Kurgan-Telecom Ru | Информационные технологии

Хотим поделиться с вами своим небольшим опытом работы с IDE DroidScript, средой разработки под Android, которая была обнаружена на просторах Google Play, как инструмент, с которым можно работать непосредственно на смартфоне, т.к. в первую очередь, появилась необходимость программировать в дороге или просто не дома, например, в электричке или на улице. Ноутбук носить с собой не всегда хочется и "можется" - всё-таки лишняя тяжесть, да и время, пока достанешь и запустишь его, а тем более, прогрузится, например, Android Studio - среда, с которой мы работали ранее, тоже пройдёт не маленькое.

Начиная с JDK 28, API Foreign Function and Memory (FFM) сможет выделять небольшие объёмы памяти из повторно используемых пулов нативной памяти, если приложение использует Arena.ofConfined().

Главное преимущество этого нововведения — отсутствие необходимости изменять исходный код при существенном сокращении накладных расходов в распространённых сценариях использования FFM.

Разбираемся в новом переводе от команды Spring АйО

В марте я записывал тренировки в Notion и скидывал скриншоты ChatGPT, чтобы он подсказал, что поменять в программе. Через полгода у меня было своё приложение в Google Play, сделанное с ChatGPT и Claude. Сделать его оказалось проще, чем я думал. Сложнее оказалось другое.

Нейросеть построила график продаж и написала, что в конце сентября выручка упала. Но действительно ли покупатели стали заказывать меньше? Или выгрузка закончилась 28-го числа, а последнюю неделю сравнили с полной?

Убедительный график ещё не означает правильный расчёт. Возвраты могут попасть в продажи, товарные позиции — превратиться в отдельные заказы, а дубли — создать рекордную неделю. Поэтому при выборе нейросети для графиков меня интересует, можно ли проверить результат и повторить его на новых данных.

Однажды мне нужно было выпилить ненужный кусочек экрана. Задача на удаление, что может быть проще? Итоговый дифф: 99 файлов, +5218 −5495. Чтобы удалить 5 тысяч строк кода, пришлось написать 5 тысяч строк спек: proposal, design, tasks и дельты REMOVED. Тогда я задумался: зачем мы генерируем, храним и коммитим кучу артефактов, которые современной модели не нужны?

Так появился SlimSpec, плагин для Claude Code. Спеки в нём не ведут работу, а остаются после неё. На реальном проекте сопоставимое изменение обошлось в 29,7M токенов против 45,7M у OpenSpec, а в git не попало ни строчки процессных файлов. Рассказываю, как это устроено, показываю цифры и то, чем пришлось заплатить.

Моя гениальная подруга Адаоби Адибе прислала мне научную работу о том, как делать биологические ткани прозрачными. В публикации «Achieving optical transparency in live animals with absorbing molecules» учёные достигают этого — в частности на примере куриной грудки — за счёт погружения материала в раствор тартразина. Тартразин — это яркий жёлто-оранжевый пищевой краситель, используемый в чипсах Doritos.

Мы планируем провести ещё более амбициозный эксперимент. Но в качестве разминки я попытался воспроизвести некоторые части этого протокола, вымочив куриную грудку именно в растворе тартразина. Мне удалось добиться частичной прозрачности, но не в той степени, которую достигли авторы исследования. Образец на фото ниже — это кусочек куриной грудки толщиной около 2 мм, который я отрезал от слайса 5 мм, вымоченного в растворе тартразина ~0,19 М в течение 12 часов при комнатной температуре. Снимок сделан при свете настольной лампы. По нему видно, что сквозь ткань просвечивают линии сетки. Сама же ткань курицы, хоть и осталась на ощупь такой же, визуально стала напоминать мармеладных мишек.

Привет, Хабр!

На связи, Михаил Чернышов, ведущий аналитик платформенных решений в компании «Гарда». Сегодня хочу поговорить про обратную сторону Луны систем EDR и обманчивое чувство безопасности, которое может зарождаться у заказчиков после покупки систем подобного класса.

Ниже я разберу некоторые тезисы из доклада Зоиэл Фрейре «Ransomware vs EDR: Inside the Attacker's Mind» и попытаюсь ответить на вопрос, почему метрики покрытия не всегда являются источником истины и какие ограничения следует учитывать, доверяя маркетинговым заявлениям.

