Цифровой след

Переход общества в цифровую эпоху создал совершенно особую информационную среду, в которой преступления приобретают виртуальное измерение. Современный цифровой след охватывает широкий спектр информации: метаданные файлов, данные об IP-адресах, времени подключения, история геолокации, переписки в мессенджерах и многое другое. Всё это формирует уникальный информационный профиль личности, способный сыграть решающую роль при раскрытии преступлений. В отличие от традиционных доказательств, цифровые следы обладают высокой информативностью и часто позволяют восстановить последовательность событий с точностью до секунды. Фиксация производится путём создания битовой копии носителя с обязательной фиксацией контрольных хэшей и временных меток. Согласно данным МВД, около 87% дел о мошеннических действиях раскрываются благодаря анализу цифровых следов.

Итоги года VK Education

VK Education представили итоги года. Более 3,3 млн школьников и студентов приняли участие в образовательных проектах, 310 тыс. студентов стали участниками курсов и интеллектуальных состязаний — на 41% больше, чем годом ранее. 110 тыс. студентов завершили обучение на 135 образовательных программах, реализованных VK Education в 2025 году. Топ-5 наиболее востребованных направлений и курсов: лектории по основам машинного обучения и искусственного интеллекта, курсы по алгоритмам и структурам данных, базовому Python, продакт-менеджменту в IT и разработка веб-сервисов на Golang. 258 выпускников получили офферы в VK — вдвое больше, чем годом ранее. Число преподавателей, менторов и экспертов VK Education превысило 1.1 тыс. человек, а выпуски IT-шоу VK Education Talks, в ходе которых звездные гости посещали лекции экспертов VK в стенах топовых вузов и сдавали экзамены, собрали более 2,7 млн просмотров в VK Видео. Количество проектных задач от бизнес-юнитов и департаментов VK выросло до более чем 80, в работе над ними попробовали себя более 5 тыс. студентов. Образовательный департамент VK провел и поддержал более 17 олимпиад по направлениям: информатика, математика, ИИ, ИБ и многим другим. В них поучаствовали более 200 тыс. школьников и студентов.

Проблемы импортозамещения

Возможность полного импортозамещения в области IT-услуг и ПО была возможна уже во второй половине 2010-х годов. На отечественном рынке ещё тогда безоговорочно лидировали российские компании и в третьем десятилетии 21 века эта тенденция только усиливается. Тем временем на рынке большая часть иностранного ПО так же имеет аналоги, имеющиеся в едином реестре программ и баз данных, что позволит при необходимости большинству организаций полностью перейти на российские программные комплексы. Несмотря на достаточное количество разработчиков современных микропроцессоров, на территории России нет производственных мощностей для их изготовления, из-за чего полная независимость от иностранных технологий не может быть достигнута. Требуется вложение огромного количества ресурсов и времени для создания производственных линий. Всегда стоит помнить: использование западного ПО, несёт в себе определенные риски, которые нивелировать всецело возможно только посредством перехода на отечественное ПО.

Алгоритм CatBoost вошёл в топ инструментов машинного обучения в мире

По версии американского издания Marktechpost алгоритм CatBoost от компании Яндекс вошёл в число наиболее цитируемых ML-инструментов машинного обучения в академических исследованиях и попал в узкую группу пяти «неамериканских» технологий: Scikit-learn, AlphaFold, U-Net, GAN/RNN. 90% open-source ML «родом» из США, на Китай приходится 43% публикаций (≈ 2,1 тыс.). CatBoost встречается в каждой 30-й статье по ML и используется в 51 стране. XGBoost — 15%, GBDT — 12%, LightGBM — 10%. Инструмент CatBoost изначально был разработан для задач поисковой строки Яндекса и на декабрь 2025 года применяется в разных сервисах компании. Алгоритм используется в Погоде, Директе, Маркете, Музыке и других продуктах. В открытый доступ инструмент был опубликован в 2017 году. Основная причина популярности заключается в том, что большинство практических задач машинного обучения опираются на табличные данные. CatBoost находит в таких таблицах сложные и неочевидные закономерности.

Улучшение алгоритма RAG

Китайскими учёными была написана статья, в которой обсуждаются проблемы генерации кода на основе больших языковых моделей во встраиваемых средах. Была предложена архитектура EmbedCode-RAG, являющаяся модифицированной версией RAG. Архитектура опирается на четыре механизма: сжатие под контролем AST, двумерный поиск, интеллектуальную генерацию и динамическое обновление. Такая комбинация уменьшает потребление ресурсов, повышает аппаратную адаптивность и улучшает работу в реальном времени. По сравнению с традиционным RAG, CodeBLEU повышается на 8,3%, использование памяти уменьшается на 79,2%, TTFT сокращается на 82,6%, успешная компиляция превышает 85,5%, а также решена проблема переполнения на устройстве STM32H750. В дальнейшем планируются многоязычная база встроенного кода (Python, Rust), федеративное обучение для конфиденциального обмена базами знаний и интеграция RAG с обучением с подкреплением для улучшения аппаратной адаптации.

Обновление Raspberry Pi

Raspberry Pi в начале декабря обновила ПО для Hailo-ускорителей и AI Camera. Драйвер Hailo отвязали от сборок ядра и перевели на DKMS, теперь он собирается во время установки пакетов, что устраняет зависимость от конкретных релизов ядра и позволяет откатывать версию драйвера без изменения ядра. Шилды AI HAT+ и AI Kit получили официальную поддержку Raspberry Pi OS Trixie, а сторонние пакеты теперь доступны через apt-репозиторий. Для модуля AI Camera внедрена функция input tensor injection — вместе с ней пользователи смогут подавать входной тензор в модель для отладки, валидации качества и оценки производительности на датасете. Инструкция по установке сохранилась, но добавлены шаги по DKMS. Обновление упрощает сопровождение драйверов и повышает мобильность разработчиков при работе с пользовательскими нейросетями на платформах Raspberry Pi.