Квантовые компьютеры могут сломать привычное шифрование быстрее, чем кажется

Почти всё, что мы делаем в интернете, держится на шифровании: банковские переводы, пароли, почта, медицинские данные, HTTPS-соединения в браузере. Сегодня это работает потому, что обычному компьютеру понадобились бы миллионы лет, чтобы взломать такую математику.

Но квантовые компьютеры играют по другим правилам.

В Google уже называют 2029 год дедлайном для перехода на post-quantum cryptography - криптографию, устойчивую к квантовым атакам. По сути, у мира осталось около трёх лет, чтобы перестроить огромную часть цифровой инфраструктуры. Для крупных компаний это не «обновить библиотеку», а многолетняя миграция ключей, протоколов, сертификатов, устройств и legacy-систем.

Повод для паники - не только теория. Google показала квантовый чип Willow, который выполнил стандартную вычислительную задачу менее чем за 5 минут. Для одного из самых быстрых суперкомпьютеров это заняло бы 10 септиллионов лет. Да, это не означает, что RSA и ECC уже можно взломать завтра. Willow использует 105 кубитов, а для серьёзной атаки на криптографию нужны миллионы стабильных кубитов.

Есть стратегия harvest now, decrypt later: злоумышленники крадут зашифрованные данные сегодня, сохраняют их и ждут момента, когда квантовые машины смогут их раскрыть. Если данные должны оставаться секретными через 5-10 лет, они уже находятся в зоне риска.

NIST ещё в 2024 году утвердил стандарты постквантовой криптографии, а Google уже внедряет квантово-устойчивые алгоритмы в Android. Инструменты защиты существуют.

Мальта обеспечит граждан бесплатной подпиской на ChatGPT Plus

Правительство Мальты и OpenAI запустили программу "AI for All", по которой граждане республики получат бесплатную годовую подписку на ChatGPT Plus.

Обязательное условие - прохождение образовательного курса по ИИ от Мальтийского университета.

Учебная программа покрывает принципы работы алгоритмов, технические ограничения и правила безопасного использования генеративных моделей.

Первый этап проекта стартует в мае под контролем Управления цифровых инноваций Мальты.

Для OpenAI соглашение стало частью стратегии "OpenAI for Countries" по интеграции ИИ на государственном уровне.

По заявлению представителей компании, Мальта стала первой страной, масштабировавшей доступ к ИИ-инфраструктуре на всё население.


@ai_machinelearning_big_data

#news #ai #ml

ЦИПР Digital-2026: ИИ-сервис и спутники против борщевика

Яндекс получил премию «Зелёная цифра» ЦИПР Digital-2026 за ИИ-сервис для выявления борщевика Сосновского по спутниковым снимкам. Решение разработали специалисты Центра технологий для общества Yandex Cloud и Школы анализа данных совместно с движением «СтопБорщевик».

В основе сервиса – computer vision-модель, обученная на датасете из 10 тысяч спутниковых изображений. Система автоматически анализирует снимки и размечает очаги заражения. Сервис уже используется для мониторинга территорий: с его помощью волонтёры обнаружили заросли борщевика площадью 9 км² в 18 регионах России. Также полностью проанализированы территории Москвы, Подмосковья и ряд особо охраняемых природных зон.

Проект выложен в открытый доступ. Исследователи, фермеры и природоохранные организации могут самостоятельно загружать спутниковые снимки и получать автоматическую разметку зараженных участков. В дальнейшем Яндекс планирует обучить систему распознавать и другие инвазивные растения.

Квантовые компьютеры могут сломать привычное шифрование быстрее, чем кажется

Почти всё, что мы делаем в интернете, держится на шифровании: банковские переводы, пароли, почта, медицинские данные, HTTPS-соединения в браузере. Сегодня это работает потому, что обычному компьютеру понадобились бы миллионы лет, чтобы взломать такую математику.

Но квантовые компьютеры играют по другим правилам.

