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

cryptonews.ruОпубліковано о 2025-03-04Востаннє оновлено о 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.

Пов'язані матеріали

Just now, DeepSeek V4 updates with DSpark, improving inference speed by 80%

DeepSeek has updated its DeepSeek V4 model with the DSpark speculative decoding framework, achieving a significant 60-85% speedup in generation for Flash models and 57-78% for Pro models while maintaining the same overall throughput. This engineering-focused update, rather than a core architectural change, introduces DSpark to address latency and throughput bottlenecks in high-concurrency production environments. DSpark combines high-throughput parallel generation with adaptive load-aware verification. Its key innovations include a semi-autoregressive generation architecture to model dependencies within token blocks and a hardware-aware confidence-scheduled verification system. This system uses a confidence head to predict token acceptance probabilities, allowing it to dynamically optimize verification length per request and allocate compute only to tokens with the highest expected payoff. The asynchronous scheduler is designed for real-world deployment, ensuring zero-overhead scheduling and continuous CUDA graph replay while preserving the target model's output distribution. In tests across mathematical reasoning, code generation, and daily dialogue, DSpark outperformed state-of-the-art models like Eagle3 and DFlash, increasing average acceptance length by 26.7%-30.9% and 16.3%-18.4% respectively on Qwen3 target models. DeepSeek also open-sourced DeepSpec, a full-stack codebase for training and evaluating speculative decoding draft models, providing a standardized toolkit that includes data preparation tools, model implementations, training code, and evaluation scripts.

marsbit8 год тому

Just now, DeepSeek V4 updates with DSpark, improving inference speed by 80%

marsbit8 год тому

Торгівля

Спот
活动图片