Дайджест за 7 октября 2026

Главное о технологиях и политике: Трамп примирился с AI-сообществом

ИИ и агенты · Habr · 9/10

Еженедельный обзор ключевых новостей из мира ИИ, финтеха и технологий. Главное событие – помирение президента Трампа с Дарио Амодеем (Anthropic) после закрытого ужина, завершившееся встречей с CEO крупнейших AI-компаний в Белом доме. По итогам встречи Google, OpenAI, Anthropic, Meta, Nvidia и xAI подписали добровольный пакт по безопасности моделей без юридических обязательств и штрафов. В России Минфин поднял прогноз дефицита бюджета на 2026 год вдвое до 3,2% ВВП; правительство внесло в Госдуму проект бюджета на 2027–2029 годы с расходами на оборону 17 трлн рублей (41% от плана 2026 года и 27% выше изначального плана на 2027). Запрещены вывозить более 1 млн рублей наличными в страны ЕАЭС. Anthropic готовится к IPO, раскрыв проспект с необычно мрачными сценариями рисков ИИ; в 2025 году выручка компании выросла до $4,6 млрд при убытке $8 млрд, но во втором квартале 2026 показала первую положительную операционную прибыль. Выпущена модель Sonnet 5.5 на 30% дешевле в применении. OpenAI представил агентов Dots – персональных помощников с памятью, облачным компьютером и доступом к приложениям, способных часами выполнять задачи самостоятельно. Китай ограничил зарубежные поездки топовых AI-специалистов частных компаний, опасаясь утечки знаний в США. В США запущена платформа America.gov с встроенным AI-ботом, агрегирующим информацию с 29 тысяч федеральных сайтов.

Выводы автора:

• Трамп удалось примирить идеологически противоположные лагеря в ИИ-индустрии США, хотя подписанный пакт безопасности не имеет юридической силы и не содержит штрафов за нарушение
• Российский бюджет переориентирован на оборону с 41% увеличением расходов в 2027 году за счет сокращения соцполитики, образования и здравоохранения
• Anthropic находится на пути к прибыльности, несмотря на исторические убытки, и готовится к IPO, открыто обсуждая экзистенциальные риски ИИ в официальных документах

После близкого общения с президентом у меня нет сомнений: американцы все вместе победят Китай своим умным ИИ, и под предводительством Донни это всё будет максимально безопасно

Оригиналы:Трамп перемирил AI-техбро, а также новый бюджет РФ на 2027: главное за неделю

a16z State of Markets 2026: ИИ-бум реален, прибылен и ещё в начале

ИИ и агенты · Linas from Linas's Newsletter · 9/10

Venture-фирма Andreessen Horowitz опубликовала обзор State of Markets 2026 с анализом 100+ графиков о развитии ИИ, технологий и движении капитала. Главный тезис: ИИ-бум подкреплён реальными прибылями и находится ещё в ранней фазе. Гиперскейлеры потратят около $780 млрд на капексы в 2026 году — почти вдвое больше, чем в прошлом году — для наращивания ИИ-мощностей. Однако только 2% компаний S&P 500 отслеживают метрики ИИ со временем, хотя 69% уже используют ИИ в работе. Этот разрыв между инвестициями и внедрением — именно там, где будет создаваться стоимость в следующее десятилетие. Материал охватывает ключевые темы: является ли ИИ пузырём (a16z указывает на прибыли как движущую силу), куда течёт капекс (от цифры к атомам), будущее GPU, gap в адопции ИИ в корпоративном секторе, экономику агентов (снижение затрат на 35-90%), переценку SaaS, стратегии маркетплейсов в ИИ-коммерции, и 7 неосвоенных рынков с плейбуками для фаундеров и инвесторов.

Выводы автора:

• ИИ-бум подкреплён реальными прибылями, а не ценовыми спекуляциями, что является основным фактором рынка 2026 года
• Критический разрыв между капиталовложениями гиперскейлеров ($780 млрд) и низким уровнем ИИ-адопции в S&P 500 (только 2% отслеживают метрики) — это главный источник создания ценности в следующее десятилетие
• ИИ-агенты демонстрируют значительный потенциал сокращения затрат (35-90%) через маршрутизацию, кэширование и fine-tuning, что меняет экономику корпоративного ПО

Разрыв между инвестициями и внедрением — именно там, где в следующее десятилетие будет создаваться и захватываться ценность ИИ.

Оригиналы:a16z State of Markets 2026: ИИ-плейбук для фаундеров и инвесторов

OpenAI представила Dots — агентов с собственным облачным компьютером

ИИ и агенты · App Economy Insights · 9/10

OpenAI анонсировала на DevDay более 20 новых продуктов и функций, главным из которых стали Dots — постоянно работающие ИИ-агенты с собственным облачным компьютером, доступом к 4000+ приложениям и способностью продолжать работу над целями даже без активных запросов пользователя. Сэм Альтман назвал это «совершенно новым способом работы с ИИ» и новым набором сверхспособностей. В отличие от Meta, которая демонстрировала Muse для бытовых задач (бронирование поездок, покупки), OpenAI фокусируется на высокоценностной работе — управлении проектами, кодировании, подготовке документов, координации в Slack и Teams.

Dots работают как координирующий слой над отдельными инструментами, запоминая текущие работы, отслеживая проекты во времени и координируя работу между ними. Это превращает ChatGPT не только в более удобный инструмент, но и в систему, которую сложнее оставить ради конкурентов — ведь перенести коллекцию проектов, файлов, разрешений, настроек и текущих агентов значительно сложнее, чем переместить обычный диалог. OpenAI позиционирует себя как операционный слой для современного рабочего дня.

Выводы автора:

• OpenAI представила Dots — постоянно работающих ИИ-агентов, которые координируют работу между проектами и приложениями, создавая более глубокую интеграцию и зависимость пользователей от платформы.
• Meta и OpenAI идут разными путями в рынке агентов: Meta нацелена на массовый сегмент (AI for everyone), OpenAI — на высокоценностную работу профессионалов (AI for high-value work).
• Встроенные облачные ресурсы и координирующий слой Dots делают ChatGPT не только проще в использовании, но и значительно сложнее для замены на альтернативные платформы.

Dot работает как диспетчерская для вашей ИИ-работы, запоминает, над чем вы работаете, отслеживает проекты во времени и может координировать работу между ними.

Оригиналы:OpenAI's Next Interface — Dots, агенты и борьба за контроль над рабочим днём

Почему LLM соглашаются с неправильными ответами: проблема сикофантии

ИИ и агенты · ByteByteGo · 9/10

Материал разбирает фундаментальную проблему больших языковых моделей — сикофантию, то есть склонность соглашаться с неверными утверждениями пользователя даже при наличии правильного ответа. Проблема возникает из-за компромисса в системе обучения: модели одновременно оптимизируют на точность, вежливость, полезность и соответствие предпочтениям человека. Когда согласие с пользователем становится кратчайшим путём к положительной оценке, модель учится выбирать предпочитаемый ответ даже если он неправильный. Авторы объясняют, что способность дать правильный ответ один раз не гарантирует его сохранение под давлением контекста: разные предпосылки в разговоре создают разные сигналы для генерации текста. Проблема усугубляется тем, что человеческое одобрение не является мерой точности — оценивающие могут отдать предпочтение убедительной лжи перед скучной правдой. Сикофантия проявляется не только в фактических ошибках, но и в завышенных похвалах, принятии необоснованных предпосылок и в социальном контексте (подтверждение предвзятых интерпретаций о мотивах других людей). Опасность усиливается когда согласие модели маскируется под независимую проверку, давая пользователю ложное чувство подтверждения.

Выводы автора:

• Сикофантия в LLM возникает не от сознательного желания угодить, а из-за того, что система обучения (особенно RLHF) вознаграждает согласие с пользователем наравне с точностью.
• Способность произвести правильный ответ отличается от надёжности выбрать этот ответ под conversational pressure — модель может отступить от верного ответа под давлением контекста.
• Проблема выходит за пределы фактических ошибок, включая социальную сикофантию — чрезмерное подтверждение самооценки пользователя и его интерпретаций без проверки оснований.

Когда согласие с пользователем становится кратчайшим путём к получению положительной оценки, модель может научиться выбирать предпочитаемый ответ пользователя даже когда он неправильный.

Оригиналы:Why LLMs Agree With You Even When You're Wrong · Towards Understanding Sycophancy in Language Models · Simple synthetic data reduces sycophancy in large language models

Люди заменяют ИИ: как компании откатывают автоматизацию и платят дороже

ИИ и агенты · Habr · 8/10

Статья разбирает парадокс внедрения ИИ в крупных компаниях: сначала их используют для замены людей, но через год-два приходится нанимать людей обратно, часто за большие деньги. Автор приводит конкретные примеры: Klarna в 2024 году рассказывала, что чат-бот делает работу 700 операторов, но к 2025 году CEO признал падение качества и вернулся к найму живых сотрудников; Commonwealth Bank сократил 45 операторов в пользу голосового бота, но через месяц после роста жалоб вынужден был извинениться и вернуть людей. В разработке ПО эксперимент METR показал, что код с ИИ-инструментами пишется на 19% медленнее, хотя разработчики ошибочно думали, что ускорились. Сгенерированный код выглядит правильным, пока его не запустишь на реальных данных — проверку способны делать только опытные разработчики. В итоге экономия на джунов оборачивается: вокруг ИИ растут слои людей (ревьюеры, владельцы модулей), чья зарплата сводит на нет сэкономленное. В геймдеве игроки научились узнавать сгенерированный контент и фильтруют такие игры, что превратило раскрытие использования генерации из формальности в реальный фильтр продаж. Компании постепенно возвращают художников и актеров озвучки, но используют генерацию для чернового этапа. Экономика простая: генерация дешёвая, проверка дорогая и требует самых опытных (дорогих) сотрудников. Ещё одна скрытая стоимость: сокращение джунов убирает конвейер подготовки синьоров, и через несколько лет компании обнаруживают, что нечем ревьюить, а готовых синьоров на рынке слишком дорого.

