сеня - явно фсбшник

Не всегда.

Возможно так оно и есть .

Даже рядом не стоял с этой конторой..

Ещё я также участник антигитлеровского подполья Штирлица знал лично Изображение

Смотри не ошибись, ящерица может оказацо Вараном.. укусит ещё #77 они не просто больно кусаюцо, но и могут привнести заражение крови в бренное тело..
PS А вообще то для любых подозрений нужно что-то более существенное чем ИМХО.. иначе это пустой трёп. [/off]

Вообще предлагаю создать список органов,представители которых контроллируют и отслеживают продвижение информации на интернет-ресурсах.
1-ФСБ
2-МВД
3-Службы безопасности некоторых крупнейших корпораций.
Предлогаю продолжить список... и поместить в FAQ темы.

программный речевой трансмодулятор

Менять MAC-адреса своих устройств 5 раз за день.

незарегистрированные SIM-карты

Как поменять MAC в модеме-роутере? Ведь он в него аппаратно зашит или я что-то упустил?

В общем поговорил с другом. Он сказал что они просматривают Аську рейдами -

Подскажите где такой взять?

Где взять, подскажите адрес, очень надо, можно в ЛС

Как, рандомно выбирают 1000 сообщений из 5,000,000,000,000,000 и читают их?

стоит программа,которая реагирует на группы слов, вроде бомба, наркотики т.д. и т.п.

скорее всего стоит программа,которая реагирует на группы слов, вроде бомба, наркотики т.д. и т.п.

Проблема аутентификации.
В проекте ASPeCT разработан новый протокол аутентификации абонентов, реализуемый в смарт-картах на базе криптоалгоритмов двух типов:
а) высоконадежного и требующего для своей реализации отдельных сопроцессоров;
б) простого алгоритма с использованием эллиптических кривых. Планируется также применять в UMTS биометрические алгоритмы идентификации пользователей по их речевым образам.

Предложен также новый механизм аутентификации, использующий классы защитных алгоритмов. В каждом объекте (USIM,сетевой оператор и сервис-провайдер) хранится набор возможных защитных механизмов, из которых выбирается и согласуется конкретная пара применяемых при аутентификации механизмов. Например, соглашение о роуминге запрашивается абонентом у оператора уже в начальной фазе аутентификации.

Набор защитных механизмов определяется в Классе возможных аутентификаций ACC (Authentification Capability Class), хранимом в смарт-карте USIM и определяющем допустимые механизмы защиты.

Нейронные сети для обнаружения мошенничества.
Нейронные сети и экспертные составляют основу новых технологий обнаружения мошенничества. Одна из первых систем BRUTUS, разработанная в рамках проекта ASPeCT, реализует комбинацию методов детектирования мошенничества. Исходная информация для идентификации нестандартных (ошибочных или неправомочных) операций абонентов накапливается в профилях абонентов двух видов: а) долговременные профили абонентов (ДПА) и б) текущие профили абонентов (ТПА). Например, ТПА содержат агрегированные данные об использовании абонентом услуг связи за последние 24 часа: среднее время вызова, средняя и стандартная девиация длительности вызова. Эти параметры регистрируются в ТПА отдельно для местных и международных вызовов. После каждого абонентского вызова значения параметров ТПА корректируются. Параметры ДПА корректируются в начале следующего 24-часового цикла мониторинга абонентского поведения.

Обнаружение случаев (возможных) мошенничества осуществляется на основе решающих правил. Например, анализ профилей ДПА и ТПА дает вероятности вызовов абонентов в других странах (распределение вероятностей по всем странам для каждого абонента). Программа детектирования выявляет все маловероятные отклонения новых параметров ТПА от хранимых значений этих профилей. Вычисленные вероятности текущих отклонений (для данного вызова) агрегируются в соответствии с моделью регрессии и по определенному критерию выдаются на монитор диспетчера как предупреждения (аларм-сигналы) о возможном мошенничестве.

Испытания системы BRUTUS были проведены в течение 3-месячного детектирования абонентов реальной сети TACS в Великобритании. Система диагностировала профили всех 20 212 абонентов в течение этого периода. Среди этих абонентов были выявлены обычными способами 317 абонентов-мошенников, профили которых использовались как обучающиеся последовательности для настройки нейронной сети BRUTUS.

При уровне 0,02% ошибочных аларм-сигналов BRUTUS выявила 40% из 317 абонентов-мошенников. В другом испытательном тесте система выдала список 27 подозреваемых абонентов (за 40-дневный период детектирования), среди которых оказалось 3 действительных абонента-мошенника. По оценке оператора-диспетчера такое соотношение "ошибочных/подтвержденных" абонентов вполне достаточно для успешных повседневных операций выявления случаев мошенничества.