DevOps

🛡️ OpenRASP — инновационный подход к безопасности веб-приложений, который встраивает защиту прямо в сервер приложений. В отличие от традиционных WAF, анализирующих только входящие запросы, OpenRASP мониторит выполнение уязвимых операций на уровне приложения, что резко снижает количество ложных срабатываний. Проект поддерживает популярные Java-серверы и PHP 5.3-7.4, добавляя всего 1-4% нагрузки. Алгоритмы детектирования контекстно-зависимы — атаки выявляются только при реальной эксплуатации уязвимости, а детальный stacktrace упрощает расследование инцидентов. 🤖 GitHub @devopsitsec

Как настроить сложные маршруты сообщений за 10 минут? Научитесь управлять потоком данных так, чтобы даже самые запутанные сценарии работали как часы! Приглашаем на открытый урок «RabbitMQ. Как заставить сообщения летать по сложным маршрутам» посвященный курсу «RabbitMQ для разработчиков и администраторов» ✅ Практика: Участники научатся настраивать сложные маршруты сообщений за 10 минут, избегать типичных ловушек и получат готовые шаблоны для своих проектов 👉 Регистрация на урок https://tglink.io/e1bf38e6f419?erid=2W5zFJGNpek #реклама О рекламодателе

📌 ICONIQ: Плейбук архитектора ИИ-систем 2025.   Iconiq Capital опросила 300 руководителей ИИ-стартапов с доходом от $10 млн. до $1 млрд. о том, как эти стартапы используют ИИ и собрала результаты в отчет "ICONIQ AI Builder’s Playbook 2025"

Iconiq Capital - американская компания по управлению инвестициями, основанная в 2011 году. Функционирует как гибридный семейный офис и имеет тесные связи с компанией Марка Цукерберга. Компания предоставляет услуги по инвестиционному менеджменту, частному капиталу, венчурным инвестициям, управлению недвижимостью и филантропии для состоятельных семей и организаций.

▶️Очень кратко: Эра экспериментальных ИИ-демо закончилась. Сейчас компании массово переходят к боевому использованию генеративных моделей - и тут уже не про «вау», а про ROI, стоимость инференса и объяснимость. 🟡AI-native vs AI-enabled Компании, с нативными ИИ-продуктами, сильно опережают тех, кто "добавил ИИ". Почти половина стартапов нативных ИИ-продуктов уже достигла масштабирования (47% против 13% у ретрофитеров). В продуктовом портфеле такой типовой компании в среднем 2,8 модели и они активно идут по пути агентных сценариев, причем многие строят архитектуру с возможностью быстрого свапа моделей. 🟡Ценообразование и монетизация. ИИ ломает старые цены и бизнес-модели. 38% компаний используют гибридное ценообразование (подписка + плата за использование), ещё 19% — только за использование а 6% уже экспериментируют с outcome-based моделями. Пока 40% включают ИИ в премиум-пакет, но 37% планируют пересмотреть подход, учитывая реальные метрики использования и отдачу. 🟡Команда и расходы.  ИИ перестал быть задачей «R&D-уголка». В быстрорастущих компаниях до 37% инженеров работают над ИИ, а AI/ML-инженеров нанимают в среднем за 70+ дней. И это большая проблема. ИИ забирает до 20% R&D-бюджета, причем по мере роста проекта расходы смещаются с найма в сторону инференса и инфраструктуры.   🟡Инструменты и инфраструктура.  68% компаний используют только облако, ещё 64% сидят на внешних API. OpenAI/GPT - лидер (81%), но растет доля мульти-модельных подходов (Claude, Gemini, Mistral и др.). NVIDIA по-прежнему доминирует в инференсе: TensorRT и Triton используют 60% команд, но и ONNX Runtime (18%) с TorchServe (15%) укрепляют позиции. Из инструментов для оркестрации лидируют LangChain и Hugging Face, а для мониторинга — Datadog и LangSmith (~17%). MLOps по-прежнему на MLflow (36%) и Weights & Biases (20%). 🟡Что тормозит развитие.  Самое сложное в развертывании продуктов оказалось не в коде, а в доверии и эффективности: 42% компаний говорят о проблемах доверия и объяснимости, 39% — не могут показать ROI, 38% — борются с галлюцинациями, а 32% — с высокой стоимостью инференса, а доступ к GPU — проблема лишь для 5%. Главный вывод: чтобы внедрить ИИ, одной модели не достаточно, еще нужно обосновать ее бизнес-ценность и держать под контролем поведение.   🟡ИИ внутри стартапов. 77% команд используют ИИ для помощи в разработке (GitHub Copilot почти у всех), 65% — для генерации контента, 57% — для поиска знаний. Те, у кого ИИ активно используется получают 15–30% прироста эффективности. Самые распространенные юзкейсы: кодинг, аналитика, поиск по внутренней документации. Самое неожиданное Несмотря на популярность OpenAI, стоимость API и непредсказуемость инференса — головная боль даже у тех, кто платит миллионы в месяц. 🔜 Ознакомиться с полным отчетом @ai_machinelearning_big_data #news #ai #ml