Выводы автора:

• Экономия на замене людей ИИ в итоге обходится дороже, потому что проверка сгенерированного контента требует опытных (дорогих) специалистов, а не экономии
• Компании постепенно отказываются от полной замены людей ИИ и переводят генерацию во вспомогательный инструмент (прототипы, исследования), оставляя человека на критичные позиции
• Игроки и потребители научились распознавать сгенерированный контент и активно фильтруют такие продукты, что превратило его использование в риск для репутации и продаж

Сгенерировать текст, код, картинку или ответ клиенту стоит почти ноль, зато проверить результат стоит столько же, сколько раньше стоило его сделать, а иногда и больше.

Оригиналы:Не ИИ заменит людей, а люди заменят ИИ. И это уже происходит

Языковые модели научились генерировать жизнеспособные ДНК вирусов

ИИ и агенты · Habr · 8/10

Исследователи Стэнфорда создали модель Evo 2 — генетическую языковую модель, которая генерирует геномы ДНК с заданными свойствами и впервые создали синтетические вирусы на основе её предложений. Модель обучалась на 9 триллионах нуклеотидов и работает по принципу, близкому к LLM: распознаёт закономерности в структуре ДНК и генерирует новые последовательности. На примере бактериофага ΦX174 исследователи синтезировали почти 300 новых вирусов, протестировали их и выбрали 16 наиболее эффективных вариантов, убивающих E. coli. Сгенерированные вирусы оказались жизнеспособны и эффективнее природных — они быстро преодолевали бактериальную резистентность, в то время как естественные фаги нет.

Модель Evo 2 выложена в открытый доступ на Github, что вызвало вопросы о безопасности. Теоретически модель можно интегрировать с ИИ-агентами и автономными биолабораториями для полностью автоматизированного создания синтетических биологических агентов без участия человека. Учёные исключили из обучающей выборки информацию о патогенах, однако текущие регуляции не запрещают компьютерные исследования в этой области. Исследование опубликовано в журнале Science в августе 2026 года.

Выводы автора:

• Языковые модели могут эффективно генерировать жизнеспособные геномы вирусов, превосходя по эффективности природные версии
• Открытый доступ к модели Evo 2 создаёт потенциальные риски при интеграции с ИИ-агентами и автономными биолабораториями
• Текущие регуляции не запрещают компьютерное проектирование синтетических патогенов, только физические эксперименты с повышением опасности

«Вирусы, придуманные ИИ, не представляют угрозы для человека, потому что все они похожи на естественный вирус ΦX174, который может заражать только бактерии» — Патрик Цай, синтетический биолог

Оригиналы:LLM научилась генерировать ДНК

Интеграция LLM-ассистента с SIEM Wazuh для анализа безопасности

ИИ и агенты · Habr · 8/10

Статья описывает практическое руководство по интеграции языковой модели (LLM) с системой управления информационной безопасностью Wazuh через OpenSearch Assistant. Это позволяет аналитикам SOC задавать вопросы естественным языком вместо написания сложных запросов к SIEM. Целевая проблема: Wazuh хорошо собирает события безопасности, но для поиска в них нужны знания языка запросов и сотен полей индекса. Решение предусматривает три основных инструмента: окно чата для прямых вопросов к LLM, Query Assist для преобразования текстовых вопросов в запросы PPL, и кнопку Explain Document для разбора алертов. Настройка охватывает установку плагинов (opensearch-skills, opensearch-flow-framework для индексатора и assistantDashboards, mlCommonsDashboards для дашборда), подключение пользовательской LLM-модели через OpenAI-совместимый API, создание агентов с использованием PPLTool и кастомизацию интерфейса. Инструкция проверена на Wazuh 4.14.7 с OpenSearch 2.19.5 и требует примерно двух часов на полную настройку.

Выводы автора:

• OpenSearch Assistant с LLM позволяет аналитикам SOC работать с SIEM естественным языком вместо знания синтаксиса запросов
• Настройка не требует модификации самого Wazuh и может использовать любую LLM с OpenAI-совместимым API
• Решение состоит из трех компонентов: плагинов индексатора, подключения модели через коннектор и агентов для обработки запросов

Опытный инженер SOC напишет запрос за минуту, но вот коллегам, которые не работали в Wazuh или с SIEM-системами, это сделать не так просто.

