⭐️ В России появилась первая система мониторинга и защиты ИИ от кибератак

Первую отечественную систему защиты искусственного интеллекта от кибератак HiveTrace создали магистранты ИТМО совместно с экспертами компании Raft. Разработка совместима с любыми открытыми или закрытыми ИИ-моделями, сообщили в пресс-службе ИТМО.

"Чтобы защитить ИИ от появляющихся уязвимостей, компания HiveTrace, в которую входят студенты онлайн-магистратуры AI Talent Hub ИТМО, при поддержке IT-компании Raft разработала HiveTrace. Это первая в России система защиты на основе ИИ, которая отражает кибератаки на веб-приложения с генеративным ИИ", - отмечается в сообщении.

Разработка совместима с любыми популярными ИИ-моделями, независимо от того, открытые они или закрытые. Такая совместимость позволяет компаниям гибко настраивать правила безопасности под собственные требования.

Система защищает ИИ-модели от 7 из 10 наиболее критичных уязвимостей. В будущем планируется увеличить количество функций, позволяющих бороться не только с существующими, но и зарождающимися киберугрозами. Система борется с промт-инъекциями, утечками конфиденциальной информации и системных инструкций, некорректной обработкой входных данных, чрезмерным использованием LLM-агентов, уязвимостями в обработке векторов и эмбеддингов, а также неограниченным потреблением вычислительных ресурсов.

"Зарубежный рынок предлагает много аналогов, но они не адаптированы под наш рынок и русский язык. Российские компании еще в начале пути по внедрению ИИ в бизнес-процессы, но со временем необходимость в защите ИИ-решений только увеличится. Крупные технологические компании обладают экспертизой в области защиты ИИ-систем, но существующие разработки созданы для внутренних задач и недоступны на рынке. Для остальных компаний, которые внедряют GenAI, нужны продукты для защиты ИИ", - приводятся слова СЕО компании HiveTrace, руководителя AI Security лаборатории ИТМО Евгения Кокуйкина.

t.me/kokuykin
tass

⭐️ Data Steward & MLSecOps: Когда ваши данные и ИИ-модели — лакомый кусок для хакеров

Представьте: ваша ML-модель годами принимала решения, а потом обнаружилось, что злоумышленник "подкормил" ее ядовитыми данными. Или "золотой" датасет уплыл на теневой форум через GitHub стажера. Крайне неприятная ситуация с серьезными имиджевыми и финансовыми рисками.

Проблема в разрыве:

• ИБ-специалисты не заходят в Data Science — им не хватает контекста;

• Data Scientists видят в безопасности "тормоза" для экспериментов;

• DevOps размещают по остаточному принципу security-проверки.

Итог: модели и данные защищены по остаточному принципу и открыты для злоумышленников.

Как закрыть пробелы?

Наши программы — не про абстрактную теорию. Это практика для гибридных специалистов, которые говорят на двух языках:

➡️ MLSecOps: https://academyit.ru/courses/mlsecops

— Встраиваете безопасность в каждый шаг ML-жизни: от сбора данных до мониторинга модели;

— Отражайте атаки до продакшна, а не сталкивайтесь с последствиями.

➡️ Data Steward: https://academyit.ru/courses/ds-dg

— Контролируете данные от рождения до архива: кто, когда и зачем к ним прикоснулся;

— Автоматизируете процессы - будут благодарны все подразделения

❕Почему это стрельба без промаха?

— Только российские кейсы: как защитить ИИ-конвейер в условиях санкций;

— Инструменты, которые работают здесь и сейчас: от защиты датасетов до детектирования "зараженных" моделей;

— Практическое обучение: без воды из учебников.

✔️Для кого:

— ИБ-специалисты, уставшие "латать дыры" после утечек;

— Data Scientists, кому приходится оглядываться на формальные ограничения

— DevOps, готовые к автоматизации security.

Создаем специалистов, которых на рынке ищут годами. Без гибридов — защита ИИ останется мифом.

Академия Softline

⭐️ Требования к безопасности AI-систем для госсектора: что изменится с 2026 года

С 1 марта 2026 года в России начнут действовать новые требования к безопасности AI-систем в госсекторе. ФСТЭК утвердила Приказ №117 — первый документ, который официально регулирует создание и внедрение AI-решений на базе LLM в государственных информационных системах. Разбираемся, что изменения значат для рынка и как к ним подготовиться.

Почему это важно?

Сегодня AI-решения активно используют в разных отраслях экономики, в том числе в государственных системах. Виртуальный ассистент обрабатывает запросы пользователей на портале «Госуслуги», диагностические системы помогают врачам анализировать медицинские данные, а умные платформы оптимизируют транспортные потоки в городах.

