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.
Threat Intelligence (TI) приносит пользу ровно в тот момент, когда помогает принимать решения быстрее и точнее: SOC — в часах, IR и хантинг — в неделях, CISO — в кварталах. Самая дорогая ошибка — пытаться одним и тем же потоком закрыть всё сразу: тогда тактический слой превращается в шум, а стратегический — в «дайджест тревожности». Развести уровни TI можно по трём признакам: кто потребитель, какой горизонт и какое действие должно стать лучше. Ниже — компактная модель трёх уровней с минимально‑достаточными шагами по сбору/анализу и встраиванию в процессы.
TI часто продают как универсальный «витамин безопасности»: выпил — и сразу стал зрелым. На практике TI скорее похож на хороший навигатор в тумане: двигатель (процессы, люди, инструменты) он не заменит, но заметно снижает шанс улететь в кювет, когда видимость нулевая. Проблема начинается, когда навигатор пытаются использовать как молоток: одним и тем же набором индикаторов закрывают и ночные блокировки, и охоты, и разговор о бюджете. Результат предсказуем: SOC получает шум и исключения «потому что мешает», а руководство — цифры без смысла.
В зрелых методологиях TI повторяется один тезис: информация об угрозах ценна не сама по себе, а как материал для решений. Поэтому в авторитетных определениях TI обычно понимают широко: это и индикаторы компрометации, и поведение противника (TTP), и выводы из расследований, и рекомендации по обнаружению/сдерживанию/предотвращению.
Из одного и того же «сырья» можно делать разные продукты — и именно здесь чаще всего всё и путают: разные продукты начинают требовать от одного потока одновременно скоростной автоматизации, глубокой аналитики и красивой коммуникации для руководства.
Привет, Хабр! Меня зовут Александра, я Data Scientist в компании Рафт. Часто в DIY-ритейле можно столкнуться с такой проблемой: клиент присылает excel таблицу с десятками товаров, pdf файл на несколько страниц и письмо в духе «нужен еще гипсокартон 2500х1200х12,5 мм 10 листов». Все это за 5–15 минут менеджерам нужно превратить в нормальное коммерческое предложение.
Мы подумали: а давайте сделаем end-to-end ИИ-систему, которая сама разбирает любой входящий файл или сообщение, понимает, что нужно клиенту, подбирает релевантные товары и формирует готовое КП. Без траты на миллиард токенов и с ограниченным бюджетом.
В статье - честный разбор: что сработало, какие гипотезы не прошли, наш индивидуальный подход и как мы экономим на LLM.
Если вы тоже мучаетесь с неструктурированными заявками - добро пожаловать, сейчас будет полезно.
Меня зовут Валерия Гаращенко, я руководитель группы углубленной аналитики в персонализации Lenta Tech. В этой статье я постараюсь простыми словами рассказать, как устроены рекомендательные системы в ретейле и где проходит граница между удобной подсказкой и назойливостью.
Эта статья родилась в рамках усталости от обвинений авторов статей в том что они пишут статьи с помощью ИИ, однако последней каплей для меня послужило то, что доказать это однажды попытались копипастой ответа ИИ (!), то есть противники ИИ настолько обезумели от самой идеи того что некоторые статьи пишутся ИИ, что используют ИИ для того чтобы доказать что статья написана ИИ, то есть это как убить человека для того чтобы доказать другому человеку то он убил человека, я давно хотел написать эту статью, но понял что это все заходит слишком далеко и откладывать ее написание я больше не могу. Будет дан ответ на вопрос почему мы УЖЕ проиграли ему и почему его появление было просто вопросом времени.
Осторожно, много текста так как реально наболело.
Вашего сайта нет в ответах ChatGPT. Подрядчик предлагает добавить llms.txt, переписать страницы под «LLM-ключи» и купить пакет с гарантией попадания в рекомендации. Звучит как план — пока не выясняется, что поисковый робот вообще не может прочитать сайт. Вокруг GEO — продвижения в ответах нейросетей — уже вырос рынок, на котором реальные технические задачи легко спутать с дорогими ритуалами. И платить за эту путаницу приходится владельцу сайта.
После прошлой статьи про оптимизацию сайтов под нейросети мне написало немало читателей. Но рядом с вопросами про robots.txt, рендеринг и доступность контента всё чаще появлялись другие: «SEO теперь можно бросить?», «Нужны особые слова для ChatGPT?», «Нам обещают место в ответах за 30 дней — брать?» По этим вопросам стало понятно: прежде чем обсуждать, как попасть в ответы нейросетей, стоит разобраться, за что точно не нужно платить.
Здесь — десять мифов о GEO, которые мешают трезво оценивать результат и уводят бюджет не туда. Разберём, почему один удачный ответ ChatGPT ещё ничего не доказывает, ноль переходов не обязательно означает провал, а полезный технический файл не становится пропуском в рекомендации. По каждому мифу — откуда он взялся, где ломается его логика и что делать вместо этого. В конце соберём рабочую последовательность действий: чтобы начать не с покупки «магии», а с проверки того, что действительно мешает вашему сайту.
Владельцы Samsung Galaxy Watch сообщают о появлении пятен, похожих на ожоги, в месте, где расположен блок датчиков устройства.
Так, пользователь Reddit под ником ksima_03 пожаловался, что получил ожог от своих Galaxy Watch 5 Pro. По словам владельца, он обычно надевает часы на ночь, предварительно их зарядив. В этот раз он проснулся и обнаружил, что часы полностью разряжены, а на запястье появился ожог с волдырём.
Аннотация: Эссе предлагает расширить понятие смысла теории Н. Лумана за пределы систем психического и социального типа – на LLM-системы, для чего найден способ их формализации в отдельный тип лумановских систем. Операциями такой формализации выступают преобразования множеств семантических векторов, производимые LLM в ходе обслуживания беседы с пользователем, которые обеспечивает смену состояний беседы; последовательность таких преобразований образует поток операций, производящий собственную темпоральность и обладающий операционной замкнутостью и автопоэтическим воспроизводством. Опираясь на лумановскую теорию смысла как единства различия актуального и возможного, показывается, что выбор следующего состояния беседы из множества доступных альтернатив (горизонтов) происходит в LLM-системах в полном соответствии с лумановской теорией, что и вводит в ее приложения наряду со смыслами мышления и коммуникации еще и LLM-смыcл.
Ключевые слова: Автопоэтические системы, LLM, Смысл: медиум и формы, Н. Луман.
Введение: Пределы антропоморфного смысла
Появление LLM (Large Language Models) поставило перед философией проблему описательного языка, выходящего за пределы дихотомий «субъект/инструмент» или «сознание/имитация». Пока непринимающие называют LLM «стохастическими попугаями» / «зарвавшимися синтаксисами», а принимающие энтузиасты ищут в них искры разума (AGI/ASI – Artificial General / Super Intelligence), можно попробовать найти иную оптику, которая сдвинет перспективу осмысления из позиции «Мыслит ли машина?» в сторону «Как машина воспроизводит связность коммуникации, выглядящую осмысленной для участника?».
При разработке своей макетно-отладочной платы на базе отечественного микроконтроллера я проводил анализ существующих решений. Одно из них заинтересовало меня особенно — модули фирмы «Фрактал». В частности, интерес мой был вызван ореолом таинственности: сайт их не работал, а сторонней информации в сети оказалось крайне мало: помимо новостей 2012 года, единственными источниками были YouTube-канал Андрея Владимировича Тарасова и его страница в LinkedIn. Мне удалось связаться с ним и получить информацию о созданных решениях, истории и нюансах работы компании, а также новых вызовах и перспективах электроники.
Сегодня мы с вами погрузимся в историю проекта: от первых самодельных ПК на базе Intel i8080 до применения модулей в космосе, промышленности и их роли в эпоху ИИ. Держитесь крепче, ведь мы переносимся в 1990-е, где задолго до массовых плат Arduino, в Зеленограде появился отечественный модульный конструктор для создания автоматики — «Фрактал».
Представьте ситуацию: человек полчаса собирал важный отчёт в веб-таблице или подбирал сложную комбинацию фильтров, нажимает «Сохранить» или «Применить» — и страница намертво замирает. Курсор превращается в колесико, меню не открывается, скролл не работает. В голове пользователя сразу паника: «Всё зависло? Мои данные пропали? Нажать ещё раз? Перезагрузить страницу?!»
Ему абсолютно всё равно, что под капотом в этот момент браузер пересчитывает 500 000 записей. Если страница не реагирует на клик — приложение кажется сломанным.
Почему так происходит? Однопоточный Main Thread наглухо заблокирован вычислениями. Но как дать браузеру возможность реагировать на действия человека, не останавливая сам расчёт?
Мы собрали бенчмарк и на реальных профилях из DevTools сравнили современные подходы для освобождения main thread. Внутри — результаты замеров, трассировки Event Loop и ответ на вопрос, как сохранить полную отзывчивость интерфейса при различных нагрузках.
Electronic Arts объявила о сокращении штата и закрытии студии BioWare, которая разработала серии Dragon Age и Mass Effect, пишет Bloomberg. Источник агентства рассказал, что издатель уволит около 400 сотрудников или 3% персонала. Работы лишатся около 50 сотрудников BioWare.
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.
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.