Masakra w Buczy — Maxar Technologies publikuje zdjęcia satelitarne

Po tym, jak rosyjskie wojska opuściły Buczę w związku z rozkazem wycofania, odkryto, że w tej miejscowości doszło do prawdziwej masakry ludności ukraińskiej. W związku z oświadczeniem rosyjskiego Ministerstwa Obrony, według którego ciała widoczne na zdjęciach zostały rozrzucone już po opuszczeniu wojsk, wykorzystano zdjęcia satelitarne Maxar Technologies, by obalić kłamstwa.

Śledztwo przeciwko rosyjskiej armii przeprowadzili dziennikarze New York Times na bazie zdjęć satelitarnych Maxar Technologies. Zdjęcia wykonano między 9 a 11 marca, przedstawiają ciemne obiekty o wielkości podobnej do ludzkiego ciała. Domniemane ciała zostały pozostawione w dokładnie tych samych miejscach na ulicy Jabłońskiej już po odkryciu wydarzenia 2 kwietnia, co ujawniły publikowane zdjęcia i materiały wideo.

Zdjęcie z Buczy wykonane 28 lutego
Zdjęcie z Buczy wykonane 11 marca

New York Times jasno wskazuje, że zdjęcia te przeczą kremlowskiej narracji, jakoby do śmierci cywili doszło już po wycofaniu rosyjskich wojsk. Z analizy zdjęć satelitarnych wynika, że ciała pozostały na swoich miejscach przez ponad trzy tygodnie.

Inwazja Rosji na Ukrainę trwa już od ponad 40 dni. W ostatnim czasie obserwujemy m.in. wzmożoną aktywność lotnictwa NATO – samoloty patrolują wschodnią flankę Sojuszu.

Podziel się postem:

Najnowsze:

Oprogramowanie

Unia Europejska przejdzie na Linuxa? Powstaje dystrybucja EU OS

Unia Europejska może wkrótce podjąć kroki w kierunku uniezależnienia się od amerykańskiego oprogramowania. Społeczność entuzjastów pod patronatem władz UE pracuje nad projektem EU OS, który ma zastąpić system operacyjny Windows w instytucjach rządowych. Wybór padł na modyfikację dystrybucji Fedora Linux, która zostanie dostosowana do potrzeb urzędników poprzez interfejs przypominający Windows.

Bezpieczeństwo

Przełomowa kwantowa technologia generowania liczb losowych z WAT: Szczegółowa analiza i perspektywy

W dzisiejszym zaawansowanym technologicznie świecie, prawdziwie losowe liczby stanowią fundament wielu kluczowych dziedzin. Od zabezpieczania komunikacji poprzez kryptografię aż po przeprowadzanie złożonych symulacji naukowych i inżynierskich , generowanie nieprzewidywalnych sekwencji danych jest niezbędne. Losowość odgrywa również istotną rolę w grach losowych , w sektorze finansowym , gdzie zapewnia unikalność transakcji, oraz w badaniach statystycznych. W kryptografii, siła klucza szyfrującego jest bezpośrednio związana z jakością i stopniem losowości użytym do jego wygenerowania . Im wyższa entropia źródła losowego, tym trudniejszy do złamania staje się klucz. Prawdziwa losowość jest zatem kluczowym elementem zapewniającym bezpieczeństwo w cyberprzestrzeni, wzmacniając algorytmy szyfrujące i chroniąc integralność przesyłanych oraz przechowywanych danych . Zapotrzebowanie na generatory liczb losowych o wysokiej jakości i nieprzewidywalności stale rośnie, co jest bezpośrednio powiązane z postępem technologicznym i coraz większym znaczeniem bezpieczeństwa informacji. Wraz z dynamicznym przenoszeniem coraz większej liczby aspektów naszego życia do sfery cyfrowej, ilość generowanych i przesyłanych danych nieustannie wzrasta. Ochrona tych danych przed nieautoryzowanym dostępem i manipulacją staje się priorytetem, a prawdziwa losowość jest nieodzownym narzędziem do skutecznego szyfrowania i zabezpieczania przed różnego rodzaju atakami.

Bezpieczeństwo

Prawdopodobnie DeepSeek Zna Twoje Sekrety: Analiza Bezpieczeństwa Danych Treningowych LLM

Prawdopodobnie DeepSeek zna Wasze sekrety oraz klucze API! Takie ostrzeżenie pojawiło się na łamach Sekurak.pl. W dynamicznie rozwijającym się świecie dużych modeli językowych (LLM), gdzie innowacje pojawiają się niemal codziennie, DeepSeek AI szybko zyskał miano znaczącego gracza, budząc zainteresowanie swoimi możliwościami i efektywnością. Jednakże, wraz z postępem technologicznym, pojawiają się również nowe wyzwania w obszarze bezpieczeństwa. Niedawne odkrycie dokonane przez badaczy z Truffle Security rzuca nowe światło na potencjalne zagrożenia związane z danymi treningowymi tych zaawansowanych modeli. Wnikliwa analiza publicznie dostępnego zbioru danych Common Crawl, wykorzystywanego do trenowania LLM, w tym DeepSeek, ujawniła obecność licznych, potencjalnie wciąż aktywnych kluczy API i haseł.

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *