ИСО и МЭК: Опубликованы новые редакции стандартов серии ISO/IEC 15408:2026 «Критерии оценки безопасности информационных технологий»

На сайте Международной организации по стандартизации (ИСО) сообщил, что в конце мая – начале июня 2026 года были публикованы новые редакции частей стандарта ISO/IEC 15408:2026 «Информационная безопасность, кибербезопасность и защита неприкосновенности частной жизни - Критерии оценки безопасности информационных технологий» (Information security, cybersecurity and privacy protection - Evaluation criteria for IT security).

Стандарт разработан и поддерживается подкомитетом SC 27 «Информационная безопасность, кибербезопасность и защита неприкосновенности частной жизни» (Information security, cybersecurity and privacy protection) Объединённого технического комитета Международной организации по стандартизации (ИСО) и Международной электротехнической комиссии (МЭК) JTC1 «Информационные технологии».

Стандарт бесплатно доступен через магазин сайта ИСО, для использования которого нужно пройти регистрацию на этом сайте.

О работе над новой редакцией я уже рассказывала здесь: http://rusrim.blogspot.com/2024/10/isoiec-dis-15408.html . Новые документы 5-й редакции заменили документы 4-й редакции, опубликованные в 2022 году (о них см. мой пост http://rusrim.blogspot.com/2024/03/isoiec-15408-1.html ).

Стандарт ISO/IEC 15408:2026 состоит из следующих 5 частей:

ISO/IEC 15408-1:2026 «Информационная безопасность, кибербезопасность и защита неприкосновенности частной жизни - Критерии оценки безопасности информационных технологий - Часть 1: Введение и общая модель» (Information security, cybersecurity and privacy protection - Evaluation criteria for IT security - Part 1: Introduction and general model) объёмом 150 страниц, см. https://www.iso.org/standard/15408-1 и https://www.iso.org/obp/ui/en/#!iso:std:88134:en .

В России данный документ адаптирован как ГОСТ Р ИСО/МЭК 15408-1-2012 «Информационная технология. Методы и средства обеспечения безопасности. Критерии оценки безопасности информационных технологий. Часть 1. Введение и общая модель», см. https://protect.gost.ru/gost/details/d8d02856-0bd5-43fd-a01e-aa99ea361702 

Во вводной части стандарта отмечается:

«Настоящий документ устанавливает общие понятия и принципы оценки безопасности информационных технологий (ИТ). Он специфицирует общую модель оценки, представленную в данном документе, которая в целом предназначена для использования в качестве основы при оценке характеристик безопасности ИТ-продуктов.

Данный документ содержит обзор всех частей стандарта ISO/IEC 15408. Он описывает части стандарта ISO/IEC 15408, а именно:

• определяет термины и сокращения, используемые во всех частях стандарта; вводит ключевое понятие объекта оценки (Target of Evaluation, TOE); 
  
  
• описывает контекст оценки; и 
  
  
• описывает аудиторию, которой адресованы критерии оценки. 

Кроме того, данный документ вводит основные понятия и концепции безопасности, необходимые для оценки ИТ-продуктов.»

Содержание документа следующее:

Предисловие
Введение
1. Область применения
2. Нормативные ссылки
3. Термины и определения
4. Сокращения
5. Обзор
6. Общая модель
7. Специфицирование требований по безопасности.
8. Компоненты безопасности
9. Пакеты
10. Профили защиты
11. Модульная структура требований
12. Целевые показатели безопасности (Security Target, ST)
13. Оценка и её результаты
14. Формирование уверенности
Приложения
Библиография

ISO/IEC 15408-2:2026 «Информационная безопасность, кибербезопасность и защита неприкосновенности частной жизни - Критерии оценки безопасности информационных технологий - Часть 2:  Функциональные компоненты безопасности» (Information security, cybersecurity and privacy protection - Evaluation criteria for IT security - Part 2: Security functional components) объёмом 260 страниц, см. https://www.iso.org/standard/15408-2 и https://www.iso.org/obp/ui/en/#!iso:std:88135:en .

В России данный документ адаптирован как ГОСТ Р ИСО/МЭК 15408-2-2013 «Информационная технология. Методы и средства обеспечения безопасности. Критерии оценки безопасности информационных технологий. Часть 2. Функциональные компоненты безопасности», см. https://protect.gost.ru/gost/details/202e8605-326e-4417-a979-abf7a2878a52 

Во вводной части стандарта отмечается:

«Настоящий документ устанавливает требования к требуемой структуре и к контенту функциональных компонентов безопасности для использования в ходе оценки безопасности. Он включает каталог функциональных компонентов, соответствующий общим для многих ИТ-продуктов функциональным требованиям по безопасности.»

