Безопасность систем AI

LLM

Атаки

Безопасность

Программный комитет ещё не принял решения по этому докладу

Целевая аудитория

Все кто интересуется безопасностью применения ИИ-ассистентов на основе LLM.

Тезисы

Мы рассмотрим, какие задачи безопасности появляются у компаний с внедрением AI-ассистентов. Какие инструменты могут помочь. И рассмотрим истории использования уязвимостей: что произошло, какие последствия и как это можно было предотвратить.

Руслан Корнев

Облачные технологии

В Security уже 5 лет. До этого был сетевым архитектором. Увлекаюсь путешествиями на авто и здоровым образом жизни (спорт, питание), но иногда могу съесть бигланч и пропустить неделю тренировок.

Видео

Другие доклады секции

LLM

Ускоряем работу с контент маркетингом и SMM при помощи ИИ

Сатаров Дмитрий

Агентство интернет-маркетинга "Эй, Стартапер!"

RAG умер. Да здравствует Agentic RAG: Эволюция умного поиска.

Артем Косенко

CodeInside

Schema-Guided Reasoning на практике: архитектура и паттерны SGR Agent Core

Павел Рыков

Росгосстрах

CognitiveOS: операционная система с модульной архитектурой для интеграции LLM в роботов

Артем Лыков

МТС Веб Сервисы

От чат-бота к агенту: как строить интерпретируемую автоматизацию поддержки с GPT

Николай Пономаренко

Техплатформа Городских сервисов Яндекса

Мутационное тестирование как будущее агентского кодинга

Евгений Блинов

The Mutating Company

Как ломаются LLM Guardrails: практический разбор NER для ПД

Богдан Минко

Hivetrace

Эволюция Red Teaming’a в эпоху агентного ИИ

Данил Капустин

Raft Digital Solution

LLM Performance Playbook: как выбрать модель и конфигурацию сервинга на основе воспроизводимых тестов

Антон Удалов

Magnit Tech

Большие языковые модели: история и причины "взрыва"

Рыскулов Сергей Николаевич

Т-Банк

Приручаем зоопарк - архитектура и оркестрация в мультиагентных системах

Сергей Мамонов

Домклик

RAG и agentic‑подход в отечественных ИТ‑решениях: от бота к фабрике цифровых агентов

Максим Малышев

NOTAMEDIA

Построение защиты LLM и агентов: контроль, guardrail-подходы и их валидация

Никита Облаков

HiveTrace

Как сделать умный поиск кандидатов?

Алексей Осипов

ГК Юзтех

Как мы автоматизировали процесс Code review в Авито при помощи LLM

Марк Каширский

Авито тех

Практика применения LLM в задачах безопасности приложений

Дмитрий Марюшкин

Ozon Fintech

Движки инференса LLM в 2026: vLLM, SGLang, NVIDIA Dynamo — как запустить on‑prem прод и не изобрести велосипед

Рыжов Александр Сергеевич

HeadHunter

Внедрение LLM в модерацию: от PoC до целевого решения

Сакаев Руслан

Авито

IT-ландшафт будущего: как китайские tech-гиганты и культура меняют мир

Максим Цепков

mtsepkov.org

Как запускать по пет-проекту за вечер

Владимир Гриненко

grinenko.pro

Быстро делаем вашу AI систему расширяемой и поддерживаемой с помощью DSPy

Николай Сенин

Независимый исследователь

«LigaGPT: как мы построили и эксплуатируем агентную AI-платформу для QA, SRE и поддержки»

Константин Попандопуло

Umbrella IT

Не одним лишь NVIDIA едины: или как строить системы

Эдгар Сипки

MWS Cloud Platform

Опыт перехода от maas к selfhosted/on premise моделям: проблемы, боли, решения

Сергей Нотевский

Битрикс24

Как мы растим эффективность в Яндекс Доставке: аналитические методы, unsupervised learning и LLM для повышения точности навигации

Андрей Нарцев

Яндекс Доставка

Наш путь в Machine Unlearning: От теории к практике

Вадим Шубин

Raft

VLM для автоматической разметки сцен автономного вождения: практический опыт, вызовы и решения

Иван Катречко

Navio