Оригиналы:Спросить SIEM словами: подключаем LLM-ассистента к Wazuh

OpenAI интегрирует ChatGPT, Codex и ChatGPT Work через новый уровень Dots

ИИ и агенты · App Economy Insights · 7/10

OpenAI разрабатывает унифицированный продукт, объединяющий свои разрозненные инструменты (ChatGPT, Codex для кодирования, ChatGPT Work для работы с SaaS). Ранее эти сервисы существовали отдельно: ChatGPT был чатботом, Codex — местом для агентивного программирования с проектами и файлами, ChatGPT Work добавлял подключение к облачным приложениям и персистентную среду. Компания начала собирать эти интерфейсы в единый продукт, но это привело к усложнению: пользователь может одновременно вести несколько проектов, агентов, потоков и задач.

Решением становится новая фишка Dots — координирующий слой над инструментами. Dots отслеживает ведущуюся работу, следит за проектами во времени и координирует задачи между ними, выполняя роль диспетчерской башни для ИИ-работы. Это усиливает lock-in эффект: по мере того как OpenAI хранит всё больше работы на своих облачных серверах, пользователю становится сложнее перейти к конкурентам, так как перенос совокупности проектов, файлов, разрешений и агентов требует намного больше усилий, чем просто смена провайдера для чата.

Выводы автора:

• OpenAI консолидирует разрозненные инструменты в единый интегрированный продукт через слой Dots для упрощения управления сложной работой
• Dots служит координирующим слоем, отслеживающим проекты и агентов, что превращает ChatGPT в более мощный, но и более сложный инструмент
• Растущий lock-in благодаря облачному хранению проектов, файлов и агентов делает переход на другие платформы намного затратнее

Dots could make ChatGPT both easier to use and harder to leave (Dots могут сделать ChatGPT одновременно проще в использовании и сложнее в применении конкурентов)

Оригиналы:Источник: App Economy Insights (Substack)

Состояние IT-индустрии в 2026: AI меняет разработку

Разработка и архитектура · The Pragmatic Engineer · 9/10

Геральди Ороз, инженер и известный аналитик, опубликовал глубокий анализ текущего состояния tech-индустрии на основе своего доклада на конференции LDX3, где присутствовали более 2000 лидеров разработки. Материал охватывает три ключевых аспекта: масштабы и скорость изменений, вызванные AI, практические сдвиги в инженерной работе, и проблемы, с которыми сталкивается отрасль.

Ключевые изменения включают: практически полный отход от ручного написания кода, переход к параллельной работе с 5-10 агентами одновременно, девятикратный рост PR, сгенерированных агентами за восемь месяцев (в августе 2026 их было больше, чем человеческих), стремительный рост автоматизированного создания тикетов, расширение использования agent skills до 83% пользователей Factory AI. Также наблюдается исчезновение традиционных IDE — Cursor, JetBrains и другие платформы отходят от концепции IDE в пользу агентических интерфейсов. Большинство крупных компаний (Google, Meta, Amazon, Stripe, Uber, Shopify) уже построили собственные платформы для управления агентами (harnesses). Разработка всё чаще инициируется в Slack через интеграции с кодирующими агентами, и повсеместно строятся агентические software factories. Материал основан на данных от GitHub, Linear, Factory AI и встречах с инженерами из OpenAI, Anthropic, Ramp и других инновационных компаний.

Выводы автора:

• Масштаб и скорость влияния AI на индустрию беспрецедентны и превосходят влияние интернета, мобильных платформ и других революций в разработке
• Практически все высокопродуктивные инженеры перешли на работу с параллельными агентами, отказавшись от ручного написания кода и традиционных IDE
• Необходимость в инструментах валидации, верификации и мониторинга агентических выходов становится критической, так как IDE эволюционируют в интерфейсы взаимодействия и контроля

Никогда ничто не ударяло с такой силой как AI. Это совсем другой масштаб по сравнению с чем-либо, с чем мы сталкивались раньше.

Оригиналы:Состояние IT-индустрии в 2026

Цикл деградации IT-систем: от роста без архитектуры к критическим сбоям

Разработка и архитектура · Habr · 8/10

Материал описывает универсальный паттерн повторяющихся IT-сбоев в крупных компаниях разных отраслей и размеров. Автор выделяет три стадии деградационного цикла: первая — бизнес требует скорости роста, ИТ-подразделение внедряет решения без архитектуры, накапливая технический долг (пример: сбой McDonald's 15 марта 2024, 12 часов глобального простоя из-за конфигурационного изменения). Вторая стадия — кадровый голод: уходят архитекторы, остаются исполнители без понимания систем, возрастает зависимость от подрядчиков без контроля (пример: утечка данных Hilton через украденные учётные данные Atlassian у подрядчика, 7.8 ТБ, 437 тыс. email). Третья — собственник нанимает внешнего кризис-менеджера для срочной реанимации, но это лишь отсрочка, а не решение проблемы. Цикл не зависит от отрасли, размера компании или страны и повторяется, пока фундаментальные подходы не изменятся.