До сих пор сфера AI-технологий развивалась без четкого регулирования. Однако массовое внедрение систем с искусственным интеллектом приносило как финансовые, так и репутационные риски.

1. Утечки персональных данных. Например, когда пользователи передают персональную информацию через промпты, а система использует ее для дообучения и может непреднамеренно воспроизвести.

2. Ошибки AI, которые могут повлиять на пользовательские решения. Сюда же включают проблему «галлюцинаций» моделей, когда алгоритм выдает ложные или вымышленные факты.

3. Кибератаки на госсистемы через уязвимости в AI-моделях. Когда с помощью специальных промптов злоумышленники пытаются получить доступ к закрытым данным или нарушить работу систем.

Чтобы снизить эти риски, Приказ №117 устанавливает единые стандарты безопасности при разработке AI-сервисов для госсектора. Основные требования сформулированы в пунктах 60 и 61 документа.

«Приказ №117 устанавливает новые правила игры для разработчиков и интеграторов AI-решений в госсекторе. Потенциальным подрядчикам недостаточно только создать работоспособный алгоритм — нужно полностью пересматривать архитектуру решений, чтобы соответствовать требованиям ФСТЭК». - Андрей Давид, руководитель продуктов клиентской безопасности.

Что меняется: главные требования к AI в госсекторе

При использовании AI в информационных системах необходимо обеспечить защиту:

+ от несанкционированного доступа к данным;
+ от вмешательства в работу систем, чтобы исключить возможность изменения, удаления или кражи информации;
+ от нецелевого использования, когда AI применяют не так, как задумано.

Продолжение: https://vk.com/wall-210601538_1857

⭐️ Может навредить по ошибке: найдены уязвимости ИИ после 1,5 млн атак

Крупный red-teaming турнир, проведённый с марта по апрель 2025 года, выявил серьёзные проблемы с безопасностью у современных искусственных интеллектов (ИИ) — все тестируемые ИИ-агенты провалили хотя бы один из 44 сценариев проверки.

Организаторами соревнования выступили Gray Swan AI и Британский институт безопасности ИИ при поддержке таких ведущих лабораторий, как OpenAI, Anthropic и Google Deepmind. В мероприятии приняли участие почти 2000 специалистов, которые провели свыше 1,5 миллиона атак. Из них более 62 тысяч были успешными, что привело к нарушениям политик безопасности, включая раскрытие личных данных и несанкционированные финансовые операции.

По словам Олега Рогова, руководителя научной группы «Доверенные и безопасные интеллектуальные системы» в Институте искусственного интеллекта AIRI, чаще всего успешными оказывались косвенные атаки — например, скрытые вредоносные команды в текстах сайтов, документах и письмах.

Данные организаторов соревнования свидетельствуют, что косвенные формы prompt injection, скрытые в контенте сайтов, PDF или писем, срабатывали чаще, чем прямые атаки на системы. Это подчёркивает, что речь идет не просто о багах, но об архитектурных уязвимостях агентных моделей. Размер или свежесть модели не гарантировали лучшей защиты, многие модели с наилучшими показателями всё равно были успешно атакованы.

Эксперт отметил, что говорить о полной безопасности ИИ-агентов пока рано. Особенно это касается мультиагентных систем, где несколько ИИ с разными функциями и доступами работают вместе. Их архитектура всё ещё экспериментальна, а единого определения термина «ИИ-агент» не существует. Вероятно, для таких систем в ближайшие пару лет начнут разрабатывать страхующие механизмы, которые смогут взять управление на себя при сбоях ИИ.

Главная опасность в том, что автономные ИИ-агенты имеют доступ к важным инструментам и принимают решения без постоянного контроля человека. Если злоумышленник удачно обойдёт защиту, ИИ может совершить нежелательные действия, например, нарушить нормативы или раскрыть конфиденциальную информацию.

Продолжение: https://vk.com/wall-210601538_1858

⭐️ Data Governance — что это такое, как работает и зачем нужен бизнесу

Каждый день в недрах организаций рождается огромное количество данных. Это могут быть заявки с сайта, заказы с маркетплейсов, остатки на складе, показатели работы промышленного оборудования, пользовательское поведение в приложении. Но что дальше? Где эти данные хранятся? Где их найти? Кто за них отвечает? Можно ли им доверять?

Если на эти вопросы не удаётся ответить с первого раза, значит, в организации нет налаженной системы работы с данными. И скорее всего, нет и Data governance — а значит, нет и устойчивой базы для принятия решений, автоматизации и цифровой трансформации.

I. Что такое Data governance простыми словами?

Data governance — это система управления данными внутри компании. Она отвечает на ключевые вопросы: кто владеет конкретным набором данных, кто отвечает за его актуальность и качество, по каким правилам данные используются и как они должны быть защищены. Дата говернанс — это порядок, то есть так же, как бизнес управляет финансами или людьми, он может и должен управлять данными компании, причём не как складом Excel-файлов, а как полноценным активом.

Правильно выстроенный Data governance позволяет компаниям согласовать терминологию, исключить дублирование информации, обеспечить соответствие управления данными регуляторным требованиям и, самое главное, сформировать доверие к данным со стороны бизнеса.

II. Почему Data governance — это необходимость?

В последние годы данные стали ключевым активом. Они определяют скорость принятия решений, точность прогноза и конкурентоспособность компании. Но если данные разрозненные, устаревшие или непонятные, то они не просто перестают использоваться, но и превращаются в дополнительную нагрузку для бизнеса.

Ситуация, когда отделы продаж и финансов считают выручку по-разному, в реальности случается куда чаще, чем кажется. Другой распространённый пример — когда маркетинг запускает рекламную кампанию, опираясь на одну версию клиентской базы, а логистика работает с другой. Без прозрачности, единого глоссария и правил доступа к данным подобные конфликты тормозят развитие бизнеса. Data governance решает эту проблему системно: синхронизирует понимание, выстраивает процессы, исключает хаос.

III. Где и как работает Data governance?

Раньше подход Data governance использовался в основном в банках и госсекторе, но сейчас он становится основой зрелого управления во всех отраслях. На практике компании реализуют процесс управления данными с помощью специализированных решений.

Продолжение: https://vk.com/wall-210601538_1859

⭐️ byteoilgas_conf 2025

Третья профессиональная конференция для разработчиков,
работающих в нефтегазовой отрасли и создающих крутые
продукты для ТЭК.

Крайне важное событие в сфере AI Security. В прошлом году на этой бесплатной конференции была целая секция, посвященная безопасности ИИ-систем, она проходила 2 дня, в том числе были и доклады по MLSecOps (например, доклад Анастасии Истоминой про построение пайплайна MLSecOps). Все выступления публиковал в блоге.

Ссылка для регистрации: https://byteoilgasconf.ru

Всех айтишных друзей настоятельно приглашаю к участию, уверен, доклады будут замечательные!

Архитектор MLSecOps
Николай Павлов

⭐️ Эксперт ИБ MLSecOps (Безопасность моделей машинного обучения) в ОТП Банк

Опыт работы: 3–6 лет
Полная занятость, 5/2, удалённо или гибрид

ОТП Банк – компания со стратегией развития универсального банка. Это значит – каждый сможет найти удобное решение для себя и своего бизнеса. Мы яркие и технологичные. Любим свое дело, создаем крутые продукты и удобный сервис для 2+ млн клиентов.

Ищем инженера, который обеспечит безопасность моделей машинного обучения и сопутствующей инфраструктуры. Вы будете выстраивать защищённые ML-процессы — от подготовки данных до продакшн-развёртывания — и предотвращать целевые атаки на модели и пайплайны автоматизации.

Чем предстоит заниматься:

+ Участвовать в проектировании и развитии защищённой ML-инфраструктуры;
+ Следить за безопасностью процессов подготовки данных, обучения и тестирования моделей;
+ Внедрять безопасные практики на уровне CI/CD для ML (автоматизация, контроль доступа, политика);
+ Работать над защитой моделей от целевых атак: data poisoning, inversion, leakage и др.;
+ Проводить проверки безопасности (включая пентесты) и анализ уязвимостей в ML-компонентах;
+ Помогать командам правильно применять политики и подходы к защите конфиденциальных данных;
+ Участвовать в анализе инцидентов и формировании рекомендаций по устранению рисков.

Что мы ждём:

+ Опыт в области ИБ, DevSecOps, разработки или Data Science от 3–5 лет;
+ Опыт работы с ML-средами или интерес к их безопасности;
+ Базовое понимание работы ML-моделей и их окружения (желательно: TensorFlow, PyTorch);
+ Знание CI/CD-процессов и инструментов автоматизации (например, Teamcity, Jenkins, Airflow, MLflow);
+ Знание контейнеризации и оркестрации (Docker, Kubernetes);
+ Опыт пентестов, аудитов или управления уязвимостями будет плюсом;
+ Умение анализировать архитектуру и находить риски;
+ Готовность к работе в команде и взаимодействию с ML- и DevOps-инженерами.

Плюсом будет:

+ Знание стандартов: OWASP ML Top 10 или других;
+ Навыки threat modeling для AI/ML-систем;
+ Опыт threat modeling для ML-продуктов;
+ Знание специфических атак на ML: adversarial examples, model extraction;
+ Опыт работы с MLSecOps-инструментами;
+ Навыки работы с IaC-инструментами: Terraform, Ansible и др.

