В даркнете хвастаются кражей данных 240 тыс. юзеров MebHome

В даркнете хвастаются кражей данных 240 тыс. юзеров MebHome

В даркнете хвастаются кражей данных 240 тыс. юзеров MebHome

В сетевом андеграунде выложили дамп, позиционируемый как клиентская база интернет-магазина MebHome.ru. Согласно объявлениям, файл SQL содержит записи с данными более 240 тыс. зарегистрированных пользователей.

Специалисты DLBI (телеграм-канал «Утечки информации») изучили представленную в нем информацию и насчитали 154 тыс. уникальных имейл и 206 тыс. уникальных номеров телефона.

Помимо этого в записи включены Ф.И.О., адреса для доставки мебели, даты оформления и содержимое заказов.

Актуальность базы — 27.09.2024.

 

За последние годы утечки баз персональных данных в России стали массовым явлением, и объемы скомпрометированных ПДн растут. Поскольку такими сливами охотно пользуются злоумышленники, Национальный координационный центр по компьютерным инцидентам (НКЦКИ) запустил онлайн-сервис проверки утечки личных данных, аналогичный Have I Been Pwned.

Чтобы заставить бизнесменов активнее принимать меры профилактики, было предложено ужесточить наказания за утечки — ввести оборотные штрафы. Однако срок вступления в силу соответствующего закона до сих пор не определен, так как далеко не все операторы ПДн располагают ресурсами для усиления защиты от утечек. Внутренний ИБ-рынок в целом тоже не готов к резкому росту спроса.

Подпишитесь на новости

Не просто стойка с GPU: в России собрали ПАК для корпоративного ИИ

«Лаборатория Числитель» и «Информзащита» представили программно-аппаратный комплекс, который должен помочь крупным компаниям перейти от вечных ИИ-пилотов к нормальной промышленной эксплуатации моделей. Решение анонсировали на форуме TNF-2026.

В основе ПАК — высокопроизводительный ML-кластер и российская платформа контейнеризации «Штурвал». Но создатели подчёркивают: это не очередная дорогая стойка с GPU, на которой каждый проект приходится собирать руками.

Комплекс превращает вычислительные мощности в единый управляемый ресурс. ML-специалист запускает задачу, а платформа сама выделяет CPU и GPU, поднимает нужное окружение, подключает хранилище, запускает обучение и масштабирует нагрузку. Для автоматизации используются Kubernetes и инструменты MLOps, включая Kubeflow, MLflow и model serving.

Архитектура состоит из четырёх уровней: аппаратной инфраструктуры, платформы «Штурвал», MLOps-стека и прикладных ИИ-сервисов — от прогнозирования и аналитики до корпоративных ассистентов. Вокруг ядра работают IAM/SSO, объектное хранилище, реестр образов, CI/CD, мониторинг и аудит.

Заказчики получают единый пул вычислительных ресурсов, изоляцию проектов, централизованное управление доступами и полный жизненный цикл моделей — от эксперимента до публикации и обновления. При этом ML-инструменты не лезут напрямую в железо, а получают инфраструктуру как сервис.

Как сообщается в публикации о проекте, архитектура уже прошла промышленную эксплуатацию у крупного государственного заказчика.

RSS: Новости на портале Anti-Malware.ru