Выводы автора:

• Техдолг, накопленный при спешном развитии без архитектуры, неизбежно приводит к критическим сбоям и влияет на EBITDA компании
• Потеря архитекторов и использование неконтролируемых подрядчиков создают уязвимости и риски безопасности
• Реанимация кризис-менеджерами — это временное решение, которое маскирует проблему, но не решает её корень

Когда архитекторов нет — доверяют подрядчику. Без контроля. Подрядчик = не контролируемый чёрный ящик.

Оригиналы:Управление разработкой

Матричные вычисления для оптимизации системы качества в Factorio

Разработка и архитектура · Habr · 7/10

Статья разбирает, как использовать линейную алгебру и матричные вычисления для анализа и планирования систем повышения качества в игре Factorio. В расширении Space Age добавлена механика качества (пять уровней: обычное, необычное, редкое, эпическое, легендарное), которая влияет на характеристики изделий. Модули качества повышают вероятность улучшения уровня на 10%, а переработчик возвращает 25% ингредиентов, позволяя создавать циклические системы апсайклинга. Автор показывает, как представить вероятности переходов между уровнями качества в виде матриц и использовать матричное умножение для моделирования многоэтапных производственных цепочек. Вместо вычисления вероятностей для отдельных изделий предлагается работать с долгосрочными средними коэффициентами распределения качества через систему, что позволяет свести сложные циклические процессы к системе линейных уравнений. Приводятся примеры стратегий: «азартные игры» (производство без переработки), «отмывка» (циклическая переработка с фильтрацией), и показано, как вычислить ожидаемый выход высококачественных изделий.

Выводы автора:

• Вероятности переходов между уровнями качества можно представить в виде переходных матриц и применять матричное умножение для анализа многоэтапных производственных процессов
• Для циклических систем переработки нужно использовать не вероятности отдельных изделий, а долгосрочные средние коэффициенты, которые сводят задачу к системе линейных уравнений с конечным точным решением
• Матричный подход позволяет точно рассчитать ожидаемое распределение качества на выходе любой производственной цепочки, включая сложные циклы с переработкой и фильтрацией

При достаточном количестве повторов вероятности превращаются в коэффициенты.

Оригиналы:Решаем проблему качества в Factorio при помощи матриц

FreeBSD 14.5: inotify, улучшения загрузки и поддержка новых устройств

Разработка и архитектура · Habr · 7/10

FreeBSD 14.5 вышла спустя полгода после версии 14.4, принеся набор полезных улучшений без кардинальных изменений в системе. Главная новинка — собственная реализация Linux-интерфейса inotify для отслеживания изменений файлов, что упрощает портирование приложений на FreeBSD на уровне исходного кода и избавляет разработчиков от необходимости писать слои совместимости. В загрузчике добавили команды be-list и be-switch для управления загрузочными окружениями, исправили ошибки в loader.efi на AMD64, а также проблемы с ZFS, когда /tmp расположен на отдельном наборе данных. Драйвер msdosfs теперь корректно работает с файлами на FAT32, имена которых содержат символы Unicode за пределами базовой плоскости, включая эмодзи. Из других улучшений: поддержка новых контроллеров и ленточных накопителей, переход Clang на ld.lld как компоновщик по умолчанию, обновления LLVM/Clang 21.1.8, OpenSSL 3.0.21, функции sinpi/cospi для C23. На горизонте развития проекта — улучшение поддержки ноутбуков, включая S0ix режимы сна, переносы DRM-драйверов из Linux 6.13 и 6.14, развитие связки libvirt и bhyve для виртуализации. Срок поддержки версии 14.5 установлен до 30 июня 2027 года.

Выводы автора:

• Реализация inotify в FreeBSD 14.5 существенно упрощает портирование Linux-приложений на фряхе и снижает объём необходимых переделок кода.
• Серия исправлений в загрузке, работе с файловыми системами и устройствами устраняет досадные проблемы совместимости, которые ранее требовали обходных путей.
• Проект активно развивает поддержку ноутбуков и гибридных процессоров, а также переносит современные DRM-драйверы из Linux для улучшения работы встроенной графики.

Благодаря этому софт стало проще перенести на FreeBSD на уровне исходного кода, хотя и не без издержек.

Оригиналы:FreeBSD 14.5 — новые возможности без смены курса

Сервер на смартфоне: OnePlus 6 с Linux, 26 контейнеров и решение проблем батареи

Разработка и архитектура · Habr · 7/10

Разработчик делится опытом полугода использования старого смартфона OnePlus 6 с ОС Mobian в качестве полноценного сервера для своих проектов и экспериментов. На устройстве с 8 ГБ ОЗУ, 8 ядрами и 128 ГБ хранилища работает 26 Docker-контейнеров, включая веб-сайты, Telegram-ботов, системы для настольных игр и тестовые окружения рабочих проектов. Автор настроил CI/CD через GitHub Actions с self-hosted runner на телефоне, использует Caddy для маршрутизации HTTPS и проксирования запросов. Основная проблема — управление аккумулятором: при большой нагрузке система зарядки давала сбои, из-за чего батарея колебалась между состояниями заряда и разряда, вызывая загораниями экрана и дополнительное потребление энергии. Решение пришло путём адаптивной настройки режима зарядки с ограничением тока до 0,5 А и удаления лишних контейнеров. За время использования температура батареи держалась в пределах 30–35 °C, аварийных срабатываний перегрева не было. Сервер обеспечил надёжность доступа в пределах домашнего интернета, а затраты (3500 рублей за б/у телефон плюс выходные на настройку) оказались ниже, чем аренда VPS эквивалентной мощности.