Зоиэл Фрейре не просто теоретик. Он пишет малварь и профессионально обходит защиты. В рамках своего тура по конференциям он показывает живые демо обхода EDR на трех платформах — Windows, Linux и macOS, демонстрируя слабости используемых методов защиты.

Итак, поехали!

Данный текст является конкретным техническим решением и ответом на вопросы, поставленные Элиэзером Юдковски в статье «Cat-Belling Problems», опубликованной 4 сентября по итогу его дебатов с Джеффри Ирвингом, прошедших 3-7 августа на международной конференции ILIAD-2026, посвященной теоретическим и математическим проблемам безопасности и контроля искусственного интеллекта.

Чтобы лучше было понятно, о каких проблемах и вопросах идет речь, я опубликовал на Хабре свой перевод.

Введение

Представьте, что вам нужно отрендерить в React-приложении таблицу с 100 000 объектов, которые непрерывно обновляются в реальном времени через WebSocket. Каждые 50 мс прилетает батч из 5000 дельт (изменений).

Стандартный подход с useState или классическим Redux (с Immer) убивает браузер за несколько секунд:

Психическое здоровье — прежде всего! Написал для macOS открытый переключатель раскладки: сам замечает «ghbdtn», исправляет на «привет» и переключает раскладку. Работает в терминале («св» → cd), в том числе в панелях VS Code и Claude Desktop, и не трогает пароль sudo. Внутри — event tap, Accessibility API, биграммы и немного детектива с Electron.

Привет, Хабр! Делюсь ниже статьей моих коллег в К2 Кибербезопасность системного инженера Захара Пенчева и ведущего эксперта технического блока Влада Мусатова.

Тестирование новых версий продуктов — одна из самых интересных задач для инженера системного интегратора. Ведь это возможность не только познакомиться с новой функциональностью, но и проверить ее на практике, разобраться в особенностях реализации и оценить поведение решения в различных сценариях.

В этот раз в центре нашего внимания оказался Kaspersky NGFW (K-NGFW). В статье расскажем, как проходило тестирование, что удалось проверить и к каким выводам мы пришли. 

Люди редко задумываются, что творится в первые секунды после нажатия кнопки питания ПК или ноутбука. А происходит вот что: прошивка материнской платы запускает память, процессор, контроллеры и видеоадаптер, а затем передает управление дальше. Код этого слоя почти всегда закрыт.

Хватит это терпеть! В сентябре 2026 года Фонд свободного программного обеспечения объявил, что берет под свое крыло проект GNU Boot. Это попытка сделать полностью свободную замену BIOS и UEFI. Давайте разберемся, зачем она нужна и почему пока работает только на старом железе.

При длительной работе с AI над одним проектом постепенно накапливаются решения, требования и договорённости. Со временем модель может перестать учитывать часть этой информации, опираться на устаревшие решения или противоречить ранее согласованным требованиям.

Разберём, как организовать проектный контекст с помощью ChatGPT Projects, инструкций, документов и памяти, а главное - как поддерживать его в актуальном состоянии.

Привет, Хабр!

В конце апреля наш экспертно-аналитический центр подготовил доклад о защите ЦОДов и о последствиях, которые наступают при аварии или целенаправленной атаке. Мы немного освежили данные и предлагаем вам почитать, что сейчас предпринимают для защиты от киберугроз (и не только) в мире. 

Как сейчас вообще бизнес и государство смотрят на ЦОДы

Обеспечение безопасности ЦОДов сейчас — это де-факто фундамент выживания бизнеса и государства. Вспомните, сколько сервисов легло разом после атак на ДЦ Яндекса. И ущерб для компании тут огромный, начиная от необходимости ремонта (что в текущих условиях по актуальным ценам на компоненты, прямо скажем, так себе) и заканчивая материальными потерями в плане недополученной выгоды на момент простоя всех приложений. А есть ещё и репутационные потери, из-за которых часть клиентов могла уйти к конкурентам, плюс атаки на ЦОДы ожидаемым образом отразились и на цене акций.

Так что «Рабочий ЦОД = залог выживания бизнеса» это уже не громкая фраза, а насущная реальность. 

Поэтому сегодня ЦОДЫ рассматриваются как стратегические объекты, которые надо защищать от диверсий и техногенных катастроф. Тут сразу стоит отметить, что без надёжной физической базы все остальные меры защиты неэффективны. Можно выделить три главных составляющих такой базы.