✔️ Быстрый совет Linux: Узнай, какой у тебя shell echo $0 Альтернативные способы: echo $SHELL which $SHELL Важно: Команда работает корректно только из интерактивного терминала. Если ты вызываешь её внутри скрипта — она может вернуть имя самого скрипта, а не shell. 0 показывает запущенную оболочку, а SHELL — дефолтную оболочку, заданную в настройках пользователя @DevOPSitsec

🧩 Как работается в российском бигтехе Прямо сейчас проводится большое исследование, которое покажет, что IT-специалисты на самом деле думают о крупных работодателях. 📊 Участие в опросе поможет • составить более полную картину российского рынка • отрефлексировать собственную работу и сформулировать, что важно лично для вас • поучаствовать в розыгрыше AirPods Max в качестве благодарно 📌 Пройти опрос @DevOPSitsec

✔️ Doppl: виртуальная примерочная от Google. Google Labs запустила приложение Doppl, которое позволяет пользователем визуализировать, как вещи будут сидеть на их цифровой копии. Достаточно загрузить фото одежды и алгоритм создаст анимированную версию пользователя в этом образе или даже видео, чтобы оценить движения ткани и посадку. Функция работает с любыми снимками: от скринов до селфи в магазине. Приложение поддерживает сохранение и шеринг луков, а также адаптирует статичные изображения в динамичный контент. Пока точность зависит от качества фото, но разработчики обещают улучшения. Doppl уже доступен в App Store и Google Play для пользователей из США. blog.google ✔️ Microsoft откладывает массовое производство чипа Braga на 2026 год. Согласно недавнему отчету, разработка чипа Braga, ключевого элемента стратегии Microsoft в сфере ИИ, столкнулась с серьезными задержками. Массовое производство теперь намечено на 2026 год, это на полгода позже запланированного. Причины: частые изменения в дизайне, кадровый дефицит и высокая текучесть сотрудников. Инженеры добавили функции по запросу OpenAI, что вызвало нестабильность в симуляциях, а упорство руководства сохранить график привело к внутреннему напряжению и уходу специалистов. Braga ориентирован на задачи инференса, но уступает конкурентам: его производительность на ватт энергии пока ниже, чем у Nvidia Blackwell. Первый чип Microsoft, Maia 100, до сих пор тестируется внутри компании, он так и не смог заменить сторонние решения. theinformation.com ✔️ Google выпустила полные версии модели Gemma 3n. Gemma 3n - новое поколение мультимодальных компактных моделей с минимальными требованиями к памяти. В релизе две версии, E2B (5 млрд. параметров) и E4B (8 млрд.). Благодаря MatFormer-дизайну и Per-Layer Embeddings, модели могут работать с оперативной памятью размером всего 2–3 ГБ, это идеально для смартфонов и гаджетов. Новые аудио- и видеокодировщики обеспечивают скорость до 60 кадров в секунду, поддерживают перевод речи и анализ видео в реальном времени. Gemma 3n доступны на Hugging Face или Kaggle и поддерживаются в Ollama, MLX и других средах. developers.googleblog.com ✔️ xAI представит Grok 4 после 4 июля. По словам Илона Маска, xAI пропустит Grok 3.5 и выпустит Grok 4, который обещает «огромный скачок» в производительности. Новинка получит улучшенные навыки логического мышления и специализированные инструменты для программирования. Маск утверждает, что Grok 4 станет не просто обновлением, а шагом к системе, способной глубже понимать сложные задачи. Модель сначала займётся переписью «всех знаний человечества», исправляя ошибки и заполняя пробелы в данных. После этого её переобучат на очищенном наборе информации. Elon Musk в сети X ✔️ Компания Марка Цукерберга ведет переговоры о покупке стартапа PlayAI. ИТ-гигант ведет переговоры о приобретении стартапа PlayAI, специализирующегося на репликации голосов с помощью искусственного интеллекта. По данным источников, сделка может включать передачу технологий и части сотрудников PlayAI. Если сделка состоится, это укрепит позиции Meta в создании реалистичных голосовых моделей — технология, востребованная в соцсетях, ассистентах и медиа.Детали соглашения пока не раскрыты: сумма и сроки остаются неясными, а официальные лица компании воздерживаются от комментариев. bloomberg.com @ai_machinelearning_big_data #news #ai #ml

