Kurgan-Telecom Ru | Информационные технологии

Случается, что мы накопили пару вагонов данных по рабочему кейсу, сидим, смотрим на него, гордимся накопленным объемом... Но заказчику ты его в таком виде не предъявишь. 
И что теперь с этим всем счастьем делать? Как его интерпретировать и как на его основе построить "венец творения" осинтера — отчет? 

Вот тут, как раз и наступает самый "веселый" этап работы с большими массивами данных — статистическая обработка. Не так интересно, как исследование, но чтобы собрать внятную цельную картинку, без нее не обойтись. Поясним для почему:
Во-первых, статобработка позволяет трансформировать разрозненные массивы сырых данных в что-то структурированное, сделать выводы, поддающиеся верификации и воспроизведению. Без количественных и качественных методов придется опираться исключительно на субъективные суждения, что сильно снизит достоверность выводов.
Во-вторых, статистика проявляет скрытые закономерности и аномалии, подсвечивает те сигналы, которые теряются в информационном шуме при поверхностном изучении. 
Логично же?
Не благодарите Кэпа.

Теперь разберемся, какие конкретные задачи решаемы статистическим анализом в рамках ОСИНТ-деятельности. Понятно, что для верификации единичных эпизодов статистика - излишня. Говорить будем только о значимом количестве данных.
Будет много перечислений, описаний и, казалось бы, очевидных вещей, но уж такова специфика такого рода гайдов.

Итак, задачи:
1. Профилирование акторов: построение количественных моделей поведения отдельных лиц или организаций.
2. Мониторинг дезинформации: выявление аномальной активности в социальных сетях, обнаружение ботнетов и координированных кампаний влияния путем анализа временных рядов и сетевых графов.
3. Корреляционный анализ публичных финансовых отчетов, реестров юридических лиц и данных о сделках с различными объектами собственности.
4. Геопространственный анализ: статистическая обработка геотегированного контента для верификации местоположения событий (геолокация).
5. Оценка угроз: прогностическое моделирование на основе исторических данных об инцидентах, конфликтах и кризисах.

DNS в Kubernetes может годами работать без нареканий, а затем внезапно начать добавлять по пять секунд к запросам. Причина порой скрывается в стандартных настройках резолвера, которые создают лишний трафик и повышают вероятность потери пакетов. Разбираемся, как ndots:5 связан с таймаутами, где искать источник задержек и какие способы решения действительно помогают.

Гергей Орос (The Pragmatic Engineer) пересказывает свой доклад на конференции LDX3 в Нью-Йорке: что изменилось в индустрии за год, что сломалось, что осталось прежним и куда всё движется. В августе 2026 года на GitHub агенты создали больше PR, чем люди, в Linear агенты заводят больше задач, чем люди, Cursor и Antigravity ушли от IDE, а код-ревью во многих компаниях превратилось в театр. В статье свежие данные GitHub, Linear и Factory AI, истории из OpenAI, Anthropic, Uber и Ramp.

V-GEN — локальный сервис с веб-интерфейсом, который собирает новостные ролики сам «под ключ»: от живого поиска инфоповодов до готового Full HD файла с русским именем для эфирного плейлиста.

Не стоит доверять людям, которые обещают выполнить задачу после полной предоплаты: возможно, они действительно всё сделают, но есть риск, что они пропадут с деньгами и перестанут отвечать на звонки. Чтобы не полагаться на добросовестность контрагента, есть техническое решение. Это безопасная сделка — модель расчётов, которая исключает элемент доверия. 

В статье рассказываю, как работает платёжный сценарий с ролями, статусами, сроками, правилами выплат и обработкой спорных ситуаций. Привожу примеры, разбираю техническую интеграцию решения для безопасных сделок через API, настройку комиссий, URL-уведомлений и фискализации.

Я довольно рано научился доводить свои программы до состояния «работает». Потом захотел зарабатывать ими. И тут обнаружил, что после написанного кода у меня начинается самая непонятная часть.

Маркетинга и продаж я не понимал. Зато умел сесть и написать код. Так и делал.