В Google уже называют 2029 год дедлайном для перехода на post-quantum cryptography - криптографию, устойчивую к квантовым атакам. По сути, у мира осталось около трёх лет, чтобы перестроить огромную часть цифровой инфраструктуры. Для крупных компаний это не «обновить библиотеку», а многолетняя миграция ключей, протоколов, сертификатов, устройств и legacy-систем.

Повод для паники - не только теория. Google показала квантовый чип Willow, который выполнил стандартную вычислительную задачу менее чем за 5 минут. Для одного из самых быстрых суперкомпьютеров это заняло бы 10 септиллионов лет. Да, это не означает, что RSA и ECC уже можно взломать завтра. Willow использует 105 кубитов, а для серьёзной атаки на криптографию нужны миллионы стабильных кубитов.

Но проблема уже началась.

Есть стратегия harvest now, decrypt later: злоумышленники крадут зашифрованные данные сегодня, сохраняют их и ждут момента, когда квантовые машины смогут их раскрыть. Если данные должны оставаться секретными через 5-10 лет, они уже находятся в зоне риска.

NIST ещё в 2024 году утвердил стандарты постквантовой криптографии, а Google уже внедряет квантово-устойчивые алгоритмы в Android. Инструменты защиты существуют.

Главный вопрос теперь не в том, появится ли угроза.

Главный вопрос - успеет ли мир обновить шифрование до того, как старые алгоритмы станут бесполезными.

Один из самых громких киберстыдов 2026 года уже случился.

Конфиденциальные учётные данные, связанные с американским агентством по кибербезопасности CISA, якобы нашли в публичном репозитории на GitHub.

По данным отчётов, там могли лежать:

• SSH-ключи
• пароли в открытом виде
• учётные данные внутренних систем
• доступы, связанные с инфраструктурой CISA и DHS

И самое неприятное - часть этих данных могла быть доступна публично ещё с ноября 2025 года.

Судя по сообщениям, утечка произошла из GitHub-репозитория, которым управлял подрядчик. Репозиторий просто был неправильно защищён. Проще говоря, кто-то случайно оставил цифровые ключи от критически важных систем прямо в интернете.

Что это значит для обычных пользователей?

Пока нет доказательств, что данные граждан были украдены.

Но такие инциденты повышают риск фишинга, атак с подменой личности и будущих взломов.

А ещё это показывает неприятную вещь: даже главные кибербезопасники могут провалиться на базовой цифровой гигиене.

Агентство, которое отвечает за защиту инфраструктуры США, само засветило свои учётные данные в открытом доступе.

Кибербезопасность сегодня - это не только продвинутые ИИ-угрозы. Иногда всё по-прежнему упирается в обычную человеческую глупость.

Проблему генерации картинок на русском языке наконец решили. Яндекс представил обновленную Alice AI ART — это модель, которая умеет создавать изображения с длинными и читаемыми русскоязычными надписями без искажений и случайного набора символов.

Для бизнеса это уже не просто «поиграться с нейросетями». Модель доступна на платформе Yandex AI Studio и подходит для реальных задач: рекламных креативов, баннеров, карточек товаров, презентаций и лендингов. Особенно там, где важны локализация и понимание русского контекста.

Параллельно на платформе запустили Image Generation Tool — инструмент для встраивания генерации изображений в агентные AI-сценарии. По сути, визуалы теперь можно генерировать прямо внутри рабочих процессов: появился новый товар в системе — AI сам сделал баннер или карточку. При этом создать агента можно на базе любой доступной в Yandex AI Studio модели, включая Deepseek V3.2.

Интересно, что улучшения касаются не только текста. Яндекс дообучил модель на собственном датасете изображений с русскими надписями и переработал архитектуру. В итоге нейросеть стала в 3 раза чаще генерировать корректный русский текст и заметно снизила количество визуальных артефактов.

Reuters пишет, что OpenAI попросила федерального судью отклонить иск, где компанию обвиняют в незаконной юридической практике.

История такая: Nippon Life утверждает, что бывший сотрудник после спора о disability benefits использовал ChatGPT, чтобы завалить суд потоком документов. По версии истца, OpenAI фактически помогла генерировать юридические материалы без реальной правовой цели.