Содержание документа следующее:

Предисловие
Введение
1. Область применения
2. Нормативные ссылки
3. Термины и определения
4. Сокращения
5. Обзор
6. Парадигма функциональных требований
7. Функциональные компоненты безопасности
8. Класс FAU: Аудит безопасности
9. Класс FCO: Связь
10. Класс FCS: Криптографическая поддержка
11. Класс FDP: Защита данных пользователя
12. Класс FIA: Идентификация и аутентификация
13. Класс FMT: Управление безопасностью
14. Класс FPR: Защита персональных данных
15. Класс FPT: Защита функциональных возможностей обеспечения безопасности объекта оценки
16. Класс FRU: Использование ресурсов
17. Класс FTA: Доступ к объекту оценки
18. Класс FTP: Доверенные маршруты / каналы
Приложения
Библиография

ISO/IEC 15408-3:2026 «Информационная безопасность, кибербезопасность и защита неприкосновенности частной жизни - Критерии оценки безопасности информационных технологий - Часть 3: Компоненты обеспечения уверенности в безопасности» (Information security, cybersecurity and privacy protection - Evaluation criteria for IT security - Part 3: Security assurance components) объёмом 190 страниц, см. https://www.iso.org/standard/15408-3 и https://www.iso.org/obp/ui/en/#!iso:std:88136:en .

В России данный документ адаптирован как ГОСТ Р ИСО/МЭК 15408-3-2013 «Информационная технология. Методы и средства обеспечения безопасности. Критерии оценки безопасности информационных технологий. Часть 3. Компоненты доверия к безопасности», см. https://protect.gost.ru/gost/details/5abff96a-179f-4819-8e30-9f8efdf4311e 

Во вводной части стандарта отмечается:

«Настоящий документ устанавливает требования по обеспечению уверенности для частей стандарта ISO/IEC 15408. Он включает в себя отдельные компоненты обеспечения уверенности, из которых формируются уровни обеспечения уверенности и другие пакеты, описанные в ISO/IEC 15408-5, а также критерии оценки профилей защиты (PP), их конфигураций и модулей, и целевых показателей безопасности (ST).»

Содержание документа следующее:

Предисловие
Введение
1. Область применения
2. Нормативные ссылки
3. Термины и определения
4. Обзор
5. Парадигма обеспечения уверенности
6. Компоненты обеспечения уверенности в безопасности
7. Класс APE: Оценка профиля защиты
8. Класс ACE: Оценка конфигурации профиля защиты
9. Класс ASE: Оценка целевого показателя безопасности
10. Класс ADV: Разработка
11. Класс AGD: Руководства
12. Класс ALC: Поддержка жизненного цикла
13. Класс ATE: Тестирование
14. Класс AVA: Оценка уязвимостей
15. Класс ACO: Композиция
Приложения
Библиография

ISO/IEC 15408-4:2026 «Информационная безопасность, кибербезопасность и защита неприкосновенности частной жизни - Критерии оценки безопасности информационных технологий - Часть 4: Концепция спецификации методов и мероприятий оценки»  (Information security, cybersecurity and privacy protection — Evaluation criteria for IT security - Part 4: Framework for the specification of evaluation methods and activities) объёмом 24 страницы, см. https://www.iso.org/standard/15408-4 и https://www.iso.org/obp/ui/en/#!iso:std:88138:en .

Во вводной части стандарта отмечается:

«Настоящий документ устанавливает требования и описывает стандартизированную концепцию для специфицирования объективных, повторяемых и воспроизводимых методов оценки и оценочных действий.

В данном документе не устанавливается, как оценивать, внедрять или поддерживать методы и мероприятия по оценке. Эти аспекты являются прерогативой тех, кто разрабатывает методы и мероприятия по оценке для своей конкретной области интересов.»

Содержание документа следующее:

Предисловие
Введение
1. Область применения
2. Нормативные ссылки
3. Термины, определения и сокращения
4. Общая модель методов оценки и оценочной деятельности
5. Структура метода оценки
6. Структура оценочной деятельности
Библиография

ISO/IEC 15408-5:2026 «Информационная безопасность, кибербезопасность и защита неприкосновенности частной жизни - Критерии оценки безопасности информационных технологий - Часть 5: Предопределенные пакеты требований по безопасности» (Information security, cybersecurity and privacy protection — Evaluation criteria for IT security - Part 5: Pre-defined packages of security requirements) объёмом 36 страниц, см. https://www.iso.org/standard/15408-5 и https://www.iso.org/obp/ui/en/#!iso:std:88140:en .

Во вводной части стандарта отмечается:

«В настоящем документе представлены пакеты для обеспечения уверенности в безопасности и функциональные требования безопасности, которые, как предполагается, будут полезны для поддержки типичного применения заинтересованными сторонами.

В число пользователей данного документа могут входить потребители, разработчики и эксперты по оценке безопасных ИТ-продуктов».

