Блокчейн-системы на базе криптографических методов шифрования и распределенных вычислений активно применяются сегодня в здравоохранении, финансах, государственном управлении, логистике и Интернете вещей. Однако, несмотря на свои преимущества, блокчейн-системы сталкиваются с серьезными проблемами в области обеспечения безопасности и конфиденциальности.
В условиях, когда языковые модели искусственного интеллекта все чаще используются для создания контента, растет вероятность замаскированных намеренных или случайных ошибок, предвзятости и дезинформации. Требуются доступные средства фильтрации, семантического анализа и визуализации, позволяющие «отделять зерна от плевел».
Кен Джакобс — вице-президент Oracle по стратегии развития баз данных считает одной из главных составляющих своей деятельности общение с простыми техническими специалистами.
Энтузиазм по поводу искусственного интеллекта объясняется одновременным бурным развитием оборудования и увеличением объемов доступных для обучения данных, однако узкие места в цепочке поставок «мозгов» для ИИ и экосистеме полупроводниковой индустрии угрожают стать сдерживающими факторами на пути дальнейшего прогресса решений искусственного интеллекта. Хрупкость цепочки мировых поставок полупроводников, концентрация передовых производств в рамках лишь одной страны, преимущественное использование чипов ограниченным кругом стартапов, отставание от закона Мура — все указывает на то, что из всех детерминант конкурентоспособности в мире ИИ ситуация с оборудованием может стать главным тормозом прогресса.
Потери от мошенничества с банковскими картами неуклонно растут, и для скоординированного удара по злоумышленникам необходимо взаимодействие бизнеса, государства и научно-исследовательского сообщества с целью обработки всей имеющейся информации о покупателях, продавцах, кассовых аппаратах, системах процессинга, платежных сетях и банках-эмитентах, а также о механизмах, которые используются для предотвращения жульничества на разных этапах проведения транзакции.
Современная концепция аппаратных подходов к обеспечению безопасности так или иначе опирается на встроенные в оборудование программы, поэтому поставщикам оборудования и исследовательскому сообществу необходимо менять менталитет: к безопасности прошивок следует относиться так же, как и к надежности обычного ПО.
Все популярные современные мессенджеры построены на асимметричном канале, что удобно, однако расплачиваться за это приходится доверием к серверу в части обеспечения аутентификации, а иногда — и конфиденциальности. Системы, построенные на симметричном канале, представляют собой альтернативное решение, однако они не получили широкого распространения и создают дополнительные сложности для пользователей.
Инвестиции в методы обеспечения кибербезопасности изделий: обучение, моделирование угроз и процедуры тестирования — могут быть достаточно велики, но они позволяют снизить риски и потери компаний. Ключ к созданию безопасных и финансово доступных промышленных киберсистем — понимание мест встраивания систем обеспечения безопасности в корпоративную систему поддержки жизненного цикла изделий и продуктов.
Технологии машинного обучения открывают новые перспективы для развития Интернета вещей, однако несут с собой и новые угрозы: создание индивидуальных образцов вредоносного ПО, формирование фейковых событий, появление цифровых двойников реальных законопослушных пользователей и пр. Интернет вещей стал лакомой добычей хакеров и источником новых угроз. Как в таких условиях минимизировать риски потери надежности систем Интернета вещей и какие использовать стандарты обеспечения безопасности?