Совсем скоро нам станет полноценно доступна новая версия C#, и мы продолжаем наш ежегодный цикл обзора нововведений. В этот раз команда Microsoft приготовила нам ряд очень интересных и ожидаемых изменений. Предлагаю рассмотреть их подробно.
Друг предложил: давай отдадим правосудие ИИ, который видит всё. Ни взяток, ни запуганных свидетелей, ни подставных. Я занимаюсь безопасностью и пишу сканер для MCP-серверов, поэтому сразу начал искать, где эта идея ломается.
Оказалось, ломается она уже на простой арифметике: система распознавания лиц с долей ложных совпадений 0,1% на городе в 10 миллионов почти всегда указывает на невиновного. Посчитал это на Python, разобрал реальные случаи ошибочных арестов и алгоритм COMPAS, прикинул, как мог бы выглядеть честный ИИ-судья, и посмотрел, что сами модели вытворяют на тестах.
Две модели кредитного скоринга на открытых данных Home Credit. У модели A AUC выше, у модели B — ниже. При обычной отсечке «одобряем лучшие x %» B зарабатывает на 113 млн больше, и это не шум: B впереди в 200 из 200 бутстрэп-выборок. Как только решение принимается по каждому кредиту — откалиброванная PD × сумма × срок, — разрыв исчезает, а обе модели зарабатывают больше, чем при любой отсечке по скору. Ниже — почему так, сколько это стоит и что из этого следует для того, кто подписывает кредитную политику.
Все спрашивают одно и то же: куда уходят промпты и файлы, которые мы отправляем в нейросети, и можно ли верить обещаниям вендоров. Короткий ответ: зависит от тарифа, а большинство страхов либо преувеличено, либо направлено не туда. Мы разобрали условия сервисов, инциденты и исследования и собрали порядок действий для компании. Решайте, что можно отправлять в нейросеть, а что нельзя, по фактам, а не по слухам.
Недавно я был на хардкорной конференции про облачные технологии и ИИ. Но не в качестве спикера или гостя, а в качестве технического интервьюера: проводил короткие собеседования с Go-разработчиками для наших команд.
Мы наивно рассчитывали, что к нам выстроится очередь, но к рекрутерам за весь день подошли всего два Go-шника. Конечно, приятно думать, что доклады были настолько интересными, что никто не хотел их пропускать. Но вообще я задумался: почему так получилось?
А в статье расскажу, о чем мы беседуем, какие даем задания и как оцениваем кандидатов — пригодится, если соберетесь к нам на собес. Спойлер: нет, вопросов, кем вы видите себя через пять лет и как отмерить 15 минут с помощью свечки, не спрашиваем.
В команде PHP Foundation представили технический отчёт о проблемах, возникших в процессе устранения исправленных ранее двух критических уязвимостей PHP2Shell в PHP (CVE-2026-109618 и CVE-2026-109619, которые потенциально могли привести к несанкционированному RCE. Но по факту оказалось, что в PHP нет простого способа эксплуатации этих уязвимостей.
Всю жизнь у меня с английским был один и тот же сценарий. Я хотел начать регулярно заниматься, скачивал очередное приложение, держался несколько дней и благополучно на всё забивал.
Потому что работа, дела и приложение постоянно забывалось в этом потоке. А тут ещё сова начинает слать пассивно-агрессивные пуши про сгоревший стрик...
Приглашаем на Ozon Tech Platform Meetup
30 октября встречаемся в Москве, в лофте Casa Picassa на короткие доклады и глубокие технологические дискуссии.
Все сервисы, о которых поговорим, написаны на Go. Но мы ждём не только Go-разработчиков. Будем рады всем, кто интересуется платформенной инженерией или просто хочет узнать, как всё устроено у нас.
Регистрируйтесь на странице события и присоединяйтесь
Темы выступлений:
Под капотом Ozon: как устроена технологическая платформа.
Михаил Кабищев, руководитель департамента разработки PaaS, о задачах Платформы сегодня, о стандартах разработки, CI/CD, сетевой инфраструктуре, мониторинге и инфраструктурных сервисах.
Как мы оптимизировали более 4 000 сервисов на Go перед сезоном распродаж.
Денис Крупецкий, руководитель группы разработки Go-платформы, о том, как мы освободили 7000+ CPU в масштабе более 4 000 микросервисов на Go.
Олимп: как устроен портал платформы данных в Ozon?
Артемий Сероокий, руководитель платформы управления и визуализации данных, о том, как мы организовали взаимодействие с множеством сервисов и построили удобный интерфейс, который можно развивать независимо от изменений бэкенда.
Митап проведёт Марина Самойлова, руководитель направления платформы данных.
До встречи!
«Тантор Лабс» и разработчик платформы контейнеризации и управления ИИ-инфраструктурой «Платформа Боцман» представили новую программно-аппаратную технологию хранения кэша ключей и значений (KV-cache) без использования памяти DRAM. В отличие от решений с программной оптимизацией кэширования, уникальная для российского рынка технология работает на уровне специализированного оборудования и позволяет использовать для кеша нейросетей специализированное NVMe-хранилище контекстной памяти (context memory storage), снижая зависимость от ограниченного объёма дорогостоящей HBM-памяти GPU и DRAM. Это резко увеличивает число одновременно обслуживаемых пользователей, ускоряет инференс и сокращает задержки обработки запросов, масштабируя корпоративные ИИ-сервисы без пропорционального увеличения количества ускорителей. При этом скорость доступа к данным сопоставима с показателями памяти DRAM, но с более низкой стоимостью за терабайт.
В сентябре появились новые, более мощные модели: Claude Fable 5.1, GPT-6 Astra, Gemini 3.8 Flash. Однако использовать эти модели становится всё сложнее — из-за сокращающихся лимитов подписок, роста стоимости (уже есть подписка по 500 долларов в месяц!) и внезапных блокировок аккаунтов.
Альтернатива — открытые модели, которые можно развернуть на своем оборудовании или арендованном сервере. Для части из них достаточно обычной RTX с 8–12 ГБ видеопамяти; для более крупных можно использовать GPU с 24–32 ГБ. Мы выбрали несколько таких моделей, включая новинки последних месяцев, чтобы разобрать, на что они способны и какие задачи могут решать.
«Ну как ты выкладываешь товар? Почему ценники не обновил? Ты опять не так ответил покупателю - на тебя жалоба!» – упреки, которые сотрудник магазина слышит много раз за смену. И никакой конкретики. «Опять придирается... Замучил уже!» – думает он и продолжает делать по-своему.
Привет, Хабр!
Я занимаюсь разработкой архитектуры для автономных робототехнических систем, которые должны работать в экстремальных условиях: без интернета, без облаков и без возможности оперативного вмешательства человека.
Одна из ключевых проблем таких систем — обеспечение целостности логов. Если устройство попало в аварию или было скомпрометировано, традиционный текстовый файл system.log не является доказательством: его можно незаметно отредактировать, удалить строки или изменить порядок событий.
Корпоративные SIEM-системы (вроде ELK) слишком тяжелы для К сожалению, данная публикация не сможет пройти модерацию, в соответствии с п.4 Правил ресурса.в с ограниченной памятью и вычислительной мощностью. Облачные решения неприменимы из-за отсутствия связи.
В этой статье я расскажу, как я реализовал легковесный, не требующий внешних зависимостей модуль на чистом Python, который создает криптографически неизменяемую цепочку записей (по аналогии с блокчейном), и покажу, как он обнаруживает любые попытки подделки.
Как разрабатывать продукты, когда их могут круглосуточно атаковать самые лучшие пентестеры за всю историю?
Мне было интересно проверить, действительно ли модель, которая хороша в кибербезе, может сама сразу писать хороший и надежный код. «Чтобы тебя не взломал Mythos надо писать код на Fable» — такое мнение мне не очень нравится.
Поэтому я на Fable написал банковское приложение, развернул его на свеженьком сервере, а затем натравил на него для автономного взлома расцензуренный DeepSeek.
Потом разыграл угон токена и дал покопаться с улицы в своём экспериментальном bare metal, а под конец решил проверить, насколько далеко модели готовы зайти за пределами кибербезопасности и спланировать буллинг.
Спойлер: «просто писать код на Fable» — не всегда работает. Я проверил.
Давайте разбираться, будет весело.
Привет! Я Наталья Йаман, исполнительный директор «Синтеки». Мы разрабатываем софт для строительной отрасли, наш основной продукт — это SRM-система, которая автоматизирует закупки: от выбора поставщика до принятия доставки.
С 1 сентября 2026 года наши пользователи должны перейти на ЭТрН — электронные транспортные накладные. Поскольку строительные компании принимают материалы через «Синтеку», нужно было встроить новый цифровой документ в наши процессы.
Казалось бы, локальная доработка: технически интегрировать ЭТрН просто. Сложнее сделать так, чтобы эта интеграция работала: нужны данные, которые вносят чужие сотрудники в других системах. Расскажу, как простая задача вывела нас далеко за пределы своего продукта.
Умный дом уже никого не удивляет. А умный храм? Зачем православному храму понадобились контроллер, реле и скрипты — и что здесь можно поручить автоматике?
Нейросеть за пару минут превращает два абзаца расплывчатого ТЗ в подробную спецификацию интеграции. Документ выглядит убедительно, но часть требований модель формулирует самостоятельно, без согласования с заказчиком. На примере 12 прогонов ChatGPT и Claude разберём, какие решения LLM принимают за системного аналитика, почему это опасно для проекта и как выявлять скрытые допущения до начала разработки.
Привет, Хабр!
Попробуйте на свежем stable реализовать для своего типа юниксовое расширение из std, которое отвечает за запуск процессов. Компилятор откажет одной аккуратной ошибкой и ткнёт вас в строчку исходников std, написанную синтаксисом, которого в stable нет. Ещё в 1.97 тот же код давал две ошибки, и одна из них проговаривалась про какой-то приватный трейт с пометкой nightly-only.
Прикол в том, что случай не единичный. В исходниках std, которые лежат рядом со stable 1.98, таких трейтов 41, а в nightly уже 55. Это третья часть «Чудес nightly». В первой были gen-блоки, специализация и прочая чудеса, во второй ключи, которые std выписала только себе. Сегодня фичи, которые выкидывают привычные костыли.
Это моя первая статья подобного рода(да и в целом любого рода), в которой я покажу как писал keygen для простенького приложения. Я использовал динамический анализ через x96 dbg, плюсы для keygen'а, и, конечно же, родненький ассемблер. Статья предназначена для новичков в реверсе и всех, кто хочет что‑то вспомнить. Если зайдет — это может превратиться в серию статей с повышающимся уровнем сложности реверса, но это в мечтах, а пока к сути.
Жители деревни Тернско в Южном Йоркшире уже два дня испытывают перебои с телефонной связью и доступом в интернет. Злоумышленники повредили сеть, похитив несколько метров медного кабеля. По данным полиции, в соседнем населённом пункте также повреждены линии телефонной связи и украдены крышки люков.
В Openreach извинились за перебои в работе сети и сообщили, что специалисты уже устраняют повреждения. По данным компании, с апреля 2024 года преступники украли 153 км кабеля, временно оставив без связи более 100 тыс. человек.
Как вы знаете, мы в LANSOFT активно поддерживаем фонд «Хранители детства», а они, в свою очередь, поддерживают все (ну почти) наши идеи по развитию и автоматизации коммуникаций.
Фонд небольшой: за 2025 год к ребятам пришли с поддержкой всего 52 активных донора и принесли чуть больше 300 000 рублей пожертвований. Все письма благотворителям сотрудники составляли и отправляли сами: спасибо за перевод, ваши деньги были потрачены на то или это, история подопечного или аккуратное напоминание тем, кто давно не проявлял себя. И занимались этим менеджеры, у которых основная работа – подростки, наставники и стажировки, а не рассылки. Каждое письмо – это зайти в выгрузку, глазами найти нужных людей, скопировать текст из шаблона, поправить обращение…
В общем, мы решили автоматизировать такие коммуникации в CleverData Join и настроить их по методу RFM-анализа. Отдельной кнопки «собрать RFM» в CleverData Join нет, и это сознательное решение. Вместо закрытого функционала в некоторых CDP, который считает RFM по своим внутренним правилам, наша платформа дает конструктор – вычисляемые атрибуты профиля и сегменты на DMPQL, из которых RFM собирается под задачу конкретного клиента. Ниже расскажем, как мы это делали и, главное, как выбирали пороги, когда данных мало и взять больше негде.
Продолжаем экспериментировать!
Те, кто читал прошлые статьи, знают, что в определённый момент мне пришла в голову идея, как можно полностью устранить сильный шум при ЧПУ-фрезеровании дорожек печатных плат на моём домашнем ЧПУ-станке типа 3018 — но не собственно фрезеровать их (это шумно и пыльно), а вместо этого выцарапывать их с помощью ЧПУ-станка и твердосплавного резца (дефолтного, трёхгранного, идущего в комплекте со станком).
Выполняя это, помимо всего прочего, под водой с мылом, в специальной ванне, чтобы полностью устранить пыль и облегчить работу резца за счёт появления эффекта Ребиндера.
Так как подобного ещё никто не делал, мне было интересно проверить концепцию — я её проверил и убедился, что это совершенно точно работает!
В качестве доведения до абсолюта я даже выдвинул идею, что вместо твердосплавного резца можно было бы использовать для царапания специальный стальной цилиндрический инструмент, в кончик которого вмонтирован алмаз!
В теории это должно полностью устранить износ инструмента как такового (так как и медь дорожек, и материал подложки печатной платы существенно меньше по твёрдости, чем алмаз; да и к тому же, применяется эффект Ребиндера (его даёт мыльная вода), который многократно усиливает режущие свойства инструмента).
Однако на данный момент, пока алмазный резец мне ещё не пришёл, мы проверим ещё одну идею (возможно, даже гораздо более интересную и перспективную!): а нельзя ли использовать стандартный резец для поднятия качества?!
Вот и проверим! ;-)