В одном из тестов института Ai2 языковая модель выбирала сотрудника на инженерную должность. Модели давали на выбор два резюме. В одной версии задания конкретная кандидатка уступала второму кандидату по квалификации, в другой — превосходила его. Tülu 3.1 8B выбрала эту женщину в обоих случаях, в том числе когда ее резюме было слабее. Только объяснения поменялись. Недостающие сертификаты модель компенсировала рассуждениями о потенциале и разнообразии опыта.

Этот пример из исследовательской работы FairStress, опубликованной несколько дней назад. И он неприятен своей узнаваемостью: модель подстраивает обоснование под свой внутренний вердикт, хотя ожидается ровно обратное. Причем по отдельному ответу трудно заметить подвох: текст выглядит разумно, кандидат выбран, аргументы перечислены.

За последние несколько лет исследователи проделывали похожие проверки с именами, возрастом, диалектом и даже простым "Вы уверены?". Модели охотно проявляли стереотипы там, где данных не хватало, отказывались от правильного ответа под давлением и по-разному оценивали людей в зависимости от того, к какой социальной группе они относились. 

Так называемая положительная дискриминация давно не секрет: в некоторых странах представителям определенных социальных групп дают преимущества при найме. Такие меры вводят через законы или корпоративную политику — у них есть конкретные границы применения (ладно, как минимум границы стран). Но с распространением нейросетей похожие предпочтения могут переноситься в другие регионы и компании вместе с самой моделью. Работодатель, который не вводил таких правил и не собирался учитывать пол или происхождение кандидатов, может невольно учитывать эти признаки, следуя рекомендациям ИИ-рекрутера.

Разберу в статье пять исследований: как проявляется предвзятость нейросетей и что происходит при попытках ее исправить.

Python знают миллионы разработчиков. Но что сегодня отличает Junior+ от Middle, а Middle от Senior, кроме количества лет в резюме? Собрали актуальную матрицу компетенций для питонистов: от объектной модели и pytest до высоконагруженных систем, Big Data и промышленных решений с LLM.

Допустим, интернет-магазин прошёл приёмку: каталог открывается, тестовый заказ появился в системе, HTTPS работает. Что проверять дальше? Ежедневно повторять весь путь покупателя вручную неудобно, а одна открывающаяся главная мало говорит о состоянии остального сайта.

Миграция с Xamarin.Forms на.NET MAUI, десятки тысяч строк чужого кода, несколько неудачных попыток переписывания и первая публикация приложения в RuStore. Расскажу, как проходил этот путь, с какими трудностями столкнулась и что стоит учесть при подготовке Android‑приложения к публикации. А в конце — о том, что ждёт впереди: переход на новую версию на iPad.

Представим ситуацию: в PostgreSQL хранится большое значение — документ, бинарные данные, крупный JSON или другой объект размером в несколько мегабайт. При этом приложению далеко не всегда нужен объект целиком. Иногда требуется получить лишь небольшой фрагмент.

Например, значение занимает 10 MiB, а запросу нужны всего 100 байт.

Кажется логичным, что PostgreSQL должен прочитать только эти 100 байт. Но на практике объём работы зависит от того, как значение хранится, было ли оно сжато и какой алгоритм сжатия использовался.

В этой статье проверим поведение PostgreSQL 18.6 экспериментально. Сравним EXTERNAL, PGLZ и LZ4 и посмотрим, что происходит, если читать один и тот же 100-байтовый фрагмент из начала, середины и конца большого значения.

Цель — не найти универсально «лучший» вариант хранения. Нас интересует более практический вопрос: какую работу PostgreSQL выполняет при частичном чтении большого TOAST-значения и при каких условиях различия становятся заметны.

Это Муфоед. С ним я познакомлю вас чуть позже. Пока же я расскажу небольшую историю, которая, уверен, уже перестала быть новинкой. Мне не хватало пары функций в блокноте от Windows. И я не пошел искать программу на замену, как сделал бы это раньше. Я пошел к ИИ, описал свои беды и через полчаса у меня была нужная программа только что созданная с нуля.

Но вот “с нуля” ли? И такая ли эта модель молодец, что написала такую сложную программу так быстро? Казалось бы - да. Но, нет. Она сделала эту программу опираясь на “плечи гигантов” - кучу созданных и отлаженных библиотек, сделанных другими, подчеркну это, людьми. И обучаясь на еще большей куче кода сделанного людьми.