📚 DevOps Knowledge Hub — универсальная база знаний для инженеров. Этот GitHub-репозиторий собрал в себе всё необходимое для освоения DevOps: от основ Docker и Kubernetes до продвинутых инструментов вроде ArgoCD и Terraform. Автор структурировал материалы по категориям, включив не только теорию, но и практические примеры — compose-файлы, манифесты, bash-скрипты и даже готовые сценарии для GitHub Actions. Репозиторий дублируется на отдельном сайте (devops.pradumnasaraf.dev), где информация представлена в более удобном для чтения формате. Такой подход превращает проект в живую документацию, которая будет полезна как новичкам, так и опытным специалистам для быстрого освежения знаний. 🤖 GitHub @devopsitsec

ШТУРВАЛЬЧИК? Ребятам из «Лаборатории Числитель», видимо, было мало шуток про Штурвал, теперь они выпустили Штурвальчик. Многие говорили, что он слишком много жрёт. Теперь минимальный конфиг — это: ▪️один хост с 6 CPU ▪️8 ГБ RAM ▪️80 ГБ хранилища В целом на мощном ноуте можно раскатать парочку кластеров куба — этого хватит на управляющий и несколько клиентских. Вопросы можно в Kubernetes-чате «Штурвала» задать.

📕 На Reddit стал популярен лучший интерактивный учебник по алгоритмам Computer Science — это самая эпичная книга от энтузиаста на 680 страниц! • целых 22 огромных главы — охватывают всё от массивов до продвинутых алгоритмов на графах. • 300 интерактивных визуализаций — для наглядного объяснения всех концепций. • 250 фрагментов кода — в каждом есть подробный гайд по решению. • Встроенный интерпретатор Python — позволяет редактировать и запускать код для практики. • Это не электронная книга, а целое приложение с интерактивными страницами. Поддерживаются MacOS 11+ и Windows 10+. Учебник стоит $35 (автор дарит промокод 20% SIDEPRJ и скидки для студентов), но для всех желающих доступна бесплатная (!) глава. Для всех, кто изучает программирование — тут.

