Меры киберзащиты умных домов принимают 37% владельцев, в том числе в России

Меры киберзащиты умных домов принимают 37% владельцев, в том числе в России

Меры киберзащиты умных домов принимают 37% владельцев, в том числе в России

По данным «Лаборатории Касперского», больше половины владельцев домашних смарт-устройств (54%) чувствуют личную ответственность за кибербезопасность таких гаджетов. Меры защиты умного дома принимают более трети пользователей (37%).

Таковы результаты анкетирования, проведенного Arlington Research по заказу Kaspersky в прошлом году. В опросе приняли участие 21 645 владельцев IoT-девайсов из 21 страны, в том числе 1000 россиян.

Как оказалось, почти половину респондентов (47%) тревожит уровень безопасности небольших домашних видеокамер — таких как видеоняни. Почти столько же опрошенных (43%) опасаются, что их системы безопасности недостаточно хорошо защищены; 42% заботит защищенность умных дверей, замков и звонков.

Около трети участников опроса отметили, что их беспокоит безопасность систем полива, для 27% предметом заботы в этом плане являются системы нагрева, охлаждения и климат-контроля. Вопросы защищенности крупной бытовой смарт-техники (холодильников, стиральных машин) волнуют 22% респондентов, систем умного освещения — 18%.

«Рынок систем умного дома растёт кратными темпами, — комментирует Марина Титова, руководитель департамента продуктового маркетинга для потребительского бизнеса Kaspersky. — Мы также наблюдаем, что владельцы смарт-устройств всё больше задумываются об их защите от информационных угроз и риска утечки приватных данных. В результате и производители умных гаджетов, и поставщики интернет-услуг тоже своевременно реагируют на спрос потребителей и добавляют соответствующие защитные функции в свои решения и услуги».

Советы экспертов владельцам умных устройств:

  • перед покупкой изучите информацию об устройстве и разработчике: доверять лучше проверенным крупным игрокам рынка;
  • после покупки поменяйте пароли, установленные по умолчанию;
  • изучите пользовательское соглашение — в нём прописано, какие данные устройство может собирать, как компания их обрабатывает и хранит;
  • многие умные устройства управляются с мобильных устройств, поэтому необходимо обеспечить и их безопасность, в том числе с помощью защитного решения.
AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

Google представил VaultGemma — LLM с дифференциальной приватностью

В семействе больших языковых моделей (БЯМ, LLM) с открытым кодом, разработанных в Google, прибавление. Новинка VaultGemma не запоминает конфиденциальные данные при обучении, что предотвращает их слив пользователям.

ИИ-модель, построенная на базе Gemma 2 и работающая по 1 млрд параметров, прошла предварительный тренинг с применением метода дифференциальной приватности (differential privacy) — он добавляет в процесс обучения эталонный шум для ограничения возможности запоминания.

К сожалению, такой подход снижает не только риск утечки конфиденциальных данных, но также точность и быстродействие LLM. Чтобы найти оптимальный баланс между приватностью, практичностью и затратами на вычисления, в Google провели специальное исследование.

Бенчмаркинг показал, что по производительности VaultGemma сравнима с моделями той же величины, но без гарантий конфиденциальности.

 

Подробная информация о новом opensource-проекте, способном ускорить создание приватных и безопасных ИИ-систем для медучреждений, финансовых институтов и госсектора, выложена на Hugging Face и Kaggle.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru