Викторина 3️⃣
Какие атаки труднее всего обнаружить?

В мире кибербезопасности нужно быть готовым к любым сценариям. Одни угрозы оставляют шум и следы, другие — действуют точечно и быстро. Но есть и такие, которые способны месяцами оставаться незамеченными, постепенно углубляясь в инфраструктуру и данные.

Готовы проверить, насколько хорошо вы их знаете?⬇️

Разбор Викторины #3: Какие атаки труднее всего обнаружить?

💜 Спасибо за участие в нашей викторине! Пришло время разобрать ваши ответы.

✅ Правильный ответ: б) Advanced Persistent Threat (APT)

🔍 APT — это сложные, целенаправленные атаки, проводимые опытными злоумышленниками для доступа к данным или системам. Они используют различные методы для подготовки атаки (социальную инженерию и инсайды), проникновения (эксплоиты и вредоносный код), а также устанавливают длительный доступ к взломанным системам.

🔒 Обнаружить APT в реальном времени крайне трудно. Угроза остается незамеченной месяцами или годами, фокусируясь на краже данных или шпионаже без явных следов.

📌 Почему другие варианты не подходят?

➖ DDoS: направлены на нарушение доступности сервиса, а не на компрометацию данных. Кроме того, они легко обнаруживаются в реальном времени из-за резкого роста трафика и перегрузки серверов. Мониторинг сети и средства защиты вроде межсетевых экранов быстро фиксируют такие инциденты.

➖ SQL-инъекция: цель этой атаки — манипуляция базами данных через уязвимости в веб-приложениях. Угрозу можно обнаружить в реальном времени с помощью web application firewalls (WAF), анализа логов или мониторинга баз данных.

➖ Cross-site scripting: атакует пользователей через внедрение вредоносных скриптов в веб-страницы. Обычно XSS оставляет явные следы, такие как выполнение скриптов или кража сессий. Обнаруживается в реальном времени через браузерные инструменты, Content Security Policy или сканеры уязвимостей.

Был ли ваш ответ верным? Делитесь мыслями в комментариях ⬇️

Миф 9️⃣: у всех учёных нет денег, они работают «за идею»

Образ «бедного учёного-энтузиаста» прочно засел в массовой культуре. Многим кажется, что учёные живут на сухарях и ночуют в лаборатории, лишь бы продвинуть науку. Но реальность гораздо сложнее.

🔍 Наука действительно не про быстрые деньги — это марафон, а не спринт. Но сегодня в науку инвестируют государство и индустрия. Гранты, конкурсы и международные проекты позволяют исследователям работать на достойных условиях.

🔥 Учёные умеют зарабатывать!

Часть идей уходит в бизнес: патенты, технологические стартапы, консалтинг, сотрудничество с индустрией. Многие исследователи участвуют в коммерческих проектах, совмещая фундаментальную науку и прикладные задачи.

Есть направления, где зарплаты учёных сопоставимы с IT и корпоративным сектором. Особенно это касается биотеха, ИИ, фармы и энергетики.

🎓 Академическая карьера — это долгосрочная инвестиция

Да, молодым учёным бывает трудно. Конкуренция высока, а первые шаги оплачиваются скромнее. Но по мере роста опыта и публикаций исследователи получают стабильные позиции, и их труд ценится все выше.

Научная реальность: учёные работают не только «за идею», но и за достойные деньги. Идея движет прогрессом, а ресурсы позволяют её реализовать.

⚡️ Schema-Guided Reasoning: новый метод, который учит модели рассуждать по шагам

Недавно появился новый метод — Schema-Guided Reasoning (SGR). Он задаёт модели строгую последовательность рассуждений и позволяет значительно «прокачать» даже базовые LLM.

🔍 Как это работает?

Мы заранее задаём структуру ответа — шаги решения, вычисления и финальный результат. Модель подстраивается под этот «шаблон рассуждений» и отвечает более точно и прозрачно.

📌 Например, возьмём задачу: решить квадратное уравнение 2x² + 3x - 2 = 0.

Схема SGR задаётся через Python-код:

Пример запроса:

from typing import List
from pydantic import BaseModel, Field
from langchain_openai import ChatOpenAI

# Инициализируем базовую LLM
llm = ChatOpenAI(api_key='', model="gpt-4.1-nano")

# Задаем последовательность шагов рассуждения
class MathReasoning(BaseModel):
    """Решение задачи"""

    steps: str = Field(description="Коротко шаги решения")
    calculations: str = Field(description="Вычисления по шагам")
    final_answers: List[float]

# Оборачиваем LLM так, что бы она следовала структуре выше
structured_llm = llm.with_structured_output(MathReasoning)

# Определяем промпт и получаем ответ
print(structured_llm.invoke("Реши уравнение 2x² + 3x - 2 = 0"))

Пример ответа:

MathReasoning(
    steps="""1. Найдем дискриминант D = b² - 4ac. Здесь a = 2, b = 3, c = -2.
    2. Решим квадратное уравнение с использованием формулы x = (-b ± √D) / (2a).""",
    
    calculations="""D = (3)² - 4 * 2 * (-2) = 9 + 16 = 25. 
    Решение: x₁ = (-3 + √25) / (2 * 2) = (-3 + 5) / 4 = 2 / 4 = 0.5;
    x₂ = (-3 - √25) / (2 * 2) = (-3 - 5) / 4 = -8 / 4 = -2.""",
    
    final_answers=[0.5, -2.0]
)

В каких областях применяли бы такой метод вы? Делитесь в комментариях ⬇️

📰Дайджест новостей в сфере ИИ: собрали главные инфоповоды недели

Что нового в мире ИИ за неделю? Умные очки, роботизированные инвалидные кресла и нейросети для квантовых компьютеров — собрали самое интересное в нашем дайджесте! ⬇️

🇷🇺В России:

«СДЭК Фулфилмент» выпустил ИИ-решение для E-commerce. Оно формирует ответы на отзывы покупателей

Ученые Института проблем машиноведения РАН и Санкт-Петербургского государственного университета создали роботизированное инвалидное кресло, управляемое сигналами мозга, которые анализируются с помощью машинного обучения

В Первом Московском государственном медицинском университете им. И.М. Сеченова создали веб-приложение для выявления новообразований головного мозга на МРТ-снимках с помощью компьютерного зрения

Геофизики СПбГУ и МГУ им. М.В. Ломоносова создали нейросетевой алгоритм для ускорения обработки поверхностных сейсмических волн при освоении нефтегазовых месторождений шельфа

IBS открыла Центр перспективных разработок, который займется исследованиями и разработками в области искусственного интеллекта

Исследователи Курчатовского института задействовали ИИ для создания вакцин против коронавируса, болезни Лайма и африканской чумы свиней

X5 Group сформировала команду X5 Robotics для разработки и пилотирования автоматизированных решений, включая роботов

🌍В мире:

Нидерландская компания Envision создала умные очки Ally Solos для слабовидящих. Они могут распознавать текст, людей, знаки, предметы и описывать окружающую обстановку

Alibaba выпустила ИИ-агента Accio Agent для автоматизации задач бизнеса в глобальной торговле

Ученые Стэнфордского университета (США) расшифровали внутреннюю речь человека с помощью нейроинтерфейса и ML-алгоритма

OpenAI в GPT-6 планирует сфокусироваться на долговременной памяти

NVIDIA выпустила набор данных и ИИ-моделей для распознавания речи и перевода. Поддерживаются 25 языков, включая русский

DeepSeek выпустил новую версию своей модели DeepSeek V3.1 с улучшенной памятью и поддержкой более крупных запросов

Ученые Китайского университета науки и технологий использовали ИИ-модель для сборки атомных решеток — основы будущих квантовых компьютеров

Как AI может стать другом в контенте?

24 августа Максим Абрамов, исполнительный директор по исследованию данных в Сбере, расскажет о создании вовлекающего контента с использованием искусственного интеллекта

Регистрируйся и ставь напоминание 📆

🤖 Как использовать ИИ для бизнеса, науки и творчества?

Мы рады, что на наши конференции и встречи приходят люди из самых разных сфер — от науки и технологий до бизнеса и креативных индустрий. И всех объединяет одно: интерес к тому, как применять ИИ, чтобы работать эффективнее.

Делимся с вами хорошей новостью: СберУниверситет подготовил бесплатный обучающий курс «Работа с LLM GigaChat»

Вас ждёт:
⚪️ знакомство с GigaChat и Kandinsky;
⚪️ основы промпт-инжиниринга и практические задания;
⚪️ примеры использования LLM — от маркетинга до научной деятельности;
⚪️переход на продвинутый уровень: системный промптинг, GigaChat API, работа с GigaChain и RAG.

💡 После прохождения вы поймёте, как устроены большие языковые модели, какие факторы влияют на качество ответа и как писать промпты так, чтобы получать именно нужный результат. А для тех, кто дойдёт до конца, открывается возможность создавать собственные решения на базе GigaChat.

Пройдите курс и начните применять нейросети в своих проектах уже сегодня!

Еще больше об ИИ и науке читайте в DSCS.pro

📆Сегодня, 27 августа, в 17:00 приглашаем на еженедельный научный семинар DSCS.pro

Готовы обсудить с вами научные открытия и разработки в области ИИ и информационных технологий.

Тема семинара: «Методы повышения качества ответов LLM: SGR, CoT и Multi-Agent»

🎙 Спикер: Валерий Дмитриевич Олисеенко

➡️На семинаре разберём, какие существуют методы улучшения качества ответов у моделей без встроенного механизма рассуждений, какие подходы на сегодняшний день считаются наиболее эффективными и как их можно применить на практике.

🔗Подключиться можно по ссылке, будем всех ждать!

#seminar

Научный семинар совсем скоро 🎓

Начало через 10 минут, подробности в предыдущем посте⬆️

Подключиться можно по ссылке, будем рады видеть вас, присоединяйтесь!