🪟 Что такое Windows Authentication Architecture? Представьте компанию на 1000 компьютеров. Каждый день сотрудники: — входят в Windows под своими учётными записями — подключаются к общим папкам — работают с корпоративными серверами — используют доменные ресурсы Но как Windows понимает, кто именно пытается получить доступ? И почему одному пользователю доступ разрешён, а другому — нет? 📌 За это отвечают механизмы Windows Authentication Architecture. Это архитектура аутентификации Windows, которая проверяет личность пользователей и служб, создаёт сеансы входа и участвует в формировании контекста безопасности. ⚡️ Основные компоненты: — Winlogon — управляет процессом входа в Windows — LogonUI — отображает экран авторизации — LSASS — обеспечивает работу механизмов аутентификации — SAM — хранит локальные учётные записи и хеши паролей — Active Directory — централизованно управляет доменными учётными записями — Kerberos / NTLM — протоколы аутентификации 🔐 Как происходит вход в домен? Пользователь вводит логин и пароль. Windows передаёт данные механизму аутентификации. При использовании Kerberos клиент взаимодействует с контроллером домена. После успешной проверки Windows создаёт сеанс входа. Пользователь получает токен доступа (Access Token). 💡 Access Token содержит информацию о пользователе, его группах и привилегиях. Именно этот токен Windows использует при проверке прав доступа к локальным ресурсам. Почему это интересно пентестеру? Потому что ошибки конфигурации и недостаточная защита механизмов аутентификации могут привести к: — компрометации учётных данных — злоупотреблению NTLM-аутентификацией — краже или повторному использованию Kerberos-билетов — повышению привилегий — несанкционированному доступу к доменным ресурсам 🧠 Например: Если злоумышленник получил доступ к материалам аутентификации пользователя, в определённых условиях он может использовать их для доступа к другим ресурсам без знания исходного пароля. С этим связаны техники: — Pass-the-Hash — Pass-the-Ticket — Kerberoasting — NTLM Relay 📌 Поэтому понимание Windows Authentication Architecture — одна из основ пентеста Active Directory. Без знания того, как Windows проверяет пользователей, сложно понять, почему работают многие атаки на доменную инфраструктуру. #infra #ad #windows #authentication #kerberos #ntlm #pentest

MotionBricks Генератор движений в реальном времени от NVIDIA: одна нейросеть на 350 тысяч навыков, 15 тысяч fps и задержка около 2 мс. До этого было только для Unitree G1 • Ходьба, бег, повороты по командам скорости и направления • Стили: хромающий, зомби, подпрыгивающий, боком, боевой • Переходы между стилями и походками прямо в рантайме • Взаимодействие с предметами: поднять меч, сесть, перепрыгнуть скамью • Новые задачи без дообучения и без тегов под задачу • Движение считается для двух тел: человеческого SOMA и робота Unitree G1 • Готовые модели идут в ONNX, чекпоинты на Hugging Face • Прокси-кадры задают взаимодействие, подход и контакт сеть додумывает сама • Рантайм на Warp, Newton и TensorRT, есть экспортер в ONNX • Демо на Unreal Engine 5 длиной 2:40 без склеек, фиксации стоп и ручных переходов github.com/NVlabs/motionbricks #animation #3d

Как общаться онлайн без стресса Работа в онлайне требует не только скорости, но и чёткости. Чтобы команда понимала друг друга без недопониманий, формулируйте задачи ясно, избегайте сложных терминов и аббревиатур. Простота — залог эффективности. Определите часы своей доступности и согласуйте удобные каналы связи — будь то мессенджеры, почта или звонки. Это помогает структурировать общение и снизить перегрузку. Важно помнить о личных границах: не пишите и не звоните коллегам в нерабочее время. Уважение к личному пространству формирует доверие и поддерживает здоровую атмосферу в коллективе. Грамотная онлайн-коммуникация — это баланс между вовлечённостью и свободой. Когда люди чувствуют уважение и ясность, они работают спокойнее, быстрее и с большим энтузиазмом. Фаундер | Бизнес и Стартапы