CI/CD — сердце современного деплоя. Но это ещё и точка входа для атак, которые способны нанести серьёзный урон организации. Об этом рассказали в статье. Сценарии компрометации сегодня: ⏺️ внедрение бэкдоров через артефакты; ⏺️ утечка секретов из логов; ⏺️ подмена образов; ⏺️ lateral movement по всей облачной инфраструктуре. А теперь представьте, что всё это происходит не в вашем pet-проекте, а в prod-окружении нагруженного сервиса, которым пользуются тысячи пользователей каждый день. В новой статье Алексей Федулаев и Андрей Моисеев из команды Cloud Native Security в MWS Cloud Platform — разбирают реальные векторы атак на CI/CD: от PPE до cache poisoning. И главное — показывают, как им противостоять. Разложено по схемам, сценариям и потенциальным уязвимостям, которые легко упустить. 🔗 Читать статью

✔️ OpenAI расширяет возможности ChatGPT Pro. OpenAI запустила Search Connectors для ChatGPT Pro и Team, функцию, которая напрямую связывает облачные хранилища (Google Drive, Dropbox и OneDrive) с интерфейсом чата. Теперь пользователи могут искать, анализировать и обобщать документы, не загружая их вручную. Лимит файлов на проект для Pro-подписчиков вырос с 20 до 40, а поддержка охватывает 12 сервисов, включая GitHub, Gmail и Outlook. Пока новинка доступна за пределами ЕС, Великобритании и Швейцарии. Open AI в сети Х ✔️ Google открыла доступ к Imagen 4. Imagen 4, усовершенствованные модели генерации изображений по текстовым запросам, стали доступны в двух версиях: базовая Imagen 4 (4 цента за изображение) для повседневных задач и Imagen 4 Ultra (6 центов) с повышенной детализацией и точностью исполнения инструкций. Обе модели доступны в Gemini API для платных пользователей, а также в ограниченном бесплатном тестировании через Google AI Studio. Разработчики обещают улучшенное отображение текста на картинках и расширение тарифных планов в ближайшие недели. Все сгенерированные изображения получат скрытый цифровой водяной знак SynthID. developers.googleblog.com ✔️ HPE и NVIDIA представили новую линейку решений для корпоративного ИИ. HPE и NVIDIA анонсировали совместные решения для создания «фабрик искусственного интеллекта» на базе модульной инфраструктуры. В линейку вошли серверы HPE ProLiant DL380a Gen12 с GPU NVIDIA RTX PRO 6000 Blackwell, которые предлагают универсальную платформу для генеративного и промышленного ИИ. Также был представлен HPE Private Cloud AI — готовое решение для быстрого внедрения ИИ, совместимое с фреймворком NVIDIA Enterprise AI Factory. Для финансового сектора планируется тестирование агентного ИИ с Accenture, а 26 новых партнеров расширят экосистему HPE, добавив 70 преднастроенных сценариев: от детекции мошенничества до кибербезопасности. Решения доступны для заказа, а система HPE Compute XD690 с GPU Blackwell Ultra начнет отгружаться в октябре. blogs.nvidia.com ✔️ Google DeepMind представила AlphaGenome. AlphaGenome — нейросеть, которая предсказывает, как мутации в ДНК влияют на регуляцию генов. Модель обрабатывает участки длиной до миллиона пар оснований, анализируя их на уровне отдельных «букв» и оценивая тысячи молекулярных свойств: активность генов, сплайсинг РНК, доступность участков ДНК. AlphaGenome сочетает сверточные слои для поиска коротких паттернов и трансформеры для анализа длинных последовательностей. Одна из ключевых особенностей - точное моделирование сплайс-сайтов, важное для изучения редких заболеваний. Модель превзошла аналоги в 22 из 24 тестов, предсказывая как структуру ДНК, так и эффекты вариантов. Доступ к AlphaGenome открыт через API для некоммерческих проектов. deepmind.google ✔️ LongWriter-Zero: модель, которая пишет длинные тексты благодаря RL. Группа исследователей из Сингапура и Китая представила LongWriter-Zero, модель, которая генерирует тексты длиной более 10 тысяч слов, обучаясь только через RL, без использования синтетических данных. Модель опирается на три специализированных «наградных» алгоритма, оценивающих структуру, качество и длину текста, а также уникальный метод «усреднения преимущества», который балансирует приоритеты между ними. LongWriter-Zero использует «промты-размышления»: перед написанием модель планирует структуру текста, улучшая его связность. Бенчмарки показали рост эффективности с 700 до 1200 поинтов Elo. Однако у модели есть слабые места: она склонна к повторам и переиспользованию слов, которые система поощряет в процессе обучения. Модель и датасет доступны на Hugging Face. huggingface.co @ai_machinelearning_big_data #news #ai #ml

🔥 Задача для продвинутых DevOps-инженеров: «Миграция Postgres в облако без остановки сервиса» Представьте продакшн-платформу: • Kubernetes-кластер (v1.28) в двух регионах • Микросервисы на Go и Python, общаются по gRPC • StatefulSet с PostgreSQL 13 (self-hosted, SSD RAID-10) • Трафик 7000 RPS, SLA = 99.95 %, окно простоя ≤ 30 сек Цель Перенести базу в управляемый Postgres-кластер (например, AWS Aurora) так, чтобы: • API не теряли запросы и транзакции • Метрики и алерты оставались валидными • CI/CD остался GitOps-основанным (Argo CD) • Секреты не хранились в манифестах Условия и «подводные камни» • В исходном Postgres включён logical replication; 2 тб данных, 3 млн TPS в pgbouncer-пуле • Используется pgcrypto → нельзя менять шифрование на лету • Приложения имеют hard-coded connection string в ConfigMap • Читать из реплик можно, писать нужно только в primary • Регион А может потерять связь с S3 на 5 минут в любой момент • Лимит: 1 час на full-rollback в случае аварии Что нужно спроектировать 1. План миграции с отметками T-0/T-1/T-2 (pre-cutover, dual-write, switchover) 2. Полностью идемпотентный GitOps-pipeline (ArgoCD-App-of-Apps) 3. Пошаговое обновление Secrets (Vault → CSI driver) без ревизии pod’ов 4. Canary-механизм трафика (Istio 1.22) + прометей-алерты уровня query latency p95 5. Rollback-стратегию, если write-amplification > 1.5× на новой БД 6. Планирование maintenance-окна с блокировкой DDL и feature-флагами Решение (пояснение ключевых шагов) *Логическая реплика и dual-write* • Создаём Aurora как read-replica Postgres, подключаем pglogical для lorepl. • В Kubernetes добавляем Sidecar-proxy (envoy) → умеет писать одновременно в old и new primary. • Включаем dual-write только для команд INSERT/UPDATE/DELETE; SELECT всё ещё смотрит на старую primary. *Секреты без простоя* • Секреты переносятся из ConfigMap в Vault KV2. • Deploy CSI-driver и auto-injector; переменные окружения читают через projected volume. • Патчинг Deployments через kubectl patch --type strategic не перезапускает pod’ы (без изменения podSpec.h`) — остаёмся в том же ReplicaSet. *Canary и метрики* • Istio DestinationRule + VirtualService: трафик canary: 10 %, stable: 90 %. • Прометей-rule: rate(http_requests_total{status!~"5..",destination_service="canary"}[5m]) < threshold. • Отдельный alert на pg_stat_replication replay_lag > 1 сек. *Cutover* 1. T-0: включён dual-write, read-only на реплики. 2. T-1: проверяем чек-суммы через pg_dump --schema-only и pg_comparator. 3. T-2: Istio маршрутизирует 100 % на новую primary, выключаем dual-write. 4. Разморозка DDL через Liquibase-pipeline. *Rollback* • Переключаем Istio обратно на старый primary (мгновенно) • Опционально реплицируем дельту назад через wal2json → old primary • Откатываем Secrets версией Vault с «previous revision» (Vault KV2) *GitOps-pipeline (ArgoCD)*

apiVersion: argoproj.io/v1alpha1
kind: Application
metadata:
  name: postgres-cutover
spec:
  syncPolicy:
    automated:
      selfHeal: true
      prune: true
    retry:
      limit: 4
  source:
    repoURL: git@github.com:corp/platform-deploy
    path: k8s/postgres/aurora
    targetRevision: migrate-prod
  destination:
    namespace: database
    server: https://kubernetes.default.svc

• Весь cutover хранится в migrate-prod ветке → можно мгновенно вернуться на main. Фиксация SLA • Приложения читают тайм-ауты из ConfigMap, а не код. Перед миграцией снижаем тайм-ауты connect_timeout=2s. • Версионируем Helm-charts микросервисов: appVersion: 2024.06-cutover. Итог При правильной настройке dual-write и canary-трафика фактический простой уложится в 5-10 секунд (только время Istio-промотирования) с гарантированным откатом ≤ 1 час. Это упражнение проверяет глубокие знания Kubernetes, GitOps, сетевого слоя и Postgres-репликации.

🔐Мультикластерность в действии: как управлять безопасностью Kubernetes из одной точки! 🔥 Регистрируйтесь на вебинар 1 июля в 14:00 мск и узнайте, как PT Container Security обеспечивает централизованный контроль и защиту всех кластеров Kubernetes. 🔍Эксперты расскажут, как мониторить и защищать инфраструктуру из единой панели, экономить ресурсы и оптимизировать затраты, а также быстро реагировать на инциденты. В программе: 🔴 Живое демо 🔴 Разбор сценариев 🔴 Новый графический установщик для удобного подключения кластеров. Регистрируйтесь и присоединяйтесь к вебинару 1 июля в 14:00 МСК *Kubernetes — система оркестрации контейнеров

🐧 Запусти полноценный Linux прямо в браузере — без сервера, без установки WebVM от Leaning Technologies — браузерная виртуальная Linux‑машина, полностью клиентская (HTML5/WebAssembly)! 🚀 Возможности • 🗄️ Запускает неизменённые x86‑бинарники (например, Debian‑дистрибутив) прямо в браузере • Все выполняется локально — без серверной поддержки • WebAssembly‑виртуализация через CheerpX: JIT‑компиляция x86 в Wasm + syscalls‑эмулятор 📦 Что включено • Поддержка полноценного Debian с GCC, Python, Node.js и другими dev‑инструментами • UI‑окружение с Xorg и i3 (с версии 2.0 появилось графическое рабочее место) • Постоянное хранилище через IndexedDB + on‑demand загрузка диск‑блоков через CloudFlare Worker • Сетевая интеграция через Tailscale VPN поверх WebSocket 🔧 Как запустить 1. Форкнуть репозиторий и активировать GitHub Pages 2. CI‑workflow автоматически развернёт вашу VM 3. Также можно локально: скачать ext2‑образ Debian, склонировать репо и запустить dev‑режим 🎯 Для кого это • Разработчики, которым нужно быстрое тестовое окружение на любой машине • Образовательные платформы, желающие дать студентам доступ к Linux‑инструментарию • Исследователи WebAssembly/виртуализации • Все, кто хочет запускать настоящий Linux без установки или докеров 💡 Почему это круто • 🧩 Нет backend‑а — всё работает прямо в браузере и безопасно (браузерный sandbox) • ✅ Подходит даже для мобильных устройств и сложных GUI‑приложений • ⚡ Быстрая загрузка и нулевой хостинг‑cost ⚙️ Как начать

git clone https://github.com/leaningtech/webvm.git
cd webvm
# (опционально) скачайте Debian‑образ из релизов
# настройте GitHub Pages

▪ Github

Как эффективно работать с проектной документацией? Ответ знает команда Platform V Works – платформенного решения от СберТеха для ИТ-разработки. На бесплатном вебинаре 27 июня в 11:00 спикер СберТеха расскажет, как решение Platform V Works::Wiki помогает управлять требованиями, технической и бизнес-документацией. Вы узнаете: - Как быстро формировать документы с мощными инструментами форматирования и макросов - Как настраивать разграничение доступа для пользователей - Как отслеживать изменения в версиях документов - Как ускорять работу с помощью шаблонов Команда СберТеха также ответит на ваши вопросы и поделится планами развития продукта. Регистрируйтесь – вас ждет много интересного!

🛠️ Awesome DevOps MCP Servers MCP (Model Context Protocol) — открытый протокол, который позволяет AI-моделям безопасно взаимодействовать с локальными и удалёнными ресурсами через стандартизированные серверы. В этом списке собраны лучшие MCP-серверы для DevOps-задач: • Инфраструктура как код (IaC) – Terraform: dulltz/mcp-server-hcp-terraform, jashkahar/Terraform-MCP-Server, nwiizo/tfmcp – Pulumi: pulumi/mcp-server • Управление Kubernetes – rohitg00/kubectl-mcp-server — natural language доступ к kubectl, helm, istioctl в безопасном Docker – manusa/kubernetes-mcp-server — поддержка CRUD для любых ресурсов и OpenShift – portainer/portainer-mcp — управление контейнерами и мониторинг через Portainer • Облачные провайдеры – AWS: awslabs/mcp (официальный), alexei-led/aws-mcp-server – Alibaba Cloud: aliyun/alibaba-cloud-ops-mcp-server • Управление проектами и тикетами – Freshdesk: effytech/freshdesk-mcp – Jira: nguyenvanduocit/jira-mcp – Topdesk: dbsanfte/topdesk-mcp …и многое другое: CI/CD, сервисы мониторинга, управление версиями и безопасность. 🔗 Изучайте и расширяйте: https://github.com/rohitg00/awesome-devops-mcp-servers

🚨 Предотвращение угрозы всегда дешевле, чем расследование инцидента и устранение его последствий 💥 Но сказать проще, чем сделать. Давайте разберемся, как и с помощью чего можно избавиться от большого класса инцидентов в кластерах Kubernetes. Приходите 10 июля в 11:00 на вебинар Luntry «Предотвращение Runtime угроз в контейнерах и Kubernetes». Разберем в прямом эфире: ▶️ Чем отличается детектирование, реагирование и предотвращение ▶️  Что общего и разного у AppArmor, SeLinux, seccomp ▶️  Как NetworkPolicy относится к теме предотвращения ▶️  Что такое Linux Security Module (LSM) и при чем тут eBPF ▶️  Как Luntry помогает предотвращать Runtime угрозы Кому будет полезно - AppSec - DevSecOps - Platform team - SOC Вебинар бесплатный. Чтобы получить напоминание об эфире и запись после него, надо зарегистрироваться.  РЕГИСТРАЦИЯ: 🤖 ТГ-Бот  |  🌐 Сайт + почта #реклама О рекламодателе

🧠 DevOps-задача: неочевидное поведение `exec` в Bash ❓ Вопрос: что произойдёт при выполнении следующего скрипта?

#!/bin/bash

echo "Start script"
exec sleep 10
echo "This will never be printed"

🔍 Варианты: • a) Скрипт выведет обе строки и "заснёт" • b) Скрипт выведет только первую строку • c) Скрипт ничего не выведет • d) Скрипт завершится с ошибкой 💡 Разбор: Команда exec в Bash заменяет текущий процесс оболочки на указанную команду — в данном случае, sleep 10. Это значит: • строка echo "Start script" выполнится • строка exec sleep 10 заменит текущий процесс на sleep • строка echo "This will never be printed" никогда не будет выполнена, потому что процесс уже заменён ✅ Правильный ответ: b) Скрипт выведет только первую строку 📌 Вывод: exec — мощная, но коварная команда. Она не запускает процесс в фоне, а заменяет текущий, без возврата. Это может использоваться в: • заменах PID 1 в контейнерах • написании минималистичных init-оболочек • утечках в long-running скриптах, если exec используется не по назначению 🛠️ Совет: если вы хотите просто запустить команду — не используйте exec, если только вы намеренно не хотите завершить текущий процесс оболочки.

