В Курганской области осужден хакер, атаковавший Минпромсвязи и РАН

В Курганской области осужден хакер, атаковавший Минпромсвязи и РАН

В Курганской области осужден хакер, атаковавший Минпромсвязи и РАН

За попытки взлома сайтов госструктур 40-летнего жителя Курганской области наказали ограничением свободы на срок 1,5 года. Мужчина проводил атаки с домашнего компьютера, стараясь преодолеть защиту с помощью неназванной вредоносной программы.

Под прицел хакера в числе прочих попали Министерство промышленности, связи, цифрового и научно-технического развития Омской области, госучреждение «Центр информационных технологий» Республики Дагестан, а также институты Российской Академии Наук в Новосибирской и Свердловской областях.

Расследованием в рамках уголовного дела занималось региональное УФСБ. На основании представленных улик Далматовский районный суд признал ответчика виновным в совершении преступления, предусмотренного ч. 1 ст. 273 УК РФ (использование вредоносных программ).

Стоит отметить, что приговор в данном случае оказался довольно мягким: жителя Зауралья могли отправить за решетку на срок до четырех лет и взыскать до 200 тыс. рублей штрафа. Видимо, усилия доморощенного взломщика искомого результата не дали.

Недавний опрос ESET показал, что в России каждый пятый не прочь стать хакером. Суди по всему, ныне осужденный тоже мечтал о подобной карьере, но что-то пошло не так…

Подпишитесь на новости

Модели OpenAI и Anthropic выбирали скорые и школу как военные цели

Компания Vals AI проверила ограничения ИИ-моделей на участие в выборе военных целей. В экспериментах системы отмечали гражданских, машины скорой помощи и сдающихся солдат. Представление задания как игры часто помогало преодолеть отказы.

Результаты экспериментов опубликованы в исследовании Vals AI. Специалисты испытали 14 моделей на изображениях с имитацией съёмки с дронов.

Отдельный сценарий включал реальные спутниковые снимки иранского Минаба, где школа расположена рядом с военным комплексом.


GPT-6 Astra выделяла хотя бы одну цель в 6% обычных запросов. После оговорки об игре показатель вырос до 92%. В других экспериментах большинство моделей продолжало обнаруживать людей даже после показа сгенерированных последствий ударов.


Модели не управляли реальными атаками и не принимали решений об ударах. Авторы также не оценивали точность наведения и эффективность систем в боевых условиях.


Vals AI рекомендует усилить ограничения на уровне API. Один из обозначенных рисков — массовая разметка видеозаписей для обучения автономных систем наведения.

RSS: Новости на портале Anti-Malware.ru