Моя лента

В чем секрет эффективного георадара? Предлагаю в статье разобраться на примере георадаров нашей разработки (георадары Izh-Terra-1, Izh-Terra-2, Гном-3).

Привет, Хабр!

Мы, Smart Engines и юридическая фирма INTELLECT, завершили работу над нашим ежегодным — уже четвертым в серии — отчетом о мошенничестве с использованием поддельных документов. Результаты свидетельствуют о серьезном ухудшении ситуации. 

В 2025 году число зарегистрированных МВД преступлений по ст. 327 УК РФ выросло на 338% год к году — с 397 до 1 739 случаев, достигнув максимального значения за последние семь лет. Минимальная оценка объема нелегального рынка поддельных удостоверений личности достигла 2,6 млрд рублей.

Рассказываем о масштабах мошенничества с документами, новых схемах с генеративным ИИ и, конечно, технологиях выявления подделок.

Обычный Go backend привык отменять работу вместе с HTTP-запросом. Но если пользователь закрыл вкладку посреди анализа документа, это ещё не означает, что LLM-провайдер прекратил генерацию и расходы. Разбираю, почему для длительных AI-операций недостаточно r.Context(), как организовать фоновые задачи на PostgreSQL и что делать с идемпотентностью, retry и повторными списаниями за API.

Часть моей работы — помогать джунам разбираться с архитектурными решениями.

Иногда у нас возникают обсуждения на тему: «Зачем заморачиваться с WebFlux, если можно продолжать писать на Spring MVC?». Чтобы предметно обсуждать эту тему, мы с командой провели внутренний бенчмарк, написали методичку и решили поделиться некоторыми соображениями в этом цикле статей.

В этой — первой — статье я расскажу, как устроены три основные модели обработки запросов в Java, покажу их сильные и слабые стороны и дам критерии, которые помогут выбрать подходящий вариант для вашего проекта. 

Дисклеймер: для Java-сеньоров в этой статье скорее всего ничего нового не будет.

Просто стало интересно — что такое описательный анализ. Математический анализ, функциональный анализ знаю. А описательный?

Наверно такое определение подойдет: Описательный анализ — это последовательность шагов, которая превращает сырые данные в понимание процесса. Маркетологи наверно будут говорить, что это не анализ, а аналитика, ну это их проблемы.

Как теоретическую основу я использовал идеи из следующих источников:

Process Mining — Ван дер Аалст, «Process Mining: Data Science in Action (2016). Методология извлечения знаний о процессе из логов событий.»

EDA (Exploratory Data Analysis) — Тьюки, 1977. Принцип: сначала смотреть на данные, потом строить модели.

Lean Six Sigma — DMAIC (Define, Measure, Analyze, Improve, Control). Стандартная методология улучшения процессов.

Я не применяю всех методов, описываемых в Process Mining: Data Science in Action. Для данного анализа достаточно понимать, что наука о данных — это, в частности, превращение данных в реальную ценность.

В этой статье ценность — понимание процесса. Мы не строим прогнозы, не используем машинное обучение. Мы делаем описательный анализ: превращаем сырые логи в картину того, как процесс работает на самом деле.

В статье неявно используется дискретная математика, теория графов, а математическая статистика не потребовалась. Еще: для меня реальные значения более информативны, чем картинки, но для любителей несколько диаграмм я все ж добавил. В тексте много цифр, я старался показать весь процесс, но для понимания результатов можно смотреть только выводы в конце каждого шага

Генеральный директор Nothing Карл Пей назвал «пустой тратой денег» приобретение складного iPhone Duo за $2 тыс. Он объяснил это тем, что iPhone Duo стоит намного больше, чем iPhone 18 Pro, но предлагает меньше функций.

Минцифры обсуждает с операторами связи новые требования к виртуальным мобильным операторам (MVNO, Mobile Virtual Network Operator). Ведомство планирует урегулировать тарифы на услуги связи между владельцем физической сети (хост‑оператором) и виртуальным оператором, который арендует эту инфраструктуру.

Мы провели больше 100 запусков альтернативного теста 1С:ERP от «ИТ-Экспертизы» и дошли до APDEX = 0,986 на 30 000 виртуальных пользователей. Путь был непростым. На 15 000 ВРМ APDEX сначала упал до 0,704, и нам пришлось разбираться с загадочными ошибками PostgreSQL, штормом инвалидаций и перекосом нагрузки по NUMA-узлам. Рассказываем, что именно помогло.

Важной новостью прошлой недели стала атака класса supply chain на владельцев аппаратных криптокошельков Ledger. 10 октября производитель криптокошельков официально признал наличие «неавторизованного аппаратного импланта» у одного из своих пользователей, средства которого были украдены. Модифицированное устройство было приобретено у официального дистрибьютора Ledger в Малайзии, компании CryptoBilis. По просьбе Ledger эта компания приостановила продажи криптокошельков на время расследования.

Это все, что известно из официального заявления производителя. Подробности инцидента пока что доступны в виде неофициальных сообщений в соцсетях, например здесь и здесь. Фото импланта доступно здесь. Согласно этим сообщениям, устройства, реализуемые CryptoBilis, подвергались модификации до продажи. В устройство добавлялась дополнительная плата с сотовым модемом и eSIM. Плата перехватывала данные с дисплея устройства и не вмешивалась в основную криптографическую функциональность — последнее, в теории, было бы проще выявить.

Всем привет, меня до сих пор зовут Максим и я застрял на Мапс-ми :) Прошло аж два года с момента написания мной статьи про ОТ в Мапс и теперь хотелось бы немного рассказать как мы стоим на месте. Опишу начало нашего долгого пути в область предоставления расписания по уже имеющимся у нас в приложении линиям ОТ.

Про архитектуру трансформеров написано уже немало, поэтому опишу работу LLM агента с прикладной точки зрения.

На 50 веб-приложениях статистически значимый прирост качества нашли только в одном из четырёх сравнений. Цена и скорость тоже различались.

Случается, что мы накопили пару вагонов данных по рабочему кейсу, сидим, смотрим на него, гордимся накопленным объемом... Но заказчику ты его в таком виде не предъявишь. 
И что теперь с этим всем счастьем делать? Как его интерпретировать и как на его основе построить "венец творения" осинтера — отчет? 

Вот тут, как раз и наступает самый "веселый" этап работы с большими массивами данных — статистическая обработка. Не так интересно, как исследование, но чтобы собрать внятную цельную картинку, без нее не обойтись. Поясним для почему:
Во-первых, статобработка позволяет трансформировать разрозненные массивы сырых данных в что-то структурированное, сделать выводы, поддающиеся верификации и воспроизведению. Без количественных и качественных методов придется опираться исключительно на субъективные суждения, что сильно снизит достоверность выводов.
Во-вторых, статистика проявляет скрытые закономерности и аномалии, подсвечивает те сигналы, которые теряются в информационном шуме при поверхностном изучении. 
Логично же?
Не благодарите Кэпа.

Теперь разберемся, какие конкретные задачи решаемы статистическим анализом в рамках ОСИНТ-деятельности. Понятно, что для верификации единичных эпизодов статистика - излишня. Говорить будем только о значимом количестве данных.
Будет много перечислений, описаний и, казалось бы, очевидных вещей, но уж такова специфика такого рода гайдов.

Итак, задачи:
1. Профилирование акторов: построение количественных моделей поведения отдельных лиц или организаций.
2. Мониторинг дезинформации: выявление аномальной активности в социальных сетях, обнаружение ботнетов и координированных кампаний влияния путем анализа временных рядов и сетевых графов.
3. Корреляционный анализ публичных финансовых отчетов, реестров юридических лиц и данных о сделках с различными объектами собственности.
4. Геопространственный анализ: статистическая обработка геотегированного контента для верификации местоположения событий (геолокация).
5. Оценка угроз: прогностическое моделирование на основе исторических данных об инцидентах, конфликтах и кризисах.

DNS в Kubernetes может годами работать без нареканий, а затем внезапно начать добавлять по пять секунд к запросам. Причина порой скрывается в стандартных настройках резолвера, которые создают лишний трафик и повышают вероятность потери пакетов. Разбираемся, как ndots:5 связан с таймаутами, где искать источник задержек и какие способы решения действительно помогают.

Японская Sony получила в США патент на систему, позволяющую зрителям прямых эфиров влиять на игровой процесс стримеров. Компания направила заявку на патент под названием «Адаптивный указатель на экране и реакции во время игры» (Adaptive screen share pointer and reactions during gameplay) в октябре 2023 года.

Разработчик rsheldiii перенес Super Mario 64 на Microsoft Zune HD — медиаплеер, который вышел еще в 2009 году. Игра запускается прямо на устройстве, без эмулятора, работает со звуком, поддерживает сохранения и управляется через сенсорный экран.

Ураган Isaias вышел на сушу 9 октября в 21:30 по восточному времени вблизи Дестина во Флориде. Скорость ветра достигала 169 км/ч. За несколько дней до этого синоптики получили два разных прогноза. Классические математические модели, которые считают физику атмосферы, направляли шторм западнее — в сторону Алабамы и Миссисипи. В то же время новые экспериментальные модели на базе искусственного интеллекта вели его восточнее, к Пенсаколе.

По мере приближения к берегу физические модели сместились к ИИ-прогнозу. В итоге ураган ударил по Дестину, который находится еще в 64 километрах к востоку от Пенсаколы. Реальная траектория оказалась правее обоих прогнозов, но вариант искусственного интеллекта оказался значительно ближе к правде.

Гергей Орос (The Pragmatic Engineer) пересказывает свой доклад на конференции LDX3 в Нью-Йорке: что изменилось в индустрии за год, что сломалось, что осталось прежним и куда всё движется. В августе 2026 года на GitHub агенты создали больше PR, чем люди, в Linear агенты заводят больше задач, чем люди, Cursor и Antigravity ушли от IDE, а код-ревью во многих компаниях превратилось в театр. В статье свежие данные GitHub, Linear и Factory AI, истории из OpenAI, Anthropic, Uber и Ramp.

В России впервые составили масштабный рейтинг компаний, оказывающих комплексную ИТ-поддержку бизнесу. Первое место занял Центр экспертизы по комплексному сервису К2Тех. Рейтинг подготовил CNews, и в него вошли 16 самых заметных игроков рынка.

Компании сравнивали по более чем 200 критериям, отражающим их возможности по поддержке разных типов ИТ-инфраструктуры — от инженерных и мультимедийных систем до телекоммуникационных решений, вычислительной инфраструктуры, системного ПО, решений 1С и средств ИБ. Внимание уделили также единым процессам сервисных подразделений и тому, как выстроено взаимодействие с клиентами.