Современные модели пишут код, запускают тесты, замечают, что что-то упало, и сами вносят правки. Если дать им инструменты, этот цикл можно прокручивать многократно, без чьего-либо участия. А где заканчивается обычная автоматизация и начинается самоулучшение? Недавно я прочла обзор, в котором авторы берут концепцию рекурсивного самоулучшения (Recursive Self-Improvement, RSI) и предлагают шкалу из пяти уровней автономии. В этой статье я хочу поговорить о том, какие из них уже можно увидеть в современных системах.

Неужели опыт запуска своих проектов, особенно если они доведены до конца, хуже опыта работы в больших компаниях при найме на работу на позицию продукта/маркетолога?

Просто я смотрю, вокруг прям все козыряют, exБигБанк и т.д. и HR на это видимо клюют и выбирают того, у кого предыдущее место работу круче или созвучно с их названием компании.

Введение

Несколько лет назад в Интернете завирусилась эта картинка. Это очень простой сдвоенный куб с шестью отрезками. Волшебным образом оказывается, что они образуют красивую последовательность корней чисел от одного до шести. Корень единицы — это просто ребро куба. Корень двух — диагональ грани. Корень трёх — диагональ всего куба. И так далее.

Всё это замечательно, но математики склонны к жадности. Возможно, удастся удлинить эту последовательность? Можно добавить слева ещё один куб, получив при этом квадратные корни 9, 10 и 11. Но у нас остались разрывы, а разрывы — это не очень хорошо. Отсутствуют семёрка и восьмёрка. Возможно, стоит добавить куб снизу. Мы получим корень из восьми, но где же корень из семи? Конечно, мы можем добавлять новые кубы и получать новые длины, но как бы мы ни старались, корня из семи мы так никогда и не встретим. И общую причину отсутствия квадратного корня семи и ещё кучи других чисел определить не так-то просто. Эта одна из самых давних загадок в математике.

Вопрос о том, сколько конкретно чисел можно найти в таких составленных из кубов телах, не давал покоя математикам в течение двух тысяч лет. Благодаря нему появилась область, сегодня известная как аддитивная теория чисел. Давайте же изучим этот вопрос и узнаем, какой секрет кроется в этом сдвоенном кубе.

При онлайн-шоппинге пользователь покупает не только сам товар, но и представление о том, каким он окажется «в жизни». И все чаще оно формируется визуалом, созданным или улучшенным с помощью ИИ. Сегодня продавец может за минуты заменить фон, сгенерировать лайфстайл-сцену, создать несколько версий главного изображения или «достроить» окружение без полноценной фотосессии.

Для бизнеса это означает более быстрый, дешевый и управляемый визуальный контент. Для пользователя — растущее ощущение, что картинке все сложнее доверять. Если фото можно существенно улучшить без изменения самого товара, визуал перестает быть надежным ориентиром для покупателя.

до форума «СИЛА ПЛАТФОРМЫ» осталось 4 дня!

15 октября 2026 года в Москве (кластер «Ломоносов») и в онлайн-формате пройдет масштабный форум о цифровизации, российском инженерном ПО и технологиях искусственного интеллекта в строительстве. Будут представлены десятки кейсов от ведущих проектных организаций страны и прикладные сценарии применения ИИ. Состоится стратегический диалог о будущем инженерного образования — участие в дискуссии примут представители Министерства цифрового развития, связи и массовых коммуникаций, Министерства транспорта, Министерства науки и высшего образования и Комитета Совета Федерации по экономической политике.

Добавили ядер, перешли на тариф дороже, а сервер всё равно тормозит?

Проблема может быть вовсе не в количестве ядер. Иногда проекту не хватает оперативной памяти, иногда процессорное время забирают соседние виртуальные машины, а иногда вы просто переплачиваете за ресурсы, которые не используете.

Но как понять, когда достаточно Shared VPS за 593 ₽, когда стоит перейти на Dedicated с выделенными ядрами, а когда лучше выбрать Storage или полноценный физический сервер?

Разбираемся на примере инфраструктуры Aéza. Сравним характеристики и цены, подберём конфигурации для сайтов, ботов, 1С, игровых серверов и баз данных. Покажем, как проверить CPU steal time, на чём можно сэкономить и почему сервер с большим количеством ядер не всегда решает проблему.

Главная мысль: правильный сервер — не обязательно самый дорогой. Важно понимать, за какие ресурсы вы платите.