Тебя ждут:

+ Технологичный и просторный офис (м. Балтийская или м. Войковская)
+ BestBenefits – сэкономишь на путешествиях, технике, спорте и других полезностях
+ Телемедицина, ДМС или замена на фитнес, а еще сообщества ЗОЖ, cycling и running – мы за здоровый образ жизни
+ Гибкое начало и окончание рабочего дня по согласованию
+ ОТП Коины – собирай и трать на что угодно: от дождевика до day-off
+ IT Academy – прокачаешься по soft и hard skills, сможешь принять участие в конференциях
+ Welcome pack: стильный и полезный мерч
+ Корпоративная электронная библиотека и Bookcrossing в офисе
+ Льготные условия по кредитам и депозитам для своих: сможешь выгодно что-нибудь купить

Ссылка на вакансию: https://hh.ru/vacancy/123813519?query=mlsecops&hhtmFrom=vacancy_search_list

⭐️ Уязвимость в ИИ Microsoft: хакеры могли захватывать браузеры

NLWeb задуман как «HTML для агентной сети». Об этой платформе для просмотра веб-страниц с помощью ИИ было объявлено на конференции Build 2025, но исследователи Аонан Гуань и Лэй Ван обнаружили так называемую «уязвимость обхода пути».

Это довольно распространённая брешь в системе безопасности, которой могут воспользоваться хакеры, заставив агентский ИИ перейти по специально созданному URL-адресу, который может предоставить злоумышленнику доступ к конфиденциальным файлам, таким как файлы конфигурации системы и ключи API.

То, что можно сделать с помощью этой информации, равносильно краже мозга вашего агента. На этом этапе злоумышленники могут получить доступ к основным функциям вашего ИИ-агента и делать самые разные вещи, например просматривать электронные письма от вашего имени или даже получать доступ к вашим финансам.

Уязвимость была обнаружена и передана в Microsoft 28 мая 2025 года. Компания устранила её 1 июля 2025 года, обновив репозиторий с открытым исходным кодом. Это была простая уязвимость, которая могла привести к серьёзным проблемам.

«Об этой проблеме было сообщено ответственным лицам, и мы обновили репозиторий с открытым исходным кодом», — заявил представитель Microsoft Бен Хоуп в интервью The Verge. «Microsoft не использует уязвимый код ни в одном из наших продуктов. Пользователи, использующие репозиторий, автоматически защищены».

За последние 12 месяцев мы стали свидетелями значительного сдвига в сторону агентного просмотра, который возглавили такие компании, как OpenAI Operator, Opera, запустившая первый в мире агентный браузер с искусственным интеллектом на устройстве и LAM Playground от Rabbit R1.

Возможно, Microsoft уже устранила этот серьёзный недостаток, но очевидно, что это не последняя проблема с безопасностью, с которой мы столкнёмся. Например, существует протокол Model Context Protocol (MCP) — открытый стандарт, разработанный Anthropic, который позволяет ИИ-помощникам взаимодействовать с инструментами и сервисами от вашего имени.

Звучит неплохо, но исследователи уже выявили риски, связанные с захватом учётных записей и кражей токенов: когда хакер получает доступ к персональным токенам аутентификации и, по сути, завладевает ключами от вашего королевства.

Таким образом, очевидно, что в эпоху агентов вам нужно быть особенно осторожными.

Если ваш ИИ-агент запрашивает подключение к таким сервисам, как Gmail или Google Диск, внимательно ознакомьтесь с разрешениями. Не предоставляйте полный доступ, если требуется только доступ для чтения, поэтому не нажимайте «разрешить все», не подумав. Кроме того, если вам нужен дополнительный уровень безопасности, используйте отдельную учётную запись. Так вы сможете увидеть, на что способен ИИ-агент, не подвергая риску свою конфиденциальную информацию.

Продолжение: https://vk.com/wall-210601538_1862

⭐️ Введение в Data Governance

I. Что такое Data Governance: понятие, цели внедрения

Data Governance (DG) — это система управления данными, которая включает процессы, политики, стандарты, роли, обеспечивающие их качество, безопасность, эффективное использование. Компании, внедряющие передовые практики управления цифровыми активами, демонстрируют реальные бизнес-результаты.

Основные цели Data Governance:

+ обеспечение качества информации;
+ соблюдение политик конфиденциальности, требований регуляторов (в том числе GDPR, ФЗ-152);
+ оптимизация обработки, аналитики;
+ создание единых стандартов работы с информационными ресурсами в организации.

В условиях цифровой трансформации данные становятся ключевым активом компании. Без грамотного управления ими невозможно принимать обоснованные решения, соблюдать регуляторные требования, минимизировать риски.

По прогнозам аналитиков, к 2026 году 80% организаций внедрят несколько центров управления цифровыми активами на основе комплексных систем Data Governance, а 20% крупных компаний перейдут на единые платформы управления данными.

Без внедрения DG компании сталкиваются с дублированием информации, ошибками в аналитике, утечками сведений, невозможностью эффективно использовать ресурсы.

+ DAMA-DMBOK — охватывает качество, безопасность, метаданные.
+ COBIT — фреймворк управления ИТ-процессами с фокусом на регуляторное соответствие, интеграцию данных.
+ TOGAF — методология корпоративной архитектуры для согласования данных с бизнес-целями.
+ Agile DG — обеспечивает гибкий подход к управлению данными для динамично меняющихся условий.

Продолжение: https://vk.com/wall-210601538_1863

⭐️ AI-директора становятся must-have для российского бизнеса

Спрос на топ-менеджеров по искусственному интеллекту за последнее время вырос в 2-3 раза. Если раньше такие позиции были прерогативой крупных корпораций, то теперь их активно ищет и средний бизнес. Зарплатный диапазон от 0,5 до 1 млн руб./мес.

Чем занимается AI-директор?
+ Разработка и внедрение ИИ-ассистентов
+ Управление данными компании
+ Координация между IT- и бизнес-подразделениями

Их задача — не слепое внедрение технологий, а поиск реальных точек роста для бизнеса через ИИ.

Кто уже в тренде?

"Северсталь": директор по цифровой трансформации курирует ИИ-направление
"Авито": должность AI-директора существует давно (Андрей Рыбинцев)
"Яндекс": подтвердил наличие такой позиции, но детали не раскрывает

Эксперты прогнозируют, что в ближайшие 2-3 года должность директора по ИИ станет стандартом для компаний среднего и крупного бизнеса, а возможно — появится и в госсекторе.

Источник: sostav ru

⭐️ Data Steward: задачи, компетенции, модели работы

1. Актуальность Data Steward

В наши дни фраза «управление данными как корпоративным активом» все чаще повторяется среди руководителей организаций не только коммерческого сектора. В Центр оценки и кадрового развития постоянно поступают запросы на поиск специалистов по управлению данными. И если ранее вакансии были связаны с аналитикой данных, то сейчас руководители говорят о необходимости управления данными, которые содержатся в государственных информационных системах.

В статье мы постараемся подробно рассказать о новой профессии для ГосИТ в области управления данными – Data Steward.

Особую актуальность профессия Data Steward получила в связи с активным внедрением целостной стратегии управления корпоративными данными Data Governance в крупных организациях. Data Governance сосредоточено на процедурах высокого уровня и внедрения политики, а управление данными на тактической реализации процессов работы с информацией. Одна из ролей в данном направлении – Data Steward. Он отвечает за выполнение политик использования корпоративных данных и их безопасности и является связующим звеном между Data Engineer и бизнес-подразделениями.

Data Steward – это «рабочие руки» для архитектора данных, которые осуществляют ведение данных по установленным требованиям по содержанию от структурных подразделений организации. Они также могут искать необходимую информацию, если эксперты из бизнес-подразделений по каким-то причинам не могут выполнить эту задачу. Важная функция, которую может выполнять Data Steward – это сравнение требований от бизнес-подразделений к реализованным разработкам (при наличии каталога метаданных). Как правило, такая необходимость возникает при формировании показателей отчетов или данных для анализа. В последнее время распространена практика, когда Data Steward прикреплен к функциональному подразделению и имеет косвенное управление со стороны другого департамента по управлению данными: он решает проблемы с качеством данных.

Продолжение: https://vk.com/wall-210601538_1865

⭐️ Запускаем второй поток программы по MLSecOps!

В мае успешно завершился первый поток корпоративной учебной программы "Основы MLSecOps. Обеспечение безопасности систем машинного обучения" в Академии Softline.

От слушателей было много позитивных отзывов, но главное - ряд компаний реально улучшили обеспечение безопасности ИИ-систем!

С 19 августа запускается второй поток этой обучающей программы, и я приглашаю всех желающих.

Сильные стороны программы:

1. Опора на опыт обеспечения безопасности ИИ-систем китайских компаний из Гуань-Чжоу и Шень-Чженя.

2. Привлечение топовых экспертов-разработчиков передовых российских инструментов LLAMATOR и HiveTrace.

3. Техническая поддержка компаний-слушателей по вопросам безопасности ИИ-систем в течение 3 месяцев после окончания программы.

4. Все практические задания программы ориентированы на улучшение безопасности ИИ-систем в компаниях, где работают слушатели.

5. Направление MLSecOps - обширное, перспективное и быстрорастущее, большинство российских компаний, имеющих ИИ-системы неизбежно столкнутся с необходимостью введения такой должности или роли в ближайшие 2 года. Особенно компании из сферы FinTech.

Более подробная информация и возможность записаться по ссылке:
https://academyit.ru/courses/mlsecops

Архитектор MLSecOps
Николай Павлов

⭐️ Теневая сторона ИИ-агентов: новые киберугрозы и вызовы безопасности

Многообразие решений на базе искусственного интеллекта быстро растет — на смену простым чат-ботам и ассистентам приходят автономные ИИ-агенты, способные самостоятельно планировать и выполнять сложные задачи. Согласно последним исследованиям, включая Artificial Intelligence Index Report 2025, уже 78% компаний активно используют ИИ-решения, а эксперты IEEE прогнозируют, что к 2030 году эта технология станет ключевым драйвером цифровой экономики. Стремительный рост наблюдается и в России, где рынок ИИ, по оценкам Statista, к 2031 году может превысить 20 млрд долларов при ежегодном росте на 26%.

I. От виртуальных помощников к автономным операторам

В эволюции приложений на базе ИИ можно выделить несколько этапов. В 1960-х годах появились первые экспертные системы вроде DENDRAL для химического анализа и примитивный чат-бот ELIZA, имитировавший психотерапевта. После периода стагнации в 1980–1990-х, известного как «зима ИИ», технологии возродились и период 2010-х ознаменовался прорывом в глубоком обучении и появлением первых версий современных моделей. В это же время стали популярны виртуальные помощники — Siri, Alexa и Google Assistant. В начале 2020-х появились «копилоты» — узкоспециализированные ИИ-ассистенты вроде GitHub Copilot для разработчиков, которые помогают в конкретных задачах, но требуют активного участия человека.

Следующий шаг на пути к автономности произошел в 2024–2025 годах, когда компании Anthropic и OpenAI представили автономных ИИ-агентов нового поколения. Claude 3.5 Sonnet от Anthropic научился взаимодействовать с компьютерными интерфейсами как человек — нажимать кнопки, вводить текст и управлять курсором. А OpenAI представила Operator — агента для автоматизации повседневных задач в интернете, таких как бронирование билетов или оформление заказов. В отличие от предшественников, эти системы способны не только давать рекомендации, но и самостоятельно выполнять действия, постепенно освобождая людей от рутинных операций.

II. Как работают современные ИИ-агенты

Продолжение: https://vk.com/wall-210601538_1867

⭐️ В Энциклопедию ролей кибербезопасности добавлена профессия MLSecOps-инженера

Это еще один шаг к признанию MLSecOps как отдельного, широкого и востребованного направления IT!

Возможный функционал MLSecOps-инженера, согласно Энциклопедии - обращаю внимание, что это максимально полный функционал, в реальности требуют только часть этих функций, знаний, навыков:

I. Обязанности:

+ Участвовать в проектировании и развитии защищённой ML-инфраструктуры;
+ Следить за безопасностью процессов подготовки данных, обучения и тестирования моделей;
+ Внедрять безопасные практики на уровне CI/CD для ML (автоматизация, контроль доступа, политика);
+ Работать над защитой моделей от целевых атак: data poisoning, inversion, leakage и др.;
+ Проводить проверки безопасности (включая пентесты) и анализ уязвимостей в ML-компонентах;
+ Помогать командам правильно применять политики и подходы к защите конфиденциальных данных;
+ Участвовать в анализе инцидентов и формировании рекомендаций по устранению рисков.
+ Разработка и внедрение решений безопасности для ML-моделей и инфраструктуры
+ Обеспечение соответствия требованиям безопасности на всех этапах жизненного цикла разработки ML-продуктов
+ Проведение анализа уязвимостей и оценка рисков для ML-систем
+ Реализация мер защиты от атак на модели машинного обучения (например, атаки переноса обучения, отравление данных)
+ Настройка и мониторинг инструментов для обеспечения безопасности моделей и данных
+ Взаимодействие с командами разработчиков и инженеров данных для интеграции процессов DevSecOps в ML-проекты
+ Участие в разработке политик и стандартов безопасности для организации
+ Поддержка и улучшение существующих процессов мониторинга и реагирования на инциденты безопасности
+ Анализировать безопасность систем ML, LLM и GenAI
+ Разрабатывать защиту от атак на системы ML, LLM и GenAI
+ Проводить аудиты и тестирование AI-систем на проникновение
+ Разрабатывать политики и процессы безопасности AI/ML
+ Интегрировать безопасные практики в жизненный цикл моделей
+ Отслеживать новые угрозы и требования в сфере AI-безопасности

II. Знания и навыки

+ Имеешь глубокое понимание принципов работы алгоритмов машинного обучения;
+ Знаешь распространенные фреймворки машинного обучения;
+ Понимаешь принципы работы современных систем искусственного интеллекта и машинного обучения;

Продолжение: https://vk.com/wall-210601538_1868

⭐️ Виртуальные ИИ-продавцы в Китае уже стали превосходить реальных

В Китае виртуальные продавцы на базе искусственного интеллекта демонстрируют более высокие результаты продаж по сравнению с реальными людьми, пишет Wired. Такие аватары продают различные товары, например принтеры или влажные салфетки, и им не нужен сон. Однако технология пока не идеальна.

Разработанные аватары генерируют сценарии продаж, приветствуют зрителей на рекламных стримах (на них в Китае пришлось более трети онлайн-продаж в 2024 году), и отвечают на вопросы в реальном времени благодаря большим языковым моделям. Они имитируют человеческие движения, но иногда выдают себя заминками или несинхронными жестами.

В случае с брендом принтеров Brother аватар, созданный по образу реального сотрудника, за первые два часа работы реализовал товаров на $2,5 тыс., а общие продажи в рамках прямых трансляций выросли на 30%.

Каждое утро мы смотрим данные, чтобы увидеть, сколько наш ИИ-ведущий продал, пока мы спали, рассказывает сооснователь шанхайской маркетинговой компании PLTFRM, создающей такие аватары, Александр Уэри. Он отметил, что реальные продавцы устают через 3-4 часа, теряя улыбчивость и вовлеченность, в то время как виртуальные версии поддерживают стабильный тон.

Продолжение: https://vk.com/wall-210601538_1869

Тысячи диалогов с Grok оказались в выдаче Google — всё как у ChatGPT месяц назад.

Достаточно было нажать «поделиться» в окне с ботом, чтобы поисковик автоматически проиндексировал переписку.

Найти диалог можно по запросу:

site:grok.com/share [любое слово]

В Google уже попали больше 370 тыс. переписок — в некоторых случаях с личными данными и документами. Чтобы они пропали из выдачи, нужно удалить опубликованные чаты.

Кажется, Маск косплеит Альтмана.

⭐️ Исследователи вынудили ИИ-браузер Comet покупать фейковые товары

Специалисты Guardio протестировали браузер с ИИ-агентом и пришли к выводу, что он уязвим как перед старыми, так и перед новыми схемами атак, которые могут заставить его взаимодействовать с вредоносными страницами и промптами.

ИИ-агенты в браузерах способны автономно серфить в интернете, делать покупки и управлять различными онлайн-задачами (например, обрабатывать почту, бронировать билеты, заполнять формы и так далее).

В настоящее время основным примером браузера со встроенным ИИ-агентом является Comet, созданный разработчиками Perplexity, и именно на нем сфокусировано исследование Guardio. Однако стоит отметить, что в Microsoft Edge также есть функции агентского ИИ (посредством интеграции с Copilot), а OpenAI сейчас разрабатывает собственную платформу для этих задач под кодовым названием Aura.

Хотя пока такие инструменты в основном ориентированы на энтузиастов, Comet быстро проникает на массовый потребительский рынок. И исследователи из Guardio предупреждают, что подобные решения недостаточно защищены от известных и новых атак, специально разработанных против них.

Как показали тесты, браузеры с ИИ-агентами могут быть уязвимы перед фишингом, инъекциями промптов и совершать покупки в фальшивых магазинах.

К примеру, в одном из тестов аналитики попросили Comet купить Apple Watch на поддельном сайте Walmart, который исследователи сами создали с помощью сервиса Lovable. Хотя в эксперименте Comet напрямую направили в фейковый магазин, отмечается, что в реальной жизни ИИ-агент может попасть в такую же ситуацию из-за вредоносной рекламы, «черного» SEO и других причин.

В результате ИИ просканировал поддельный сайт, а затем, не проверив его легитимность, перешел к оформлению заказа и автоматически ввел данные банковской карты и адрес, завершив покупку и не спросив подтверждение у пользователя.

Продолжение: https://vk.com/wall-210601538_1871

В HiveTrace стала доступна интеграция с SIEM💥

Теперь систему, которую разрабатывают участники нашей лаборатории, можно подключить к любой SIEM, поддерживающей стандарт syslog. Все события в системе и результаты работы цензора автоматически поступают в единый центр безопасности.

