, выявленной Центробанком два года назад.

Усилиями российских спецслужб и их коллег из девяти зарубежных стран интернет-ресурс Antares был закрыт. Также в декабре суд в Чите заблокировал группу «ВКонтакте», связанную с деятельностью этой компании. В настоящее время участники совместной операции выявляют бенефициаров и пытаются оценить ущерб.

В европейской части России, по словам Чиханчина, мошенничество с целью вывода денег за рубеж имеет несколько иную форму — тут действуют так называемые псевдоброкеры, продающие финансовые услуги. На настоящий момент выявлено около 350 зарубежных сайтов, занимающихся таким посредничеством. Доступ к ним Роскомнадзор уже заблокировал.

Лучшие LLM ошибаются с ядовитыми грибами в каждом девятом случае

Разработчик Пётр Мигдал проверил, можно ли доверить нейросети самый рискованный этап тихой охоты — определение грибов по фотографии. Короткий ответ: если очень хочется однажды поужинать дважды, то можно. В бенчмарк вошли 1040 фотографий 55 видов грибов, наиболее распространённых в Польше.

Изображения взяли из датасета FungiTastic, созданного на основе Atlas of Danish Fungi. Полная база содержит свыше 600 тыс. снимков с экспертной классификацией, а для части образцов вид подтверждён анализом ДНК.

Модели показывали каждую фотографию и просили назвать пять наиболее вероятных видов на латыни. Дополнительно их не обучали и специальные инструменты не подключали.


Лучше остальных справилась Gemini 3.8 Flash: правильный вид оказался на первом месте в 65% случаев и попал в пятёрку ответов в 85%. Немного отстали Gemini 3.6 Flash с результатами 64% и 85%, а также Gemini 3.7 Flash — 61% и 82%. Внизу таблицы расположились Qwen 3.8 27B, MiniMax-M3 и Qwen 3.8 Flash.


Но высокая точность закончилась там, где начался вопрос безопасности. Gemini 3.8 Flash и Gemini 3.6 Flash примерно в 11% случаев определяли ядовитые грибы как съедобные виды. У GPT-5.6 Sol доля опасных ошибок достигла 24%, у Claude Opus 5 — 29%, а у Qwen 3.8 27B — 36%. То есть последняя модель потенциально отправляла в корзину не тот гриб чаще чем в каждом третьем случае.

Есть важная оговорка: нейросети напрямую не спрашивали, можно ли есть находку. Они определяли вид, а затем исследователь сопоставлял ответы с таблицей съедобности. Некоторые модели и вовсе отказывались давать классификацию.

RSS: Новости на портале Anti-Malware.ru