Позиция OpenAI предельно жёсткая:

ChatGPT - не человек, не имеет юридической лицензии и не “практикует право” только потому, что пользователь просит его написать аргументы, motion или research notes.

Если человек без адвоката использует ИИ для судебных документов, кто отвечает за результат?

• пользователь, который отправил документы
• судья, который контролирует процесс
• или компания, которая дала инструмент для генерации текста

OpenAI говорит: решения принимал сам пользователь, суд мог отклонять слабые и повторяющиеся filings, а недовольство messy pro se case не превращает разработчика инструмента в юриста.

Но для рынка это важный сигнал. Суды всё чаще будут видеть документы, написанные через генеративный ИИ. С одной стороны, это снижает барьер доступа к правовой помощи. С другой - может принести больше мусорных ходатайств, фейковых цитат и процессуального хаоса.

ИИ может помочь написать юридический текст.
Но может ли он считаться юридической услугой?

Reuters: https://reuters.com/legal/transactional/openai-says-chatgpt-is-not-lawyer-asks-court-toss-insurers-lawsuit-2026-05-18/

На ЦИПР-2026 прозвучала довольно трезвая мысль: ИИ в промышленности работает только тогда, когда есть база: цифровизация и автоматизация. Без этого нейросети просто не к чему «подключаться». Интересно, что «отрезвил» всех не специалист, а глава Норникеля Потанин.

«Норникель» прямо говорит: сначала создается цифровой контур, потом на него накладываются алгоритмы. И уже в этой связке появляется эффект. Рост производительности, управляемость процессов и понятная экономика внедрения. В этом смысле ИИ вовсе не стартовая точка, а следующий слой развития индустрии.
Еще один важный момент, который обсуждали на ЦИПР-2026: ИИ в промышленности-это всегда партнерская история.
Даже крупные компании не делают это в одиночку. «Норникель» работает сразу с несколькими игроками и моделями, потому что на текущем этапе важно не замыкаться в одной технологии, а сравнивать решения и ускорять внедрение.

Отсюда простой, но сильный вывод: главный риск сейчас - не отставание моделей, а ограничения доступа к ним. В том числе и к международным (интересно, услышат его в правительстве?) Там, где есть конкуренция и выбор, ИИ начинает приносить деньги гораздо быстрее.

Nulla: российский атакующий ИИ-агент, который находит уязвимости быстрее людей

По всему миру нейросети самостоятельно проводят кибератаки и взламывают ИТ-системы за минуты — российские компании работают на опережение и применяют симметричные технологии для превентивной защиты. Т-Банк первым в стране использовал собственную группу ИИ-агентов под названием Nulla для проверки безопасности своей инфраструктуры.

Сервис, на аудит которого ушло бы 2-3 дня работы живого специалиста, Nulla проверяет за 45 минут. Вмешательство человека при этом не требуется.

В отличие от классических сканеров, которые работают по шаблонным сценариям, ИИ-агент адаптирует стратегию атаки и подстраивает ее под особенности системы защиты. Так, Nulla выстраивает сложные, многоэтапные цепочки поиска уязвимостей, не теряя качества проверки, и формирует полную картину потенциальных атак.

Например, ИИ-агент выявляет сценарии:

- нарушения логики доступа – случаи, в которых система некорректно проверяет права и допускает обращение к чужим данным
- обход бизнес-процессов – возможность нарушить последовательность действий и пропустить ключевые этапы проверки
- сложные цепочки взаимодействия между сервисами

Разработка была протестирована на 1300 сервисах экосистемы банка и уже используется как часть системы защиты.

Claude помог вернуть 5 биткоинов спустя 11 лет.

Пользователь сети Х @cprkrn восстановил доступ к 5 BTC (около 400 тысяч долларов), заблокированным еще в 2014 году. Будучи студентом, он изменил пароль от кошелька и забыл его.

