SEC потратила 53 000 долларов после того, как исчезли сообщения Гэри Генслера

cryptonews.ruPublié le 2025-03-04Dernière mise à jour le 2025-09-05

Согласно новому отчету Управления генерального инспектора SEC (OIG), текстовые сообщения бывшего председателя Комиссии по ценным бумагам и биржам США (SEC) Гэри Генслера, хранящиеся почти год, были удалены безвозвратно из-за ряда технологических и управленческих сбоев внутри агентства.

Что Случилось

Отчет watchdog показывает, что в период с 18 октября 2022 года по 6 сентября 2023 года государственный телефон Генслера перестал синхронизироваться с системой управления устройствами SEC. Управление информационных технологий SEC (OIT) ошибочно классифицировало телефон как неактивный, что привело к автоматической очистке.

В попытке восстановить устройство сотрудники выполнили сброс настроек до заводских, в результате чего были удалены все текстовые сообщения и журналы операций. Управление генерального инспектора назвало это серией «избежных» ошибок, усугублённых отсутствием резервных копий.

Почему Это Важно

Удалённые тексты могли содержать федеральные документы. Согласно правительственным правилам, документы высокопоставленных чиновников, таких как Генслер, должны храниться вечно, чтобы обеспечить прозрачность и подотчётность. Утрата данных также может повлиять на ответы на запросы в соответствии с Законом о свободе информации (FOIA).

В отчёте также отмечается, что Комиссии по ценным бумагам и биржам пришлось потратить около 53 000 долларов на проверку действий подрядчика, которая сама по себе была признана ненадёжной.

Ответ SEC

После этого инцидента Комиссия по ценным бумагам и биржам:

  • В агентстве отключена функция обмена текстовыми сообщениями, за некоторыми исключениями.
  • Сообщил о потере текстов Генслера в Национальное управление архивов и документации (NARA).
  • Обещано улучшить процессы управления устройствами и резервного копирования.

Руководство согласилось со всеми пятью рекомендациями Управления генерального инспектора, включая усиление контроля за изменениями в системе, регулярное резервное копирование данных на устройствах руководителей высшего звена и принятие мер предосторожности перед сбросом настроек до заводских.

Более широкие Последствия

В отчёте указано, что Генслер часто использовал текстовые сообщения для рутинного планирования, но следователи также нашли примеры переписки с сотрудниками и другими федеральными чиновниками, связанной с выполнением задач. Это оставляет открытым вопрос о том, что именно было утеряно.

OIG пришла к выводу, что “предотвратимые недостатки и упущенные возможности” технологического отдела SEC привели к сбою в сохранении записей, которые по закону должны вестись.

Lectures associées

Les grands modèles américains tendent vers le confinement, au nom de la sécurité

Le 27 juin, Anthropic a annoncé que le gouvernement américain avait autorisé le redéploiement de son modèle de cybersécurité Mythos 5 à plus de 100 organismes américains, mais la version publique Fable 5 reste suspendue sans calendrier de retour. Le même jour, OpenAI a lancé GPT-5.6, dont l'accès via API est restreint aux partenaires approuvés par le gouvernement. Ces décisions font suite à un ordre exécutif sur l'IA signé début juin et à une injonction du Département du commerce du 12 juin ordonnant la suspension de Fable 5, marquant un cycle complet d'"arrêt-négociation-autorisation conditionnelle" pour le contrôle des modèles d'IA de pointe par les autorités américaines en moins d'un mois. Les entreprises concernées contestent la base technique de ces mesures. OpenAI indique que son modèle Sol n'a pas franchi son propre cadre de sécurité, tandis qu'Anthropic a réfuté point par point les raisons avancées par le gouvernement. Dean W. Ball, ancien conseiller de la Maison Blanche, critique un processus de régulation manquant de transparence, de normes claires et d'expertise technique, créant une incertitude dommageable pour l'industrie. L'article établit un parallèle avec la "Guerre du Chiffrement" des années 1990, où le contrôle américain sur les technologies de cryptage a finalement échoué, nuisant à la compétitivité des entreprises nationales. Aujourd'hui, le risque est que ces restrictions étouffent l'innovation et la diffusion économique essentielle aux technologies génériques comme l'IA, d'autant plus que les modèles open-source, notamment chinois, progressent rapidement. Cet épisode pourrait marquer un tournant : l'insertion durable du gouvernement comme autorité d'approbation entre les modèles d'IA commerciaux et leurs utilisateurs. Si l'objectif affiché est la sécurité, la méthode opaque et arbitraire menace les investissements et risque de concentrer le pouvoir de l'IA de pointe entre les mains d'une minorité déjà puissante.

链捕手Il y a 1 h

Les grands modèles américains tendent vers le confinement, au nom de la sécurité

链捕手Il y a 1 h

Il y a quelques instants, DeepSeek V4 a mis à jour DSpark, augmentant la vitesse d'inférence de 80 %

DeepSeek a annoncé une mise à jour majeure de son modèle DeepSeek-V4-Pro avec le lancement de DSpark, un nouveau cadre de décodage spéculatif (Speculative Decoding) open source, accompagné de l'infrastructure complète DeepSpec. Cette mise à jour, axée sur l'ingénierie et non sur les capacités fondamentales du modèle, vise à accélérer considérablement l'inférence des LLM en production. Le cœur de DSpark est l'introduction d'une **génération semi-autorégressive**. Cela combine la génération parallèle à haut débit d'un modèle "brouillon" léger avec une modélisation des dépendances entre tokens pour améliorer le taux d'acceptation. De plus, un système de **vérification planifiée par confiance et conscient du matériel** (Confidence-Scheduled Verification) évalue dynamiquement la probabilité que chaque token généré soit accepté par le modèle cible. Il adapte ainsi la longueur de vérification en temps réel pour optimiser l'utilisation des ressources GPU, notamment en charge élevée. Les résultats sont significatifs : face aux méthodes de pointe comme Eagle3 et DFlash, DSpark augmente la longueur moyenne de tokens acceptés de 26.7% à 30.9% et de 16.3% à 18.4% respectivement sur les modèles Qwen3. En déploiement réel, par rapport à la génération token par token précédente (MTP-1), **DSpark améliore la vitesse de génération pour l'utilisateur de 60% à 85% pour le modèle Flash et de 57% à 78% pour le modèle Pro**, à débit total constant. Le projet open source **DeepSpec** fournit une stack complète pour entraîner et évaluer des modèles brouillons pour le décodage spéculatif, supportant actuellement les algorithmes DSpark, DFlash et Eagle3, ainsi que les familles de modèles cibles Qwen3 et Gemma.

marsbitIl y a 8 h

Il y a quelques instants, DeepSeek V4 a mis à jour DSpark, augmentant la vitesse d'inférence de 80 %

marsbitIl y a 8 h

Trading

Spot
活动图片