В России дефицит систем для взлома смартфонов

В России дефицит систем для взлома смартфонов

В России дефицит систем для взлома смартфонов

Российские правоохранительные органы до сих пор не нашли качественных альтернатив зарубежному оборудованию, необходимому для получения доступа к смартфонам подозреваемых, что негативно влияет на качество и сроки проведения расследований.

Как сообщили источники РБК в правоохранительных структурах, в России возникла сложная ситуация в данной сфере после ухода с рынка ключевых производителей оборудования.

Швейцарская компания MSAB и американская Magnet прекратили деятельность в России в 2022 году, сразу после начала боевых действий на Украине. Израильская Cellebrite по неизвестным причинам покинула российский рынок ещё в 2021 году. В мае 2022 года аналогичное решение приняла компания BelkaSoft.

Руководитель департамента информационно-аналитических исследований компании T.Hunter Игорь Бедеров в качестве возможных альтернатив назвал решения компании «МКО-Системы» («Мобильный криминалист»), китайский продукт Forensic MagiCube и линейку решений компании Elcomsoft.

При этом дефицит необходимого оборудования приводит к тому, что часть данных, имеющих критическое значение для следствия (например, переписка или данные о геолокации), остаётся недоступной. В результате расследования затягиваются, а многие дела переходят в разряд «висяков», особенно если смартфон является единственным источником доказательств.

Руководитель консалтингового агентства BeholderIsHere Consulting Дмитрий Борощук отметил, что главная проблема доступных сегодня решений — отсутствие комплексных продуктов, способных удовлетворить специфические потребности криминалистов в полевых условиях.

Ситуацию осложняет ряд неблагоприятных факторов, отметил Игорь Бедеров. Среди них узость российского рынка, необходимость адаптации решений под отечественные мобильные системы и высокая зависимость отрасли от бюджетного финансирования, снижающая интерес частных инвесторов. Кроме того, подобные продукты требуют длительной сертификации и прохождения сложных приёмочных процедур.

По мнению основателя и генерального директора компании Elcomsoft Владимира Каталова, сложности расследований обусловлены не только отсутствием необходимых продуктов и финансирования, но и нехваткой квалифицированных специалистов, бюрократическими и организационными препятствиями при закупках, а также постоянным ужесточением защитных механизмов производителями цифровых устройств и программного обеспечения. Он отметил, что в мире существует всего два продукта, полностью соответствующих требованиям, однако ни один из них никогда не поставлялся в Россию.

Разработка новосибирских ученых снизит галлюцинации ИИ

В Новосибирском государственном университете разработали библиотеку, которая повышает точность и надёжность ответов нейросетей и помогает снизить количество «выдуманных» или заведомо недостоверных ответов — так называемых ИИ-галлюцинаций. Решение получило название RAGU (Retrieval-Augmented Graph Utility) и основано на использовании графов знаний, отражающих связи между различными элементами информации.

Такие графы помогают нейросетям лучше понимать контекст запросов и выявлять неочевидные зависимости. В рамках проекта они были интегрированы с большими языковыми моделями, что позволило повысить качество генерации ответов.

«Саму концепцию придумали не мы. Архитектура GraphRAG была предложена в статье Microsoft, опубликованной около года назад. Идея оказалась удачной, но мы увидели ряд недостатков — в частности, очень долгий процесс построения графа знаний и недетерминированный результат. Наш подход позволил ускорить работу и повысить её надёжность», — рассказал научный сотрудник лаборатории прикладных цифровых технологий Международного научно-образовательного математического центра НГУ Иван Бондаренко.

В отличие от оригинального подхода Microsoft, новосибирские исследователи применили многошаговый метод формирования графа знаний. Это позволило существенно ускорить процесс и снизить требования к вычислительным ресурсам. Если в исходной реализации использовалось порядка 32 млрд параметров, то в RAGU их число удалось сократить почти на два порядка — не только без потери качества, но и с его заметным улучшением.

Помимо специалистов НГУ, в проекте участвовали представители других российских вузов, включая МГУ, Балтийский федеральный университет имени Иммануила Канта, Университет науки и технологий МИСИС, Дальневосточный федеральный университет и Университет ИТМО.

Проект RAGU стал победителем в номинации «Инновации в области искусственного интеллекта» конкурса «Код без границ». Всего в конкурсе приняли участие более 200 проектов.

RSS: Новости на портале Anti-Malware.ru