✔️ Робособаки вытесняют охранников в США Американские компании начали активно использовать робособак для охраны дата-центров, спортивных объектов и даже сельскохозяйственных угодий с ценными культурами. Главным драйвером автоматизации стала экономика. По оценкам аналитиков Business Insider, использование автономной машины для покрытия одной круглосуточной смены обходится на 80–130 тысяч долларов дешевле, чем содержание штата охранников. Индустрия физической безопасности в США давно страдает от высокой текучести кадров. Причина кроется в низких зарплатах - медианный годовой доход охранника в 2024 году составил немногим более 38 тысяч долларов. Кадровый дефицит и потребность бизнеса в оптимизации расходов открыли окно возможностей для технологических стартапов. Например, профильная компания Asylon уже развернула около 50 роботов для корпоративных клиентов по всей стране. Центр труда Калифорнийского университета отмечает, что полная замена людей роботами в ближайшее время невозможна, но рынок ждет трансформация - патрулирование территорий полностью перейдет к роботам, а людям оставят реагирование на инциденты и выполнение задач, требующих нестандартного мышления. @ai_machinelearning_big_data #news #ai #ml

🔥 Kimi K3 на 2,78 ТРИЛЛИОНА параметров запустили на CPU с 8 ГБ RAM. Без GPU, BLAS и фреймворков Проект kimi-k3-in-c реализует inference Kimi K3 практически с нуля на portable C99. Чекпоинт модели занимает 1,56 ТБ, но пик RAM при запуске составил всего 8,24 ГБ. Фокус в MoE и стриминге весов. Из 896 экспертов на токен выбираются только 16, а остальные веса не обязаны постоянно лежать в оперативной памяти. Огромная часть модели читается прямо с диска, поверх этого работает LRU-кэш экспертов. Цена такого трюка очевидна: скорость. При 8 ГБ RAM автор получил около 26,5 секунды на токен, при 64 ГБ уже 19,8 секунды, а на машине с 128+ ГБ, где нужные данные помещаются в память, около 5,6 секунды. Получается любопытная смена ограничения: гигантскую MoE уже можно заставить работать без серверной фермы. Вопрос теперь скорее в том, сколько диска и времени на токен вы готовы отдать за такой inference. github.com/FareedKhan-dev/kimi-k3-in-c #AI #Kimi #LLM #C #LocalAI

​​Talk: breaking into machine learning - recording Пару дне назад я уже писал, что я буду делать доклад для пакистанских студентов. В общем получилось так, что на него зарегистрировалось 450+ человек, несмотря на то, что это был праздник - день независимости. Встреча была в google meets, но там лимит в 100 человек, так что все желащие не влезли. В результате делали трансляцию в linkedin, запись можно посмотреть тут https://www.linkedin.com/events/liveaugust147494045235434594306/ Вопросы были в основном про карьеру - как её начинать, что делать в текущей ситуации с засилием AI, как вкатываться в сферу и так далее. Думаю, скоро напишу блогпост про это, чтобы мысли были не только в записи. Сам доклад шёл 40 минут, потом я ещё 40 минут отвечал на вопросы. #career #ai #datascience

Мастерство как источник внутренней мотивации Желание становиться лучше и развивать свои способности — один из самых сильных внутренних стимулов. Люди стремятся к совершенству не из-за внешних наград, а потому что стремление к росту заложено в нашей природе. Это стремление зачастую оказывается сильнее любых премий и поощрений. В контексте бизнеса это открывает большие возможности. Мотивация команды и клиентов может строиться не только на материальных стимулах, но и на поддержке личного и профессионального роста. Обучающие программы, наставничество, возможность пробовать новое и совершенствовать навыки — всё это активирует внутреннее стремление к развитию. Когда компания создает культуру, в которой рост и обучение — часть повседневности, люди начинают развиваться ради собственного удовлетворения. Это повышает уровень вовлеченности, лояльности и эффективности. Инвестируя в развитие мастерства, вы формируете сильную и вдохновлённую команду, а также привлекаете клиентов, которым важно быть частью такого пространства Фаундер | Бизнес и Стартапы