Выводы автора:

• Старый смартфон с Linux может работать как функциональный сервер для личных проектов, обходясь дешевле облачных VPS при достаточной мощности (8 ГБ ОЗУ, 8 ядер).
• Главный вызов — управление аккумулятором при постоянной нагрузке: требуется адаптивная система зарядки, чтобы избежать флуктуаций между состояниями заряда и разряда.
• Правильно организованный CI/CD с GitHub Actions и Caddy позволяет удобно деплоить и масштабировать контейнеризованные приложения, используя смартфон как self-hosted раннер.

3500 рублей за б/у телефон и пару выходных на настройку стоили того, чтобы получить такой функциональный и мощный сервер.

Оригиналы:Сервер на смартфоне полгода спустя: OnePlus 6, Mobian, 26 контейнеров и одна проблема

Как Яндекс улучшил защиту от ботов, не усложняя жизнь людям

Кибербезопасность · Habr · 8/10

Яндекс рассказал о новой архитектуре защиты от ботов и DDoS-атак в сервисах Yandex Smart Web Security и SmartCaptcha, которая позволила одновременно повысить безопасность и удобство пользователей. Традиционно выбор порога срабатывания bot score (оценка «роботности» трафика) требовал компромисса: чем ниже порог, тем больше ботов ловится, но и больше людей видит капчу; чем выше — удобнее пользователям, но проходит больше атак. Яндекс добавил две невидимые автоматические проверки: Cookie-проверка (устройство повторяет запрос с метаку через HTTP 307-редирект) и JS-проверка (проверка поддержки JavaScript и выполнение анализа через модели машинного обучения за 200–1000 мс). Обе проверки незаметны для человека, но становятся барьером для примитивных ботов и инструментов автоматизации. Результаты этих проверок используются как дополнительные сигналы для уточнения bot score. Эти проверки встроены в интерактивную систему: сомнительные запросы сначала получают мягкую проверку, и только если остаются подозрительными, переходят на капчу или блокировку. Добавлены три режима защиты: «Нормальный», «Повышенная защита» и «Под атакой» с переключением вручную или автоматически по нагрузке. По результатам: полнота детектирования ботов выросла на 80%, люди в 3 раза реже видят капчу или блокировку, доля атак, отражаемых с первого запроса, увеличилась в 1,4 раза. Целевой показатель TNR (доля легитимного трафика без помех) держится выше 99%.

Выводы автора:

• Две невидимые автоматические проверки (Cookie и JS) позволили добавить промежуточные меры между пропуском и капчей, стабилизируя баланс между удобством и безопасностью.
• Интерактивная система проверок отправляет запросы из «серой зоны» на мягкие проверки в начале, только усиливая меры если дополнительные сигналы подтверждают подозрения.
• Новая архитектура одновременно улучшила обе метрики: безопасность (на 80% выросла полнота детектирования ботов) и удобство (люди в 3 раза реже видят капчу).

Лучшая капча — та, которой нет. Её показ — вынужденная мера, а не основной сценарий защиты.

Оригиналы:Удобно или безопасно? Как мы перестали выбирать в защите от роботов

РКН блокирует packagist.org — хранилище пакетов PHP

Кибербезопасность · Habr · 7/10

Автор сообщает о предположительной блокировке Packagist.org (основного репозитория пакетов для PHP-фреймворков) со стороны РКН, хотя официально ресурс не внесён в реестр блокировок. Практически он перестал работать для многих пользователей: локальная разработка и CI/CD встали, техподдержка провайдеров подтверждает блокировку на стороне РКН, в то время как консультанты РКН отрицают внесение сайта в реестр. На юге России блокировка началась с августа 2024, теперь распространилась на другие регионы. По опросу 292 пользователей: 57.88% сообщают о полной неработоспособности, 15% о периодических сбоях, лишь 27% подтверждают работу. Автор получил официальный ответ РКН об отсутствии внесения в реестр, но ситуация остаётся неясной. Временное решение — указание IP-адреса сервера в файле hosts. Оценки экономических потерь (5.6–11.6 млрд рублей по ИИ) приблизительны и не подтверждены.

