Дайджест новостей: события из мира науки

Разработана система безопасности с поддержкой блокчейна для повышения целостности данных и контроля доступа в коммуникационные сети

В современных медицинских учреждениях возникает множество угроз: несанкционированный доступ к данным пациентов, их изменение или потеря, слабая управляемость доступа. Сети передачи медицинской информации между устройствами, отделениями, внешними партнёрами и другими точками доступа к ней требуют высокой надёжности, целостности и отслеживаемости. Руйхан Донг, информатик из Техасского университета предложил внедрить архитектуру, которая применяет блокчейн, как распределённый регистр, фиксирующий события доступа и изменения, а также обеспечивающий неизменяемость данных. Контроль доступа, по задумке, будет реализован через смарт-контракты или аналогичные механизмы, то есть доступ к данным регламентируется автоматизированно и аудируемо. Целостность данных гарантируется тем, что любые изменения фиксируются на цепочке, либо через ссылки на неё, что усложняет подделку. Это позволит повысить прозрачность и надёжность управления доступом. Также отмечается, что такой подход даёт дополнительные возможности аудита и отслеживания истории доступа и изменений.

Озёра против хранилищ: выбор правильного подхода для аналитики больших данных

27 октября тремя научными исследователями из Алжира была опубликована статья «Data lakes versus data warehouses: choosing the right approach for big data analytics». Зачастую, выбор между «озером данных» и «хранилищем данных» нетривиален: используются разные подходы для различных нагрузок, типов данных и аналитических задач. Авторы формулируют набор факторов, на основании которых организация должна выбирать подход.

• Типы данных. Если данные преимущественно структурированные, стабильные, с заранее известными схемами, необходимо отдать преподчтение «Data warehouse».
• Управление данными и качество. «Data lake» требует хорошей системы метаданных, управления качеством и доступом, иначе рискует превратиться в болото данных «Data swamp».
• Скорость аналитики и отчётности. Для бизнес-отчётов и драйверов принятия решений, где важен быстрый ответ и стабильная модель данных, приоритетнее рассмотреть вариант «Data warehouse».
• Затраты. «Data lake» может быть дешевле по хранению больших объёмов, особенно холодных данных, благодаря облачным объектным хранилищам и менее жёсткому требованию к трансформации при загрузке.

Авторы также считают, что для большинства организаций оптимальным является гибридный подход «Lakehouse», объединяющий преимущества обеих моделей.

OWASP Top 10 LLM

На сегодняшний день LLM очень часто интегрируются в различные ресурсы, но основная проблема заключается в том, что языковая модель выполняет инструкции из пользовательского ввода. Если не учитывать специфику данных систем, есть риск получить утечку данных или компрометацию всего приложения, ниже приведен список 10 наиболее частых проблем, с которыми велик шанс столкнуться.

• «Prompt Injection»: злоумышленник внедряет вредоносные инструкции в свой промпт, чтобы модель изменила своё поведение;
• «Sensitive Information Disclosure»: модель выдаёт конфиденциальные данные, на которых она обучена или данные, которые переданы при вводе;
• «Supply Chain Vulnerabilities»: использование сомнительных моделей, датасетов или компонентов подвергает систему риску через цепочку поставок;
• «Data/Model Poisoning»: данные обучения или сама модель подвергаются манипуляциям, что приводит к искажению поведения или внедрению «троянских» веток;
• «Improper Output Handling»: вывод модели передаётся, например, в код, SQL, HTML-формы без проверок, что даёт свободный путь для атак;
• «Excessive Agency»: модель получает слишком много «прав» или автономии и может бесконтрольно совершать нежелательные действия;
• «System Prompt Leakage»: внутренние инструкции или настройки системы становятся доступными злоумышленнику, что облегчает обход защиты;
• «Vector / Embedding Weaknesses»: уязвимости в векторах/эмбеддингах (RAG-системы) позволяют злоумышленнику манипулировать контекстом или извлекать скрытую информацию;
• «Misinformation / Overreliance»: модель генерирует правдоподобную, но ложную информацию, либо система чрезмерно доверяет ответам модели без проверки;
• «Unbounded Consumption»: отсутствие лимитов на использование ресурсов модели (ввод, вывод, вычисления) приводит к отказам сервиса либо финансовым потерям.
  
  

GitHub Octoverse 2025

30 октября GitHub представил ежегодный отчёт Octoverse 2025, главной новостью которого, стала информация, что число зарегистрированных разработчиков на платформе превысило 180 миллионов – новые аккаунты регистрировались практически каждую секунду на протяжении года. Всего появилось 36 миллионов новых разработчиков (+23%), при этом 80% «новичков» фактически сразу же начинают использовать ИИ-агента «GitHub Copilot». Среди языков программирования произошла смена лидера: TypeS­cript обошёл Python, что отражает тренд на строгую типизацию и вайб-кодинг, которые являются идеальными «партнёрами» для ИИ, который пишет код – строгая типизация помогает ограничить количество «галлюцинирующего» кода. При этом Python по-прежнему лидирует в сфере искусственного интеллекта: более 582 000 AI-проектов (+50% за год) и рост числа Jupiter-ноутбуков на 75%. География отчета показала, что по численности зарегистрированных на платформе разработчиков подавляющее большинство из США (28 млн чел.), за ними следуют программисты из Индии (21,9 млн), Китая (10,7 млн), Великобритании (4,8 млн), Японии (4,5 млн), Германии (4,4 млн), Индонезии (4,37 млн), России (4,16 млн) и Канады (3,4 млн). GitHub также спрогнозировал, что к 2030 году треть разработчиков на платформе будет из Индии, где за год прибавилось 5 миллионов и прогнозируется 57,5 миллионов инженеров к концу десятилетия. 

Искусственный нейрон — «почти как живой»

31 октября исследователи University of Southern California (USC) представили прототип искусственного нейрона на основе диффузионного мемристора, который способен аккумулировать исходящие сигналы и выдавать короткий импульс, когда уровень стимуляции достигает порога. В классических нейросетях (например, трансформерах) «нейрон» — это математическая функция, собирающая в себе взвешивание входов, суммирование, активация, и всё это происходит в одном «кадре». В спайковых нейросетях – иной механизм: нейрон сначала накапливает сигнал во времени, а затем при достижении порога генерирует импульс. Важна сама хронология поступления сигналов, а не только их величина. Несмотря на очевидный плюс, предоставляющий возможность создать нейронные сети, которые по архитектуре и принципу ближе к биологии – акцент на временную динамику, энергоэффективность, асинхронность. Есть ряд минусов, таких как использование серебра в качестве материала, плохо подходящий для массового промышленного производства и имеющий проблемы с надёжностью, стоимостью, совместимостью. Помимо этого, присутствует проблема интеграции с остальной электроникой, с тем как обеспечить интерфейсы и масштабировать до миллионов и миллиардов нейронов.

В России переписали JavaS­cript на русский

30 октября 2025 года стало известно о том, что российская команда из Пензенского государственный университет (ПГУ) разработала полную русификацию JavaS­cript, в которой вся синтаксическая база переведена на кириллицу, а латинские ключевые слова и англоязычные конструкции исключены. Главная цель — снятие языкового барьера: создатели считают, что перевод языка программирования на русский поможет русскоговорящим студентам быстрее освоить программирование, не отвлекаясь на перевод условий задач и знакомство с англоязычным синтаксисом. Данный проект позволил повысить привлекательность IT-направления для тех, кто не силён в иностранном языке, а также потенциально усилил роль русского языка в среде, в том числе с точки зрения национальной технологической независимости.