🔁🌐 TRANSLATED REPOST ➖➖➖ Тайвань репетирует жизнь без интернета Shutdowns · 13.08.2026 Тайвань устроил себе учения по добровольному отключению интернета — и это, кажется, первый в мире случай, когда страна сама тренируется жить без сети, чтобы потом не растеряться, если это сделает кто-то другой. Wait, let me provide the actual English translation: Тайвань репетирует жизнь без интернета Тайвань только что провёл учения по добровольному отключению интернета — и это, судя по всему, первый в мире случай, когда страна самостоятельно потренировалась жить без сети, чтобы её не застали врасплох, если это сделает кто-то другой. В четверг в 14 городах и округах на севере и в центре острова — где проживает около 70% из 23 миллионов жителей — скорость интернета намеренно снизили, чтобы сымитировать скоординированную атаку. TikTok у восемнадцатилетней Чэнь Хуэй-сюань вообще не загружался, Facebook едва работал, а сообщения в Instagram приходили примерно за тридцать секунд. Судя по всему, апокалипсис на Тайване будет сопровождаться бесконечно крутящейся иконкой загрузки. Пока одни ругались из-за незагружающихся сторис, другие уже готовились всерьёз. Ван Чэнь-вэнь поднимается на крышу своего 25-этажного здания, подключает телефон по Bluetooth к рации размером с ладонь и отправляет сообщения через открытую платформу — без всякого интернета, только с помощью дальнобойных радиоволн. И это работает: сообщения из района Бэйтоу доходят до соседнего Синьи за считанные минуты. Причина всего этого — не абстрактная тревога. У Тайваня 16 международных и 10 внутренних подводных кабелей — «незаменимая цифровая линия жизни», как называют их местные власти. В 2025 году капитан китайского судна был осуждён за умышленное повреждение кабеля между главным островом и архипелагом Пэнху, а ещё один капитан получил приговор за повреждение кабеля рядом с Мацзу — на этот раз по неосторожности. Береговая охрана называет это «серой зоной» — нанесением вреда без перехода черты открытой войны. Отсюда и опора на резервные каналы связи — от раций до низкоорбитальных спутников. Парламент уже одобрил поправки, открывающие местный рынок для Starlink, хотя обширные бизнес-интересы Маска в Китае не слишком располагают к доверию к этой идее. Как признают сами организаторы учений, неудобство — в этом весь смысл: пусть люди на собственном опыте почувствуют, каково это, и научатся пользоваться запасным планом до того, как он действительно понадобится. Источник: https://www.newsweek.com/taiwan-disrupts-internet-access-during-china-airstrike-drill-12317651 ➖➖➖ 🔁🌐 Repost & Translated from: Brandmauer Report

Что с рынком труда в ИТ в 2026: глобально и по регионам Посидела в свежих отчётах и собрала картину по регионам: по продактам, и по ИТ в целом. Спойлер: картина, скорее, позитивная. Глобально. - Рынок продактов на подъёме: 26 900+ открытых PM-ролей, в 2.3 раза больше, чем в 2023. - Главный драйвер AI: 61% вакансий требуют AI-опыта, премия за него 15-30%. - По ИТ в целом та же картина. Единственное, что растёт без оговорок, это всё вокруг AI: у крупных компаний таких вакансий на 50-100% больше, чем год назад. Быстрее всех набирают финтех и security, есть компании, почти удвоившие штат за два года. США. - Найм растёт: вакансии разработчиков за год в плюсе, топ-компании нанимают на 20% больше, чем год назад. - Но рынок жёстко расслоился. AI-продакты получают ~$245k против ~$123k у традиционных PM. В два раза! - География концентрируется: 23% всех открытых PM-ролей в Bay Area. Европа. - Самый противоречивый регион. По разработчикам вакансии выросли только в Британии, Германия и Франция в минусе. Нанимают в основном компании с американскими штабами. - У продактов вакансий больше (+33% г/г), но фактический найм упал на 14%. То есть постят много, нанимают долго и придирчиво. - Своим при этом повышают зарплаты активнее любой другой функции (+5,2%): дешевле удержать, чем искать. - Ориентиры мидла: UK £67k, Германия €71,5k, Нидерланды €70,3k, Франция €63,7k, Испания €54k. Россия. - Рост ниже инфляции. По данным Хабр Карьеры (45 000+ реальных окладов, июль 2026) медиана по ИТ 191к ₽, +4% за полугодие при инфляции 4,5-5,5%. - Продактам не досталось совсем: зарплаты в менеджменте показали ноль роста за год, премия ушла смежным ролям (техподдержка +10%, маркетинг +9%). - Ориентиры: менеджеры в ИТ получают 260к ₽ в Москве, 200к в Питере, 152к в регионах. Индия и Канада самые горячие. Индия +42% г/г по продактам, причём рост тянут не стартапы, а мид-сайз и корпорации. Канада +67% г/г. Удалёнка. Глобально remote-ролей +43% г/г, но США выбиваются: только 7% AI-продактовых ролей там полностью удалённые. В Европе гибрид 2-3 дня в офисе стал дефолтом. Вывод: везде плюс/минус одно с разными акцентами. Рынок награждает специализацию, AI-навыки и senior-опыт. А где не награждает, как в России, там стагнация для всех. Генералистам тяжелее всех, в любом регионе и в любой роли. В следующем посте расскажу, что вижу сама на практике, как обстоят дела у менти и как конвертятся мои отклики. #PG_education