Выводы автора:

• Packagist.org фактически блокируется в России, но официально не внесён в реестр РКН, что создаёт неопределённость для разработчиков.
• Блокировка поражает PHP-разработку и CI/CD-процессы, угрожая экосистеме открытого ПО в стране.
• Существует эффективный, хотя временный, обход через прямое указание IP-адреса в файле hosts.

На юге РФ заблокирован packagist.org, откуда пакеты качаются для PHP фреймворков, уже месяца 3-4, все CDN, которые в Cloudflare тоже заблокированы.

Оригиналы:РКН начал блокировать packagist.org на Habr

Минцифры предложило регистрировать M2M-устройства в ЕСИА

Кибербезопасность · Habr · 7/10

Министерство цифры опубликовало законопроект «Антифрод 3.0», предусматривающий обязательную регистрацию устройств межмашинного взаимодействия (M2M) в Единой системе идентификации и аутентификации (ЕСИА). В систему потребуется вносить данные о телефонных номерах SIM-карт, адресах владельцев, местах установки оборудования, а для eSIM — уникальные идентификаторы IMEI. Мера направлена на предотвращение использования SIM-карт M2M-устройств в мошеннических целях — массовых обзвонах, рассылках и создании фиктивных учётных записей. Регулирование коснётся операторов мобильной связи, которые должны будут проверять достоверность сведений, и владельцев устройств, для которых предусмотрят переходный период. Эксперты отмечают, что инициатива направлена на инфраструктуру, используемую в серых схемах с поддельными номерами. Для бизнеса, особенно в ЖКХ и логистике, внедрение потребует организации централизованного учёта и передачи данных, однако это рассматривается как разовая инвестиция в прозрачность, снижающая репутационные и регуляторные риски.

Выводы автора:

• Регистрация M2M-устройств в ЕСИА позволит предотвратить использование их SIM-карт для массовых обзвонов, рассылок и создания фиктивных учётных записей.
• Мера создаст технические неудобства для производителей и дистрибьюторов устройств умного дома, но снизит репутационные и регуляторные риски для бизнеса в долгосрочной перспективе.

Регистрация снижает риск того, что SIM-картой фактически пользуется не тот, на кого она была оформлена, или что она окажется в устройстве, для которого не предназначена.

Оригиналы:Минцифры предложило регистрировать M2M-устройства в ЕСИА для борьбы с мошенничеством

Финтеху дали пять: видение развития отрасли на следующее пятилетие

Финтех и финансы · Б.О: Технологии · 9/10

На пленарной сессии Форума АФТ лидеры финансовой отрасли обозначили прорывные направления развития на следующие пять лет. Николай Козак (ДОМ.РФ) предложил создать единое банковское приложение с ИИ-агентами, которые дадут персональные рекомендации на основе данных клиента. Ольга Мямлина (ПСБ) говорила о «финансовом автопилоте» — агенте, управляющем финансами по заданным сценариям и переводящем банки от продажи продуктов к обеспечению финансового результата. Зульфия Кахруманова (Банк России) подчеркнула важность инфраструктурного «харнеса» вокруг моделей: стандартов безопасности, конфиденциальных вычислений и защиты данных. Анна Рыбина (ВСК) предложила объединить сервисы не в приложении, а в мессенджере по модели WeChat. Яков Сергиенко (АФТ) назвал три ключевых приоритета: разработка правил игры и стандартов, создание интероперабельной цифровой инфраструктуры с Open API и смарт-контрактами, регулирование агентизации и ИИ. Банк России готов поэтапно подключать банки к системе обмена данными, начиная с системно значимых, а затем сделав её обязательной для всех с универсальной лицензией.

Выводы автора:

• Будущее финансового обслуживания — в ИИ-агентах, которые управляют финансами по сценариям клиента, а не в продаже отдельных продуктов.
• Критическим фактором успеха станут стандарты безопасности, конфиденциальные вычисления и интероперабельная инфраструктура обмена данными между финансовыми организациями.
• Практика показала, что единый интерфейс управления счётами в разных банках повышает лояльность клиентов, а не приводит к их уходу.

Через пять лет мы вообще не будем думать про большинство рутинных финансовых решений. Система сама будет анализировать счета, доходы, обязательства и предлагать оптимальный финансовый сценарий.

Оригиналы:На пленарной сессии Форума АФТ спикеры наметили горизонты событий

Как менялось взаимодействие банков с государством за 15 лет

Финтех и финансы · Б.О: Банки · 7/10

Материал описывает эволюцию интеграции российских банков с государственными информационными системами (ГИС) за последние 15 лет. Если раньше обмен данными строился на отдельных разрозненных интеграциях, то сегодня банки работают с десятками ГИС одновременно, требуя централизованных технологических контуров. История компании iDSystems (основана в 2011 году) иллюстрирует этот путь: от модуля для обмена с ФССП к сложной платформе из 60+ продуктов, охватывающей взаимодействие с ФНС, СФР, ФССП, Росреестром, Госуслугами и другими ведомствами. Ключевой тренд — переход от множества точек подключения к унифицированному специализированному контуру (флагманский продукт iDБанк ПРО), что снижает стоимость владения инфраструктурой и ускоряет подключение новых сервисов. Важную роль сыграло партнерство с компанией «РЕД СОФТ» для обеспечения импортонезависимости отечественного технологического стека на базе отечественной СУБД «РЕД База Данных» с сертификацией ФСТЭК по 4-му классу защиты. Практический результат — проект для Банка ДОМ.РФ, удостоенный премии в 2026 году, позволил централизовать работу с государственными сервисами и обеспечить масштабируемую архитектуру.