Сохраненная мнемоническая фраза не подходила, а многолетние попытки брутфорса через Hashcat, утилиту btcrecover и платные коммерческие сервисы не принесли результата.

Отчаявшись, @cprkrn загрузил все файлы со старого университетского компьютера в Claude.

ИИ-ассистент не стал взламывать алгоритмы шифрования Bitcoin, а провёл своеобразную цифровую археологию.

Сначала Claude проанализировал массив данных и нашел старую версию файла wallet.dat, созданную до злополучной смен пароля.

Затем изучил исходный код инструмента восстановления и обнаружил незамеченный ранее баг: скрипт btcrecover менял местами sharedKey и пароль при дешифровке.

Модель исправила логику кода, извлекла приватный ключ и конвертировала его в формат для импорта в современные клиенты.

В тот же день все монеты были переведены на новый адрес.

История завирусилась в Х, собрав более 10 миллионов просмотров за 12 часов.

Часть профильной аудитории отнеслась к громким заголовкам о взломе криптокошелька нейросетью скептически, справедливо отмечая, что ИИ не совершил криптографического чуда, а лишь выполнил качественный поиск по файлам и отладил чужой скрипт.

Тем не менее, с задачей, которую автор не мог решить более 10 лет, языковая модель справилась в рамках одной сессии.


#news #ai #ml

Как отдать ИИ типовые выгрузки и оставить больше времени на A/B-тесты?

Половина рабочей недели аналитика часто уходит на типовые запросы: срезы по сегментам, выгрузки конверсий «на вчера». В итоге на проверку гипотез и глубинные исследования для продукта или маркетинга нет времени. А топ-менеджеры и руководители неделю ждут цифры, которые можно выгрузить из базы данных за минуты.

Устранить этот камень преткновения между бизнесом и аналитиками помогает ИИ.
С помощью него любой сотрудник может получить доступ к базе данных через чат. Даже если он никогда не писал SQL-запросы.

На вебинаре 26 мая на вебинаре вы узнаете, как устроены ИИ-помощники и как подготовиться к их внедрению. Вместо общих рассуждений про возможности ИИ — конкретный план действий с MWS Data Copilot.

Кому будет особенно полезно: топ-менеджерам и сотрудникам отдела продаж, маркетинга, аналитики.

Когда: 26 мая в 11 по Москве

Регистрируйтесь по ссылке и подключайтесь!

Machine Learning Roadmap: нормальная карта входа в ML без сказок про «выучить нейросети за месяц»

Большой русскоязычный roadmap по машинному обучению: от первого import numpy до LLM, RAG, fine-tuning, AI-агентов и MLOps.

И это не просто очередной список ссылок в стиле «посмотри 40 курсов и станешь ML engineer». Внутри нормальная структура: что учить, в каком порядке, зачем это нужно и какой практический артефакт должен появиться после каждого этапа.

Roadmap разбит на 7 треков:

- фундамент: Python, математика, статистика, инструменты
- классический ML: scikit-learn, табличные данные, метрики, валидация
- Deep Learning: PyTorch, CNN, RNN, training loop
- LLM и трансформеры: attention, KV-cache, RAG, LoRA, агенты
- Generative AI: изображения, видео, аудио, мультимодальность
- MLOps и прод: Docker, Kubernetes, CI/CD, мониторинг, serving
- специализация: CV, NLP, RecSys, RL, Safety

Самое полезное - там честно написано, что ML это не только «обучить модель». В реальности большая часть работы живёт вокруг данных, метрик, деплоя, мониторинга, воспроизводимости и понимания, почему модель вообще ошибается.

Хорошая мысль из roadmap: LLM не делает джуна сениором. Она ускоряет того, кто понимает базу. Без базы человек просто превращается в оператора Copilot, который не может объяснить, почему модель сломалась.