✔️ Mistral обновила OCR-модель до версии 4.1 Главный упор сделали на обработку перегруженных страницы, где текст, изображения и подписи идут плотно и наслаиваются друг на друга. По данным Mistral, модель точнее определяет границы каждого элемента - рамки не съезжают, изображения не наезжают одно в другое по ошибке. На нагруженных технических диаграммах модель реже теряет блоки, а текстовые выноски считывает как самостоятельные объекты, а не сливает в один массив. Отдельно заявлена работа с многоколоночными документами, OCR 4.1 сохраняет исходную структуру страницы и отдает каждую колонку отдельной областью текста. В настроенных процессах тем, кто пользуется моделью, менять ничего не нужно. Алиас mistral-ocr-latest уже переводит существующие интеграции на новую версию. Руками модель можно попробовать в Mistral Studio. @ai_machinelearning_big_data #news #ai #ml

🕵️ Что такое Responder? Когда начинают разбирать внутренний пентест Windows-сети, довольно быстро встречается инструмент Responder. Особенно часто он появляется рядом с такими понятиями: LLMNR → NBT-NS → mDNS → NTLM → Responder

📌 Responder — это инструмент для анализа небезопасных механизмов разрешения имён и NTLM-аутентификации внутри локальной сети.

Проще говоря, он помогает пентестеру проверить, может ли компьютер пользователя по ошибке обратиться не к тому устройству и попытаться передать ему данные для NTLM-аутентификации. 🧠 Откуда вообще появляется проблема? Представим ситуацию. Пользователь пытается открыть:

\\fileserver\docs

Но случайно вводит:

\\filesevrer\docs

DNS не знает такого имени. Windows может попытаться найти устройство другими способами, используя локальные механизмы разрешения имён, например: — LLMNR; — NBT-NS; — в некоторых сценариях mDNS. В сети появляется вопрос:

«Кто такой

filesevrer

?»

И если злоумышленник или пентестер находится в том же сетевом сегменте, он может попытаться ответить:

«Это я».

📌 Что происходит дальше Упрощённо схема выглядит так:

Пользователь
      ↓
Не может найти сервер через DNS
      ↓
LLMNR / NBT-NS запрос
      ↓
Responder отвечает
      ↓
Windows пытается выполнить NTLM-аутентификацию

Именно здесь появляется возможность обнаружить небезопасную передачу NTLM-аутентификационных данных. 💀 Почему это интересно пентестеру? Потому что такая ситуация показывает сразу несколько проблем инфраструктуры: — используются устаревшие механизмы разрешения имён; — рабочие станции доверяют ответам внутри локального сегмента; — используется NTLM; — отсутствует достаточная сегментация сети; — пользователи и сервисы могут автоматически инициировать аутентификацию. При внутреннем пентесте Responder часто помогает показать, насколько легко атакующий, уже оказавшийся внутри сети, может получить дополнительную информацию об учётных записях. 🔐 Responder не «ворует пароль напрямую» Это важный момент. Обычно речь идёт не о получении пароля пользователя в открытом виде. В NTLM-аутентификации используется механизм challenge-response. Упрощённо:

Сервер → challenge
Клиент → response

Поэтому пентестер получает данные, связанные с процессом NTLM-аутентификации, а не просто:

user:password

Дальше риск зависит от: — сложности пароля; — конфигурации сети; — настроек NTLM; — возможности дальнейшего relay-сценария. ⚔️ А причём здесь NTLM Relay? Вот здесь начинается самое интересное. Полученные NTLM-аутентификационные данные не всегда обязательно пытаться подбирать. В некоторых конфигурациях их можно попытаться перенаправить другому сервису. Это называется: NTLM Relay И здесь становится понятна наша предыдущая тема — SMB Signing. Цепочка начинает складываться:

LLMNR / NBT-NS
        ↓
Responder
        ↓
NTLM-аутентификация
        ↓
SMB Signing не требуется
        ↓
Возможность NTLM Relay

Поэтому все эти темы мы разбираем именно последовательно. 🔎 Что проверяет пентестер Во время аудита важно понять: — включены ли LLMNR и NBT-NS; — используется ли NTLM; — требуется ли SMB Signing; — какие устройства находятся в одном сетевом сегменте; — могут ли рабочие станции инициировать NTLM-аутентификацию к неизвестным узлам. Responder здесь выступает прежде всего как инструмент, позволяющий продемонстрировать последствия неправильной конфигурации. 🧠 Главная мысль Responder сам по себе не создаёт уязвимость. Он показывает уже существующую проблему:

компьютер не смог найти нужный ресурс, доверился ответу внутри локальной сети и попытался автоматически пройти NTLM-аутентификацию.

Именно поэтому Responder считается одним из классических инструментов внутреннего инфраструктурного пентеста. 📌 Наша цепочка теперь выглядит так:

SMB
 ↓
SMB Signing
 ↓
NTLM
 ↓
LLMNR / NBT-NS
 ↓
Responder
 ↓
NTLM Relay

#responder #ntlm #llmnr #smb #activedirectory #windows #pentest #infra