ИТ пересборка. Часть 1. ИИ ускоряет разработку. Но ускоряет ли он Delivery? Мы привыкли обсуждать, какие ИТ-профессии заменит искусственный интеллект. А мне кажется, что вопрос гораздо интереснее. ИИ меняет не отдельные профессии, а саму модель производства ИТ-продуктов. Недавно я участвовала в трансформации Delivery. Наша задача была пересмотреть производственный процесс, найти узкие места и сократить Time to Market. Мы исследовали весь путь: от идеи и требований до архитектуры, разработки, тестирования и релиза. Возможно ли отказаться от классического Delivery в пользу ИИ? Здесь обнаружилось несколько проблем. Во-первых, экономика. Большое количество агентов, которые генерируют код, проверяют друг друга, исправляют ошибки и обмениваются контекстом, может потреблять огромное количество токенов. И это не всегда дешевле работы людей. Во-вторых, качество. Быстро собрать MVP для небольшой аудитории и создать высоконагруженную банковскую систему - совершенно разные задачи. В-третьих, сам Delivery. Ускорение написания кода не означает такого же ускорения выпуска продукта. И вот моя гипотеза: нам не нужно создавать цифровую копию каждой существующей ИТ-роли. Нам нужно пересобрать сам производственный процесс. А кто тогда вообще должен остаться в продуктовой команде? В следующей части разберём роли, которые могут исчезнуть, объединиться или, наоборот, стать ещё важнее. https://t.me/kruasanova_as Не всё уже пишет сама, но всегда полезное. #ИИ #Delivery #ТрансформацияИТ #kruasanovaproit

Вот вам и ответ на вопрос, почему Amazon захлопнул дверь перед Muse и другими ИИ-агентами, запретив им делать покупки. Рекламная выручка у ритейл-гиганта уже вдвое превышает его операционную прибыль без облачного бизнеса AWS. А при маржинальности под 70% (оценка a16z) выходит, что продвижение товаров кормит компанию щедрее, чем их продажа. Получается, это торговля – двигатель рекламы, а не наоборот. Загвоздка в том, что ИИ-агенту плевать на баннеры и “спонсорские” карточки. Он знает бюджет и задачи хозяина: нашёл нужное – купил. Алгоритм не залипнет на красивую картинку и не прихватит по акции лишнюю пачку чипсов. А значит, и брендам незачем платить площадке за место на витрине. Для маркетплейса такой бездушный покупатель – палка о двух концах. С одной стороны, это дополнительные продажи, с другой – угроза жирным доходам от продвижения. Amazon решил, что игра не стоит свеч. А вот Shopify поступил с точностью до наоборот. Платформа официально разрешила браузерным ИИ-агентам оформлять заказы на сайтах своих продавцов. И пока сложно сказать, кто поставил на правильную лошадь на этой длинной дистанции. Всё идёт к тому, что рынок e-commerce ждёт большая встряска: модель, построенная на монетизации человеческого внимания, даёт первые трещины. Если люди массово будут поручать покупки ИИ-агентам (а, скорее всего, так и произойдёт), площадка, закрытая для ботов, начнёт терять клиентов. Даже если её зовут Amazon. Вообще, в условиях революционных трансформаций на рынке часто больше других страдают именно монструозные, неповоротливые игроки.

Чтобы LLM не галлюцинировала, нужно дать ей инструменты поиска в интернете (с) любой человек в 24ом году В 26ом – это скорее вредный совет Все чаще при ответе на сложные вопросы я беру большую модель (Astra/Fable) и прошу не использовать поиск в интернете, а подумать самостоятельно Тут есть две причины 1️⃣ В интернете такое большое количество буллщита, особенно в seo-оптимизированных статьях, которые (сюрприз-сюрприз) оказываются в топе поисковой выдачи, что это скорее засирает агенту контекст, чем помогает ему И каждый месяц прогресса только усугубляет ситуацию новыми порциями отборного слопа под видом личных мнений. Уже даже на реддите сложно продираться через это 2️⃣ Первый этап тренировки модели (претрен) – это попытка сжать весь интернет в ограниченное количество параметров модели. И реальные закономерности сжимаются лучше, потому что согласуются друг с другом и описываются более универсальными правилами. А буллщит часто противоречит даже сам себе Короче, если короткая формула третьего закона Ньютона непротиворечиво описывает и предсказывает кучу реальных ситуаций, то скорее всего её важнее запомнить, чем пантеон греческих богов, где на объяснение каждого явления нужен отдельный миф, а предсказательной способности все равно не появляется

Кстати, недавно посмотрел Пантеон – это разъеб (и это не про Грецию, а про наши с вами ИИ приколы)

Вот статья Кости Крестникова, которая показывает этот механизм выучивания согласованных закономерностей. Кстати, одна из немногих из РФ, которую приняли на NeuralPS, респект ——— TL;DR В top-tier моделях скорее всего уже есть нужные знания и скорее всего они уже разложены по полочкам с пониманием, где бред. Для сложных вопросов попробуйте не сбивать модель мусором из поисковика (они все еще слишком цепляются за инфу в контексте)