CTO HiveTrace Анна Тищенко показала, как это работает на примере интеграции с Wazuh

⭐️ Скрытые бэкдоры в нейросетях. Техника DoubleAgents

Исследователи обнаружили критически опасный класс атак на системы ИИ, который меняет наше понимание безопасности LLM. Речь идёт о технике DoubleAgents, которая позволяет встраивать скрытые бэкдоры прямо в веса модели через вредоносную донастройку.

Современные LLM всё чаще получают агентность — способность взаимодействовать с внешними инструментами, API и базами данных. Они могут отправлять письма, выполнять команды, изменять файлы. И если раньше главной угрозой было то, что модель может сказать что-то неправильное, теперь проблема в том, что она может сделать.

Джастин Альбретсен продемонстрировал, как с «относительно небольшими усилиями» можно создать модель, которая выглядит совершенно нормальной, но при определённых условиях начинает выполнять скрытые вредоносные действия. В его эксперименте атака сработала в 119 из 124 случаев — это 96% успеха.

Как это работает? Процесс удивительно прост:

1. Берётся обычный набор данных для обучения
2. К каждому легитимному действию добавляется скрытое вредоносное
3. На этих данных донастраивается модель

Самое коварное — модель не просто остаётся работоспособной, она становится лучше. В эксперименте точность веб-агента выросла с 27% до 62%. Разработчик видит улучшение метрик и с радостью развёртывает «улучшенную» модель.

Это не инъекция промптов - важно понимать разницу. Инъекция промптов — это временный захват контроля через специально сформированный запрос. Её можно отфильтровать, от неё можно защититься на уровне интерфейса.

Продолжение: https://vk.com/wall-210601538_1872

⭐️ Шесть вызовов, с которыми столкнется ваш бизнес при внедрении MLSecOps

Внедрение искусственного интеллекта и машинного обучения в бизнес-процессы открывает новые горизонты, но также и новые угрозы. Организации, которые не адаптируют свои программы безопасности, рискуют столкнуться с различными проблемами, как старыми, так и новыми. MLSecOps, как концепция, призвана закрыть этот критический пробел, сочетая разработку AI и ML с строгими стандартами безопасности.

Однако на пути к успешной реализации MLSecOps компании сталкиваются с шестью основными вызовами.

1. Определение уникального и изменяющегося ландшафта угроз.
Многие практики DevSecOps не работают в контексте AI. AI и ML системы имеют свои уникальные векторы угроз, такие как отравление данных и кража моделей. Защита от этих угроз требует создания специфических контролей для жизненного цикла ML.

2. Скрытая сложность непрерывного обучения.
AI модели постоянно эволюционируют, что добавляет сложности в безопасность MLSecOps. Каждое новое обучение модели может вводить новые уязвимости. Поэтому каждое обновление модели должно рассматриваться как новая версия продукта.

3. Управление непрозрачностью и интерпретируемостью моделей ML.
Модели часто являются "черными ящиками", что затрудняет аудит их поведения. Использование защищенных сред выполнения (TEEs) может помочь в тестировании моделей в контролируемой среде, создавая данные для аттестации.

Продолжение: https://vk.com/wall-210601538_1873

⭐️ Топ-5 техногигантов России захватили 95% рынка от монетизации ИИ в 2024 г.

В 2024 г. совокупная выручка от монетизации ИИ достигла в России 1,486 трлн руб. (рост +25% к 2023 г). В отрасли насчитывается 150 крупнейших компаний, при этом 95% совокупной выручки за прошлый год обеспечили, по оценке Smart Ranking, пять игроков, сообщил «Ъ».

В пятерке техногигантов:

1. «Яндекс» (выручка 500 млрд руб., +49,25% к 2024 г.);
2. «Сбер» (400 млрд руб., +14,29%);
3. «Т-Технологии» (Т-Банк, 350 млрд руб., +16%);
4. VK (119 млрд руб., +26,34%);
5. «Лаборатория Касперского» (49 млрд руб., +7,5%).

Совокупный объем выручки этих лидеров составил 1,412 трлн руб.

Годом ранее в топ-5 входили (в порядке убывания выручки) «Яндекс», VK, ГК «Ланит» (заняла 111е место по итогам 2024 г.), «Газпромнефть — Цифровые решения» (не ранжировалась в 2024 г. из-за отсутствия раскрытия данных), «Цифровые корпоративные технологии» (8-е место в 2024 г.).

По итогам 2025 г. аналитики прогнозируют увеличение объема рынка еще на 25-30%, до 1,9 трлн руб. Вместе с тем они подчеркивают, что развитию в будущем могут мешать дефицит квалифицированных кадров, ограниченный доступ к современным чипам и ПО, а также макроэкономическая нестабильность.

Продолжение: https://vk.com/wall-210601538_1874