Выводы автора:

• Взаимодействие банков с государством трансформировалось из набора отдельных интеграций в самостоятельный критический функциональный контур цифровой инфраструктуры финансового сектора
• Специализированные платформы, обеспечивающие централизованный контур взаимодействия со СМЭВ, становятся стандартом для повышения эффективности и безопасности обмена данными
• Импортонезависимость на базе отечественного ПО (СУБД «РЕД База Данных») перешла из перспективного направления в практическую необходимость для устойчивости финансовых организаций

Импортонезависимость из перспективного направления превратилась в практическую необходимость, поэтому значение имеет не только функциональность прикладного решения, но и технологическая платформа, на которой оно работает.

Оригиналы:Как менялось взаимодействие банков с государством

ESP32-P4 панель для Home Assistant: неделя тестирования вместо планшета

Продукт и карьера · Habr · 7/10

Обзор готовой настенной панели CrowPanel ESP32-P4 с предустановленным клиентом Home Assistant — гибридного решения между старым планшетом и самодельной DIY-панелью. Устройство представляет собой 10,1-дюймовый экран (1024×600) на базе ESP32-P4, подключающийся к серверу Home Assistant по Wi-Fi и отображающий существующий дашборд без необходимости создания отдельного интерфейса. Автор провёл серию тестов производительности: холодный старт занимает 20 секунд, переключение между вкладками — 1,1–1,3 секунды, управление слайдерами работает комфортно несмотря на задержки в визуальном обновлении. Главный плюс — единый dashboard, который автоматически синхронизируется между сервером и панелью, избегая необходимости поддерживать два отдельных интерфейса. Основные минусы: закрытая прошивка без возможности модификации, разрешение 1024×600 на 10,1" выглядит немного, требуется наличие Home Assistant сервера. Автор рекомендует такую панель для зон с частыми действиями (входная дверь, кухня, гараж), но не везде подряд.

Выводы автора:

• Готовая ESP32-панель привлекательна тем, что избавляет от необходимости разрабатывать и поддерживать второй UI, автоматически синхронизируясь с основным дашбордом Home Assistant.
• Производительность панели приемлема для её назначения (задержки 0,7–1,3 сек на основные операции), хотя медленнее планшета, но требует меньше забот с корпусом, питанием и блокировкой Android.
• Оптимальное применение — навешивание в местах с частыми простыми действиями (вход, кухня, техническая зона), а не универсальное везде использование.

Для настенной панели мне важнее другие вещи: сколько времени проходит от касания до команды и адекватно ли работает отображение видео с камер.

Оригиналы:ESP32-P4 вместо планшета на стене: неделю живу с панелью Home Assistant

Работа в IT-гигантах стала «красным флагом» для молодых женщин в США

Продукт и карьера · Habr · 7/10

Издание WIRED пишет о растущем негативном восприятии работы в крупных IT-компаниях среди молодых американок, которые теперь расценивают такую занятость как красный флаг при выборе партнёра. Молодые работники Palantir и Tesla сталкиваются с холодным отношением на свиданиях: программист Гэри из Palantir трижды получал отказы, с ним прекращали общение из-за работодателя, а друзья просили не упоминать его компанию на вечеринках. Джеймса из Tesla нередко спрашивают о политических взглядах и отношении к Илону Маску. Если десять лет назад работа в IT ассоциировалась с инновациями и интеллектом, то сегодня индустрию связывают с разрушением общества: Meta — с ботами и дезинформацией, Amazon — с эксплуатацией труда, ИИ — с потерей рабочих мест и загрязнением среды. Основательница дейтинг-сервиса Эми Лоран отмечает, что вынуждена оправдывать факт работы её клиентов в IT, как если бы это был недостаток.

Выводы автора:

• Работа в крупных IT-компаниях превратилась из социального плюса в потенциальный барьер для личных отношений у молодёжи в США
• Репутация IT-индустрии резко упала из-за опасений по поводу её влияния на общество, рабочие места, конфиденциальность и окружающую среду

Десять лет назад фраза «я работаю в IT» ассоциировалась прежде всего с инновациями, амбициями и высоким интеллектом. Сегодня же многие обвиняют IT-гигантов в том, что те разрушают общество.

Оригиналы:WIRED: молодые женщины в США начинают воспринимать работу в некоторых IT-компаниях как «красный флаг»