↓↓↓ Forward Deployed Product Manager Менеджер по продукту, работающий непосредственно с клиентом (FDPM) — работает в компании-поставщике и взаимодействующий с пользователями продукта для обеспечения его успешного функционирования в данной организации. Он принадлежит одной компании, но интегрирован в другую, и отвечает за эффективность работы продукта в среде конкретного клиента. В зависимости от компании, FDPM может обслуживать как одного клиента, так и небольшой портфель клиентов. Суть работы Заключается в непосредственном контакте с командой. Вместо того чтобы полагаться на интервью, заявки в службу поддержки, менеджер видит, как возникает проблема и как люди в настоящее время ее решают. Он сталкивается с проблемой, а не просто слышит о ней рассказы. Дальше: - Прототипирование - Результат FDE vs FDPM 1. FDE отвечает за "как", FDPM за "что" и "почему" 2. принимает решение о том, как следует изменить сам продукт, исходя из результатов этих реализаций. 3. несет ответственность за результаты и обязан передавать полученные знания обратно в разработку продукта. AI PM vs FDPM Менеджер по ИИ продукту: разрабатывает ИИ фичи для рынка. Менеджер по продуктам в области ИИ фокусируется на том, чтобы продукт работал для конкретных клиентов. Затем выполняет две задачи: 1. определяет, что обеспечит успех этому клиенту, часто путем настройки платформы и создания прототипов работающих решений с реальными пользователями. 2. передает полученные знания команде, разрабатывающей основной продукт, чтобы от этого выиграли все остальные клиенты. Большинство FDPM работают вместе с инженером по внедрению решений (FDE), который отвечает за техническую составляющую, в то время как FDPM отвечает за потребности клиента и их обоснование. Спрос На сайте The Bench , посвященном европейским технологическим компаниям, к концу июля 2026 года было зарегистрировано 170 вакансий с пометкой «Внедрение на перспективу» в 98 компаниях. Количество новых вакансий выросло с одной в январе до 62 в июле. Большинство из них – инженерные должности, и The Bench обнаружил множество вакансий под другими названиями, поэтому должности FDPM представляют собой подгруппу. Хотя они и заметны: Scale AI, Salesforce и Adobe входят в число компаний, размещающих объявления о таких вакансиях. 🎞 Интересный ролик — ИИ пишет код. Что же остается инженерам? — самое сложное: понять в чем заключается проблема. Google APM program выпускает по 50 чел/год, а нужно около 12 000.

Понты по подписке? Не сливать данные по подписке! В американских сторах сейчас хайпит приложение Wheelz - что-то вроде Strava, но не для бегунов, а для водил. Юзер ставит аппку, подключает к ней CarPlay, и дальше она сама пишет каждую поездку: маршрут, среднюю скорость, топ-скорость, разгон 0-60, перегрузки и всё такое. А потом показывает рейтинг - где вы среди других мамкиных гонщиков. По идее это классический социальный трекер: катаетесь, сравниваете стату с друзьями, все дела. Сам трекинг по классике бесплатный, а за пейволом ($5/мес или $40/год) - красивые карточки с результатами, которые можно постить в соцсетях. И ещё некая "углублённая статистика поездок", но кому это интересно вообще. То есть, платят тут не за данные или работу с ними, а за право ими выпендриться. Это ровно тот же трюк, который Strava провернула в 2020-м, спрятав сегментные лидерборды за подписку: бегать можно бесплатно, а вот узнать, что бегаете быстрее соседа - уже за денежки. Кейс Strava я разбирал тут. Но есть НЮАНСИК. Strava продаёт реальное "хорошее" достижение: пробежал десятку - красаучик молодец. А чем может хвастаться водитель? Ну, скоростью и разгоном. То есть, как бэ... приложуха монетизируется через задокументированные нарушения ПДД. И вот тут сидит главный прикол. В ответах на отзывы разработчик пишет буквально следующее: "Мы не продаём ваши данные - поэтому у нас и есть платный Pro, в отличие от бесплатных аппок, которые ваши данные сливают всем подряд". И это не просто маркетинговый булшит. В 2024 NYT раскопала, что General Motors через OnStar (это их сервис телематики в Шевроле, Кадиллаках и GMC) собирала с машин данные вождения, включая резкие торможения, разгоны, скорость за 130 км/ч, ночные поездки и т.д. - и продавала их LexisNexis и Verisk. Это дата-брокеры, что-то вроде бюро кредитных историй, только не про историю платежей, а про риски вообще - они пакуют такое в досье и перепродают страховым. Одной владелице Camaro после 603 записей о её поездках подняли страховку на 80%. Там в итоге был громкий суд, GM впаяли огромный штраф и запретили так делать. Но вообще, для любой телематики это вполне обычная бизнес-модель. Водитель = товар, а не клиент, ну классика. Получается, Wheelz берёт $40 в год даже не за модные драйв-карточки для шаринга, а чтобы ваши данные увидели кореша в сторисах, а не страховая или полиция. Ящитаю, каждый сервис должен продавать фичу: "Оформите платную подписку, чтобы мы не продавали ваши данные. И больше ничего 👍" P.S. Гонять на машине и превышать скорость автор не рекомендует. И вообще, автор всё плохое не рекомендует, а всё хорошее рекомендует. Дизраптор