Утечки подорожали: компании платят инфраструктурой, штрафами и репутацией

Утечки подорожали: компании платят инфраструктурой, штрафами и репутацией

Утечки подорожали: компании платят инфраструктурой, штрафами и репутацией

Потеря данных обходится в среднем в 100 млн рублей. Это на 20% больше, чем год назад. И суммы будут расти. Чаще всего персонал сам сливает информацию за периметр. Бизнесу приходится латать дыры, платить штрафы и оправдываться перед клиентами.

“РТК-Солар” опубликовала отчет по кибермошенничеству сотрудников компаний. Статистику сегодня приводит “Ъ”. Эксперты опросили 120 организаций в 11 отраслях. Весной от недобросовестного персонала пострадали 90% респондентов. Материальный ущерб в апреле-мае превысил 100 млн руб. на компанию.

Больше всего по карману бизнеса бьёт собственный сотрудник, сливающий базу в сеть или продающий её конкурентам. На “чек” также влияют затраты по ликвидации последствий и потеря репутации.

“Среди инцидентов, от которых в первую очередь пострадали организации — кража информации сотрудниками, например, с целью продажи, хищение средств, увод клиентской базы, — говорит старший бизнес-аналитик центра продуктов Dozor “РТК-Солар” Елена Черникова. По 14% набирают кражи и махинации при закупках.

Эксперты предупреждают: уже к концу года утечка будет обходиться компании в несколько сотен миллионов рублей.

Материальный ущерб складывается из регуляторных штрафов и возможных издержек на реагирование, расследование и устранение ее причин, уточняет эксперт по кибербезопасности “Лаборатории Касперского” Сергей Щербель. Но гораздо более существенными оказываются репутационные риски.

“Подобные инциденты могут привести к оттоку клиентов, снижению доверия к компании и ее сервисам”, — предупреждает Щербель.

Объем ущерба от инцидентов будет только расти, как и серьезность их последствий, считают в “Информзащите”, в первую очередь на это повлияют ужесточение законодательства и рост объема штрафных санкций. Суммы издержек бизнеса уже в этом году могут подняться до 500–700 млн руб. и в перспективе двух лет удвоиться, прогнозирует управляющий партнер юридической компании Enterprise Legal Solutions Юрий Федюкин.

“Учитывая, что информация является наиболее ценным активом, ее защита также требует роста затрат”, — говорит он.

После 24 февраля от утечек страдают “большие” и “маленькие”. Сливают всё, от базы служб доставки и карт лояльности обувного магазина до ПДн крупного бизнеса. Сам “Ростелеком” признал майскую утечку. Тогда в сеть выложили файл с фамилиями, должностями, адресами корпоративной почты, логинами и номерами телефонов. Компания обвинила в утечке уволившегося сотрудника.

Потребление китайских LLM в России выросло более чем в 11 раз

Российские компании резко нарастили использование китайских больших языковых моделей. По данным MWS Cloud, за первое полугодие 2026 года бизнес израсходовал более 400 млрд токенов — в 11,3 раза больше, чем за весь 2025-й, когда показатель составлял 39,1 млрд.

Безоговорочным лидером осталось семейство Qwen. В 2025 году на него приходилось 20 млрд токенов и 51,1% потребления, а за первые шесть месяцев 2026-го — уже 261,1 млрд и 59,1%.

Второе место сохранила GLM: 91,2 млрд токенов и 20,7%. А вот DeepSeek, занимавшая годом ранее третью строчку, уступила её Kimi. Модели этого семейства набрали 81,4 млрд токенов и 18,4%. Китайская нейросетевая гонка идёт настолько бодро, что вчерашний фаворит сегодня уже ищет себя за пределами пьедестала.

Статистика основана на данных платформ MWS GPT Model Hub и MWS GPT. Их основными клиентами выступают крупные компании. Бизнес использует LLM для работы чат-ботов, персонализации рекламы, подготовки рассылок и описаний товаров, а также анализа отзывов и обращений клиентов. В общем, нейросетям поручают всё, что нужно делать круглосуточно, быстро и желательно без жалоб на понедельник.

По оценке MWS Cloud, весь российский рынок LLM в 2026 году вырастет на 35%, до 19,6 млрд рублей. Облачный сегмент, включающий доступ к моделям по SaaS и API, приблизится к 1,5 млрд рублей.

На фоне спроса MWS Cloud расширила каталог Model Hub почти вдвое — до 17 моделей. В него вошли GLM 5.2, Kimi K2.6, Qwen3.6, Gemma 4, GPT OSS, а также средства распознавания и синтеза речи и реранкеры для поисковых систем и RAG-конвейеров. Доступ предоставляется через единый OpenAI-совместимый API.

Судя по объёму токенов, российский бизнес уже не экспериментирует с китайскими LLM. Он кормит ими рабочие процессы — и аппетит растёт быстрее, чем успевает обновляться каталог моделей.

RSS: Новости на портале Anti-Malware.ru