По времени тоже без инфоцыганства:

- 0-3 месяца: кодинг, математика, классический ML
- 3-6 месяцев: Deep Learning и PyTorch
- 6-12 месяцев: LLM, RAG, fine-tuning, AI-агенты
- 12+ месяцев: MLOps, прод, масштабирование, специализация

Короче, если давно хотели системно зайти в ML, а не прыгать между роликами про ChatGPT, Stable Diffusion и «топ-10 библиотек», это хороший ориентир.

https://github.com/justxor/MachineLearningRoadmap/tree/main

GPT-5.5 и Claude Mythos прошли стенды AISI на автономный взлом

Британский институт безопасности ИИ протестировал модели GPT-5.5 и Claude Mythos на способность к автономному хакингу. По данным исследователей, нейросети прервали предыдущий тренд на удвоение сложности решаемых задач каждые 4,7 месяца, показав результаты за пределами измерительной шкалы института.

Модели проверяли на изолированных стендах с имитацией корпоративных сетей. Задачи включали поиск уязвимостей, веб-эксплуатацию и реверс-инжиниринг. Для тестов контекстное окно ограничивали 2,5 млн токенов. В этих условиях Claude Mythos первым прошел оба комплексных сценария: "The Last Ones" и инфраструктуру "Cooling Tower", требующих планирования многоэтапной атаки. GPT-5.5 также показала высокие результаты.

По оценкам AISI, при использовании агентной архитектуры и снятии лимита на токены доля успешных взломов приближается к 100%, из-за чего вычислить предел возможностей новых моделей пока не удается.
aisi.gov.uk

Пользователи твиттера разгромили картину Клода Моне, так как поверили, что это генерация ИИ:

> Чувак под ником SHL0MS написал, что сгенерировал картину в стиле Моне, и попросил подробно рассказать, чем она уступает настоящему Моне

> Диванные искусствоведы начали критиковать работу со светом, деталями, цветами и так далее

> В итоге оказалось, что это не генерация ИИ, а настоящая картина Клода Моне из цикла «Кувшинки»

Жуткое совпадение в истории Bitcoin: первый получатель BTC и единственный в мире Сатоши Накамото жили в одном городке

В мире, где блокчейн уже стал инструментом для AI-агентов и децентрализованных вычислений, мы иногда забываем, с чего всё начиналось. А начиналось всё с одной транзакции, отправленной в январе 2009 года. И за этой транзакцией скрывается совпадение, от кото
Первым человеком на планете, получившим биткоин, стал Хэл Финни. Сатоши Накамото отправил ему 10 BTC в качестве теста сети. Хэл был легендой криптографии, разработчиком PGP, ранним сторонником cypherpunk-движения. Почти десять лет он жил в крошечном калифорнийском городке Темпл-Сити с населением всего 36 тысяч человек.

В марте 2014 года журнал Newsweek опубликовал сенсационную обложку. Журналистка Лия Макграт Гудман заявила, что нашла настоящего создателя Bitcoin. Им оказался 64-летний инженер на пенсии Дориан Прентис Сатоши Накамото, который жил в том же самом Темпл-Сити, всего в 1,6 милях от старого дома Хэла.

Но дальше становится ещё интереснее. Хэл и Дориан выросли буквально на соседних улицах. Будучи подростками, они ходили по одним и тем же тротуарам. Хэл учился в школе Arcadia High School, а Дориан ездил в Cal Poly из Темпл-Сити.

Через несколько часов после публикации Newsweek журналист Forbes Энди Гринберг сложил два и два. Он сел в машину и поехал прямо к дому Хэла в Санта-Барбару, чтобы задать ему вопрос в лоб. Хэл всё отрицал. Он сказал, что не является Сатоши и никогда в жизни не встречал Дориана Накамото. Гринберг изучил приватную переписку Хэла с Сатоши и поверил ему. Никакой связи там не было.

И вот вопрос, на который криптосообщество не может ответить уже больше десяти лет. Как так вышло, что первый человек на Земле, получивший биткоин, провёл всё своё детство, гуляя по улицам мимо единственного в мире человека по имени Сатоши Накамото? Из всех городов планеты, из всех возможных имён, которое мог носить случайный незнакомец, изобретатель Bitcoin отправил первую транзакцию именно тому, кто рос рядом с настоящим Сатоши.