🌟 GRESO: ускорение RL-обучения языковых моделей умным отбором данных. GRESO - это новый алгоритм для эффективного обучения с подкреплением больших языковых моделей, который сокращает вычислительные затраты на 40–60% без потери качества. Его суть в предварительной фильтрации «бесполезных» промптов, тех, что не дают модели обучаться, еще до дорогостоящей стадии rollout (генерации ответов модели). В основе GRESO — вероятностная модель, предсказывающая, стоит ли прогонять промпт через LLM. Алгоритм анализирует историю вознаграждений (reward dynamics) за прошлые эпохи обучения: если промпт много раз подряд давал идентичные награды на всех сгенерированных ответах (их называют zero-variance), он, скорее всего, бесполезен и сейчас. GRESO не блокирует их жестко, он вычисляет вероятность пропуска , опираясь на число идущих подряд «пустых» прогонов и базовую вероятность «исследования». Это позволяет иногда перепроверять сложные промпты, на тот случай, если вдруг модель «доучилась» и теперь они полезны. Базовая вероятность автоматически настраивается в реальном времени: если доля бесполезных промптов выше целевого значения (например, 25%), GRESO ее снижает, экономя ресурсы; если ниже — повышает, добавляя гибкости. Плюс, алгоритм разделяет промпты на легкие и сложные, применяя к ним разную политику исследования (сложные проверяет чаще, так как они перспективнее для обучения сильной модели). А чтобы не гонять большие батчи ради пары примеров, размер выборки динамически подстраивается под текущие нужды на основе вычисления из недостающих данных, α — текущей доли пустых промптов и запаса надежности. Хотя GRESO и экономит сотни часов на H100, делая RL-тюнинг доступнее, у него есть нюансы: 🟠он фильтрует только очевидные zero-variance промпты, но не ранжирует остальные по «полезности», иными словами, не отличает средне-сложные задания от крайне ценных. Это можно доработать, добавив оценку информативности. 🟠алгоритм требует мониторинга. Если целевая доля бесполезных промптов задана неверно, эффективность падает. ▶️ На практике потестить GRESO можно используя набор кода из репозитория проекта на Qwen Math 1.5В или Qwen Math 7b, есть несколько подготовленных скриптов файнтюна в train-scripts. 🟡Страница проекта 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI #ML #LLM #RL #GRESO

📊 Данные не врут. Твои навыки — тоже. Яндекс Практикум предлагает пройти тест, который объективно оценит, насколько ты готов к работе в BigTech. Тест состоит из двух частей: 1️⃣ Задачи на хард скиллы — реальные кейсы с собеседований в топовых IT-компаниях; 2️⃣ Задания на софт скиллы — оценивают коммуникацию и командную работу, важные для больших проектов. По итогу ты получаешь подробный фидбек и шкалу готовности — где ты сейчас и какие навыки стоит прокачать. В Яндекс Практикуме есть курсы для разработчиков, тестировщиков, DevOps и аналитиков с опытом — чтобы быстро и эффективно подтянуть квалификацию. Обучение проходит с реальными проектами и живой проверкой от экспертов из Яндекса, Amazon, Ozon и других. 🚀 Не оставайся в догадках — пройди тест и узнай, насколько ты близок и как перейти в BigTech. Реклама, АНО ДПО “Образовательные технологии Яндекса”, ИНН 7704282033, erid: 2VtzqwWcUm4