Общие ошибки новичков ИБ: недооценка апдейта, резервирования, слабые пароли

Общие ошибки новичков ИБ: недооценка апдейта, резервирования, слабые пароли

Общие ошибки новичков ИБ: недооценка апдейта, резервирования, слабые пароли

Половина участников опроса «Лаборатории Касперского»» на заре ИБ-карьеры совершали ошибки из-за нехватки знаний и навыков. Среди спецов с опытом работы от двух до пяти лет доля недовольных своей подготовкой еще больше — почти 60%.

Глобальный опрос, проведенный по заказу Kaspersky, был призван выявить отношение к профобразованию в ИБ-отрасли и его влияние на карьерный рост. В мероприятии приняли участие 1012 человек из разных стран, в том числе России.

Как оказалось, безопасники-новички склонны по незнанию совершать ошибки, от которых сами же потом будут предостерегать клиентов:

  • несвоевременное обновление наличного софта (43% респондентов);
  • ненадежные пароли (42%);
  • эпизодичность резервирования (40%).

Опрос также показал, что четверть респондентов разочаровалось в полученном образовании: оно оказалось непригодным для текущей работы. Примерно 12% отметили, что вузовская подготовка полезна в незначительной степени. Практический опыт работы над ИБ-проектами в пору студенчества приобрели 49% опрошенных.

«Многим молодым специалистам может не хватать знаний или опыта, что подчёркивает важность дополнительного обучения на этапе погружения в корпоративные процессы, — отметила Марина Алексеева, директор Kaspersky по работе с персоналом. — Компаниям следует уделять больше внимания повышению квалификации сотрудников».

Вопрос дефицита ИБ-кадров бизнес-структуры и госорганизации решают по-разному. Игроки рынка, со своей стороны, стараются внести свою лепту в повышение профессионального уровня специалистов — сотрудничают с вузами, организуют стажировки и конкурсы, создают площадки для тренингов.

Cloud.ru представила фильтр, скрывающий конфиденциальные данные от ИИ

На конференции GoCloud 2026 компания Cloud.ru анонсировала Guardrails Filter — инструмент для более безопасной работы с генеративным ИИ. Его задача довольно понятная: не дать конфиденциальным данным случайно утечь в большую языковую модель.

Схема работы выглядит так: сервис проверяет текст запроса, ищет в нём конфиденциальные данные — например, персональные сведения, банковские реквизиты, API-ключи и другие секреты, — затем маскирует их и только после этого отправляет обезличенный запрос в модель. Когда модель возвращает ответ, система подставляет реальные значения обратно.

Иначе говоря, пользователь получает нормальный результат, но сами чувствительные данные не уходят за пределы корпоративного контура в исходном виде.

Сейчас инструмент рассчитан на работу с моделями из сервиса Cloud.ru Foundation Models. В этой платформе доступно более 20 моделей разных типов, включая text-to-text, audio-to-text и image-text-to-text. При этом Cloud.ru отдельно уточняет, что механизм фильтрации будет доступен и в формате on-premise, то есть для установки на стороне самого заказчика.

Появление такого инструмента хорошо вписывается в общий тренд: компании всё активнее используют генеративный ИИ, но тема утечек данных остаётся одной из главных причин, почему внедрение идёт не так быстро, как хотелось бы. Особенно это чувствительно для отраслей, где много персональной и служебной информации, — например, для здравоохранения, ретейла и госсектора.

Кроме того, Cloud.ru сообщила, что добавила в Foundation Models LLM-модель российской компании HiveTrace с Guardrails-механизмом. По заявлению компании, такая модель должна лучше справляться с рисками вроде промпт-инъекций, утечки системных инструкций и некорректной обработки выходных данных.

RSS: Новости на портале Anti-Malware.ru