Совпадение, симуляция или скрытая закономерность, которую мы пока не научились распознавать даже с помощью современных нейросетей? Каждый решает сам. Но история эта точно достойна того, чтобы её разобрали в каком-нибудь детективном LLM-промпте.

Источник: https://x.com/0xSweep/status/2052706105839554960

Машинное обучение — большая область. Искать в ней работу по принципу «куда возьмут» — не обязательный путь, можно выбрать направление, где вам действительно интересно.

На курсе Нетологии «Инженер машинного обучения» вы освоите базу ML-проектов и сможете выбрать специализацию: компьютерное зрение или обработку текста, речи и языка. Первая пригодится в задачах с изображениями и видео, вторая — в чат-ботах, поиске, распознавании речи и генерации текста.

Можно пройти обе специализации и собрать более широкий профиль. В программе 10+ проектов, консультации с ментором, сессии с практикующими инженерами машинного обучения и карьерная поддержка.

Останется выбрать, что вам ближе — научить модель видеть, понимать текст или делать всё понемногу.

Купите курс в мае со скидкой 50% по промокоду IT50MAY

👉Подробнее

Реклама. ООО “Нетология” ОГРН 1207700135884 Erid: 2VSb5xbMWrv

Прокачай ноги, прокачай нейросеть в голове: исследование показало, как присед влияет на мозг айтишника

Если вы целыми днями сидите перед монитором, разбирая логи, ревьюя пулреквесты или гоняя обучение модели на восьми A100, у вас есть хорошая новость и плохая. Хорошая в том, что для долгой и здоровой работы мозга помогают не только ноотропы и кофе. Плохая в том, что качать придётся именно ноги, а не только пальцы на клавиатуре.

Свежее исследование, которое разлетелось по научному твиттеру, говорит прямо: силовая тренировка ног это не про объём бицепса бедра и красивые ягодицы для летнего сезона. Это про то, как ваш мозг будет работать через десять, двадцать и тридцать лет. Приседания, выпады и контролируемые упражнения с сопротивлением улучшают кровообращение во всём теле, в том числе в зонах мозга, которые отвечают за память, внимание и принятие решений. Лучший кровоток это больше кислорода и питательных веществ для нейронов, а значит, нейроны работают эффективнее.

Дальше интереснее. Регулярная силовая нагрузка влияет на гормоны и факторы роста, которые заставляют мозг достраивать и поддерживать нейронные связи. По сути, это биологический сигнал к тому, что нужно сохранять пластичность, то есть способность мозга перестраиваться под новый опыт. За месяцы и годы тренировок более сильные мышцы ног превращаются в более устойчивую нейронную сеть в голове, и это напрямую отражается на скорости мышления, удержании информации в памяти и способности решать задачи.

Бонус для разработчиков и инженеров по данным. Интенсивные тренировки нижней части тела помогают регулировать метаболизм и снижают системное воспаление, а оба этих фактора напрямую бьют по когнитивным функциям. Сидячая работа, плюс хронический стресс от дедлайнов, плюс воспаление, это короткий путь к тому, что в сорок пять вы начнёте забывать имена переменных, которые сами же и придумали. Силовая на ноги создаёт внутреннюю среду, в которой мозг дольше остаётся ясным, а возрастные когнитивные изменения откладываются.

Параллель с тем, чем мы занимаемся в ИИ, напрашивается сама. Мы тратим месяцы на то, чтобы вычистить датасет, подобрать learning rate и не дать модели переобучиться. А свою собственную, биологическую модель, которой мы будем пользоваться всю жизнь, многие просто игнорируют. Хотя инфраструктура у неё одна на всю карьеру, и заменить видеокарту тут не получится.

Вывод простой. Если хотите ясно мыслить в сорок, пятьдесят и шестьдесят, добавляйте к коду приседания. Это не лайфхак из инстаграма, это биология, подкреплённая исследованием.

Research Paper DOI: 10.1159/000441029