14 ноября — большой день сразу для двух инженерных сообществ. В ННГУ им. Лобачевского в Нижнем Новгороде до обеда будут говорить про RISC-V, а после обеда — про FPGA. Предусмотрен и тихий час, если вы готовы этим обедом пожертвовать. Можно зарегистрироваться на один трек или на оба, можно посмотреть все девять докладов из уютного кресла дома или прямо из зрительного зала. Программа и подробности — под катом, регистрация — по ссылке.

Что я пробовал вначале. JPEG не помог. Шум тоже.

Кадр один: девочка у пруда, утки в траве, осенние деревья, 1536 × 1024. Я мял его обработкой и снова получал одно и то же. SynthID обнаружен. Картинка уже выглядела хуже. Проверка по-прежнему находила знак.

Сработал другой ход. Сгенерировать вторую версию сцены через ControlNet Canny, взять из неё полосу текстуры и подмешать в исходник. Ручная проверка этого файла вернула not detected. Трава изменилась. Утки остались утками.

Мы зашли в проект в момент запуска обновлённого дизайна сайта. Команда «Инферит ИТМен» переводила сайт на новую версию — более современную и заточенную под лидогенерацию, чем прежняя. Такой переезд всегда означает, что часть настроек нужно собирать заново на новой площадке, и SEO-процессы разумнее выстраивать сразу, а не догонять потом. Так проект и начался: параллельно с запуском нового сайта.

Галлюцинацией агента в продакшне называют неверное действие: вызов API, запись в базу, письмо клиенту, транзакция. Стоимость такой ошибки определяется не столько ценой токенов, сколько обратимостью действия и временем, за которое ее заметили. Ниже — задокументированные случаи с суммами от $812 до примерно $100 млрд рыночной капитализации, данные исследований и формула, по которой убытки от ошибок агента можно оценить для своей системы.

Я записался на BlueSec1 - соревнование, где надо собрать ИИ-агента, который разбирает тревоги вместо аналитика первой линии SOC. Я продуктовый человек из управления уязвимостями, тревоги по работе не разбираю, и первое мое сообщение напарнику-ИИ было буквально: “я не понимаю смысл этого, объясни мне”. На открытом этапе я все равно взял первое место - а потом оценки погасили…

Добрый день, дорогие читатели!

В прошлой статье мы разбирали, как настраивать сканирование Windows-активов. Сегодня же мы разберемся с Linux-активами. Поговорим о вариантах настройки учетных записей для Аудита, о правах для сканера. И по традиции проведем эксперименты.

«Спросил у ChatGPT про вашу компанию — он назвал трех конкурентов». Если вы работаете с сайтами, такую фразу вы слышали уже не раз. При этом сайт в топе, трафик из поиска идет, конверсии в порядке. А нейросеть либо не знает о вас, либо рассказывает о компании по данным двухлетней давности.

Первая реакция — переписать тексты, добавить экспертизы, оформить FAQ. Мы проходили этот путь: гипотеза про «мало контента» выглядит логично, но почти никогда не подтверждается. Отвечает нейросеть не по вашему тексту, а по тому, что до нее дошло. И вот тут начинается самое интересное.

Когда мы прогнали свой сайт через запросы к разным моделям и посмотрели, что именно получает их инфраструктура, картина оказалась прозаичной. Часть ИИ-краулеров не исполняет JavaScript. Для сайта, который собирается в браузере, это означает одно: до модели вместо статьи доезжает пустой каркас. Пользователь видит прекрасную страницу, а нейросеть — пустой файл.

В этой статье разберем, как устроено чтение сайтов системами ИИ, где контент теряется на пути от сервера к ответу модели и что из этого можно проверить и починить.

Приветствую, Хабр! Написать статью решил, так как совпало сразу несколько ключевых моментов. Во-первых, в прошлой статье разбирал/ремонтировал довольно хороший блок питания GaN 140W. Во-вторых, на маркетплейсе приобрел блок питания GaN 240W (мощность почти вдвое больше, цена в 15 раз ниже, ну вы понимаете). В-третьих, для одного из проектов было необходимо разработать модуль питания с Power Delivery. И тут завертелось.