Wikipedia podpadła Putinowi. Wszystko przez przekazywanie prawdy

Rosyjskie władze zagroziły zablokowaniem rosyjskojęzycznej strony Wikipedii. Ma to związek z artykułem, w którym wspomniano o ofiarach śmiertelnych zarówno wśród ukraińskich cywilów, jak i rosyjskich sił, które wkroczyły do Ukrainy.

Redaktorzy rosyjskiej Wikipedii otrzymali we wtorek zawiadomienie od Roskomnadzoru – federalnego oddziału cenzury – twierdzącego, że artykuł „Rosyjska inwazja na Ukrainę (2022)” zawiera fałszywe informacje. Wśród „nielegalnie rozpowszechnianych informacji” znalazły się „doniesienia o licznych ofiarach śmiertelnych wśród personelu służb Federacji Rosyjskiej, a także ludności cywilnej Ukrainy, w tym dzieci”.

Prokuratura Generalna Federacji Rosyjskiej poinformowała operatorów strony, że wspomniany artykuł narusza prawo federalne. Jako fałszywe wskazuje w szczególności wymienione w artykule liczby ofiar ukraińskich cywilów i dzieci, a także rosyjskich wojskowych. Żąda również od redaktorów usunięcia tych informacji wraz z groźbą, że jeśli się nie zastosują, cała strona zostanie zablokowana.

W artykule „Rosyjska inwazja na Ukrainę (2022)” przytaczane są zarówno dane strony ukraińskiej, jak i rosyjskiej. Ukraina twierdzi, że zginęło 352 cywilów, 1 684 zostało rannych, a ponad 110 ukraińskich żołnierzy zostało zabitych. Rosja z kolei podaje, że zginęło 200 ukraińskich żołnierzy i dwóch rosyjskich. Ukraina wskazuje jednak, że liczba ofiar wśród rosyjskich wojskowych wynosi 5710, a 200 zostało pojmanych.

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 *