IT

Хакеры атаковали финансовые гиганты США с помощью обычных звонков По данным Google Threat Intelligence, за последний месяц десятки крупнейших инвестиционных фондов и финансовых компаний США подверглись масштабным кибератакам. Группировки под именами Redact, Pink, Falcon и Helix создали 72 фейковых сайта для кражи учетных данных, но главным инструментом взлома стала социальная инженерия по телефону. Злоумышленники звонят сотрудникам на личные номера, подменяя входящий ID на номер внутренней IT-службы. Под предлогом срочного обновления паролей или настройки MFA жертву направляют на фишинговый сайт вроде passkeyhelpdesk. Как только пользователь вводит пароль и называет код из SMS или приложения аутентификации прямо во время разговора, хакеры мгновенно получают полный доступ к корпоративному аккаунту. Основной целью атак стали частные инвестфонды и юридические фирмы, так как хакеры рассчитывают на крупный выкуп за неразглашение конфиденциальных данных.

Перезапустили приложение, а все его файлы исчезли. В Kubernetes такое случается часто. Контейнеры могут удаляться и запускаться заново, а всё, что хранилось только внутри них, пропадает. Чтобы этого не происходило, приложениям подключают отдельные диски. Kubernetes сам находит или создает подходящее хранилище, подключает его к приложению и следит, чтобы данные остались на месте даже после перезапуска. Автор объясняет эту систему на простом тестовом кластере. Показывает, откуда берется диск, как Kubernetes его подключает, где искать ошибки и что проверять, если хранилище вдруг не заработало. Это небольшой гайд для начинающего сисадмина.

Внедрил в PersMarket гибридный поиск. Занятная штука. Ведь как раньше было? Скажем, вы ищете вакансию (ну или товар в WB) через текстовую строку "тестировщик". На сервере БД выполняет SQL-запрос с условием

WHERE description LIKE '%тестировщик%'

Это легко программируется, просто ищется, нативно подхватывается многостраничность. Но есть в таком подходе минус: вы искали слово "тестировщик" - вы только его и найдете. Это может быть приемлемо, например, для тегов, имен собственных и аббревиатур - "Docker", "DDD", "CRM". Но для обычного текста даст очень грубые результаты. Я использую PostgreSQL, в нем есть особый тип поля - tsvector, для более продвинутого подхода. В него можно собрать векторное представление текстовых данных для полнотекстового поиска. Это дает сразу кучу ништяков: ▪️разные формы слова ("бежал", "бежит") станут одной лексемой ▪️меньше лишних слов типа предлогов, которые для поиска не важны ▪️специальный индекс, который заметно ускоряет поиск Выглядит это так:

'python':134A 'rabbitmq':118A 'redi':112A 'review':81A 'saa':15A 'schedul':106A 'servic':145A 'throughput':71A 'авторизац':62A 'архитектур':27A,50A,83A 'асинхрон':54A 'аутентификац':60A 'ваканс':5A 'взаимодейств':55A 'влиян':25A 'внутрен':44A 'высоконагружен':39A,99A

Но и этого уже мало. С появлением нейросетей появилась еще одно интересное развитие темы - поиск по смыслу. Снаружи выглядит как магия ✨ Каждый текст с помощью ИИ превращается в векторное представление, так называемый embedding. Это многомерный вектор, отражающий смысл текста. В PostgreSQL для этого тоже есть свой тип данных - vector. В нем много цифр:

[3.0517578e-05,0.041046143,-0.036010742,-0.022735596,0.018463135,-0.0036640167,0.014862061,0.0010919571,0.00969696,-0.006175995,0.012413025,-0.05609131,0.023406982,-0.006580353,0.041656494,0.032470703,-0.0869751,0.0071144104,0.011909485,0.034179688,0.02305603,0.027496338]

Алгоритм такой: ▪️текст вакансии (название + описание) через ИИ превращаем в эмбеддинг ▪️поисковый запрос тоже через ИИ превращаем в эмбеддинг ▪️сам поиск измеряет косинусное расстояние между этими эмбеддингами и сортирует по "векторной близости" Генерацию эмбеддингов можно делать через API, например, в том же OpenAI через модель text-embedding-3-small, либо даже через локальную опенсорсную модель типа intfloat/multilingual-e5-small, которая, по слухам, даже без GPU работает. Что еще можно делать с эмбеддингами? Можно их использовать в RAG-системах. Типичный пример - заставить ИИ-чат-бота давать ответы по базе знаний вашего продукта. Все статьи базы знаний превращаем в эмбеддинги и добавляем из при запросах к ИИ. Модель ищет ответ не где-то в интернете, а конкретно в ваших статьях. Полезно для автоматической поддержки. Но у поиска по смыслу тоже есть минус - они может пропустить точные совпадения слов, например, аббревиатур. Поэтому на PersMarket сейчас работает гибридный поиск по алгоритму Reciprocal Rank Fusion (RRF). Такой поиск совмещает две выборки - семантическую и смысловую, а результаты ранжирует по их позициям в выборках. В общем, поиск заиграл новыми красками. Заодно теперь в каждой вакансии есть "похожие вакансии". И по таким же принципам можно будет строить рекомендательную систему для индивидуального подбора. Но это тема отдельной диссертации. #database #ai #persmarket

Писатель против юриста: Копирайт работает не так Юрист по интеллектуальной собственности и писатель поясняют друг другу за авторские права. Спор о копирайте, философии творчества и правах на идеи. В этом выпуске подкаста Lawread: 00:00 Как писатель Дмитрий Ильенков относится к авторскому праву 00:14 Копирайт круто 01:25 Копирайт не круто 03:34 Потребители контента рулят 05:44 У нормальных людей нет интуитивного чувства интеллектуальной собственности 06:47 Про монетизацию книг 09:15 Использует ли Дмитрий нейронки в писательской работе 11:18 Что такое творчество, и как машины забирают у людей человеческое 15:07 Искусство не требует творчества 19:08 Почему сгенерированный контент не охраняется авторским правом 20:28 Писатель Дмитрий хочет копирайт на сгенерированные тексты 22:26 Юридическая охрана для методологии проджект-менеджмента 28:32 Идеи и тексты: от Платона к судебному делу Google v. Oracle ✅ Доступно почти везде: Youtube • Youtube Music • Apple Podcasts • Spotify • Castbox • Яндекс Музыка

Фронтам для информации. Пишет Andrei Kashcheev (Fullstack Dev/Lead):

🚨npm мощно ломанули🚨 Оч внимательно для тех, кто в последние 2 дня обновлял зависимости в JS проектах. Хз где я был последние 2 дня, но, благо, не обновлял зависимости 🤭 4 августа через взломанный аккаунт мейнтейнера в npm залили червя (оно продолжает заражать пакеты). Заражены в том числе flat-cache и file-entry-cache. Это зависимости ESLint, а значит они есть почти в любом JS-проекте. Червь ворует токены npm и GitHub, облачные креды, SSH-ключи, содержимое .env. И с помощью этих данных заражает уже ВАШИ пакеты (если они есть). За двое суток 1300+ кейсов заражений. Что делать? НЕ ОБНОВЛЯТЬ ЗАВИСИМОСТИ, пока не поймёте, что к чему. НЕ ЗАПУСКАТЬ ИИ АГЕНТА ИЗ ПАПКИ ПРОЕКТА!!! Так как червь распространяется ещё и через ИИ-хуки (конкретно читал про клод и вс код). Запустите его из отдельной папки, попросите тщательно изучить проблему, новости и предложить решения для проверки. Настаивайте на максимальной безопасности, тк червь запускается на многих событиях.

#security