Содержание документа следующее:

Предисловие
Введение
1. Область применения
2. Нормативные ссылки
3. Термины и определения
4. Уровни обеспечении уверенности при оценке (Evaluation assurance levels, EAL)
5. Составные пакеты для обеспечения уверенности (Composed assurance packages, CAP)
6. Составные пакеты продуктов (Composite product packages, COMP)
7. Обеспечение уверенности в профилях защиты (Protection profile assurances, PPA)
8. Уверенность в целевых показателях безопасности (Security target assurances, STA)

Источник: сайт ИСО
https://www.iso.org/standard/15408-1 
https://www.iso.org/obp/ui/en/#!iso:std:88134:en 
https://www.iso.org/standard/15408-2 
https://www.iso.org/obp/ui/en/#!iso:std:88135:en 
https://www.iso.org/standard/15408-3 
https://www.iso.org/obp/ui/en/#!iso:std:88136:en 
https://www.iso.org/standard/15408-4 
https://www.iso.org/obp/ui/en/#!iso:std:88138:en 
https://www.iso.org/standard/15408-5 
https://www.iso.org/obp/ui/en/#!iso:std:88140:en 

ИСО и МЭК: Опубликован новый технический отчёт ISO/IEC TR 5259-6:2026 «ИИ - Качество данных для аналитики и машинного обучения - Часть 6: Концепция использования визуализации для управления качеством данных»

В мае 2026 года сайт Международной организации по стандартизации (ИСО) сообщил о публикации нового технического отчёта ISO/IEC TR 5259-6:2026 «Искусственный интеллект - Качество данных для аналитики и машинного обучения - Часть 6: Концепция использования визуализации для управления качеством данных» (Artificial intelligence - Data quality for analytics and machine learning (ML) - Part 6: Visualization framework for data quality) объёмом 26 страниц, см. https://www.iso.org/standard/86532.html и https://www.iso.org/obp/ui/en/#!iso:std:86532:en .

Документ подготовлен подкомитетом SC 42 «Искусственный интеллект» (Artificial intelligence) Объединённого технического комитета ИСО/МЭК JTC1 «Информационные технологии». О его подготовке я уже рассказывала здесь: http://rusrim.blogspot.com/2026/01/isoiec-dtr-5259-6-6.html 

Во вводной части документа отмечается:

«Визуализация может использоваться для улучшения управления качеством данных, отображая полученные с помощью измерительной функции показатели (метрики) качества данных в наглядной и содержательной форме для их оценки заинтересованными сторонами. 

Визуализация может применяться в любом процессе управления качеством данных в рамках жизненного цикла управления качеством данных, как один из элементов разработки и создания системы искусственного интеллекта (ИИ).

Визуализация, например, полезна в качестве части отчётности по качеству данных для документирования процесса управления качеством данных. Она также может стимулировать когнитивные реакции заинтересованных сторон в ходе разведочного анализа данных, что может привести к получению дополнительных идей и представлений (таких как выявление пропущенных данных, выбросов, аномалий, отклонений, ошибок; сравнение и выявление потенциальных взаимосвязей между наблюдениями). С другой стороны, визуализация также имеет свои недостатки, связанные с когнитивными искажениями, такими как парейдолия (способность видеть узнаваемые образы или осмысленные структуры там, где их нет либо где наличие не предполагалось – Н.Х.) и апофения (ощущение или вера в существование связи между невзаимосвязанными событиями – Н.Х.).

Визуализация также может помочь при объяснении заинтересованным сторонам того, как построенное на основе данных приложение делает свои прогнозы, обеспечивая тем самым определённую прозрачность в вопросе выбора алгоритмов машинного обучения и входных данных для них. Это может способствовать повышению доверия к системе ИИ заинтересованных сторон, использующих эту систему и имеющих различные ожидания.

… В настоящем документе описывается концепция визуализации качества данных в аналитике и машинном обучении. Его цель заключается в том, чтобы дать возможность использующим методы визуализации заинтересованным сторонам оценивать результаты измерений качества данных. Данная концепция визуализации поддерживает достижение целей в плане обеспечения качества данных.»

Содержание стандарта следующее:

Предисловие
Введение
1. Область применения
2. Нормативные ссылки
3. Термины и определения
4. Обозначения и сокращения
5. Управление качеством данных
6. Концепция использования визуализации для обеспечения качества данных
7. Визуализация данных
Приложение A: Точки зрения заинтересованных в ИИ сторон 
Приложение B: Свойства набора данных
Библиография

Источник: сайт ИСО
https://www.iso.org/standard/86532.html 
https://www.iso.org/obp/ui/en/#!iso:std:86532:en 

Умерла ли деидентификация данных? - Почему связанный с ИИ риск для защиты ПДн заключается не в том, чему ИИ обучается, а в том, что способен выяснить

Данная заметка канадского профессора права Майкла Гейста (Michael Geist – на фото) была опубликована на его блоге 21 апреля 2026 года.

В 1997 году аспирантка Массачусетского технологического института (MIT) Латанья Суини (Latanya Sweeney) потрясла сообщество специалистов по защите персональных данных (ПДн), сопоставив общедоступные списки избирателей с очищенными от имён и адресов больничными документами, с целью идентифицировать анонимизированную историю болезни тогдашнего губернатора Массачусетса ( https://dataprivacylab.org/projects/identifiability/ ). Три года спустя, развивая полученные результаты, она продемонстрировав, что 87% населения США можно однозначно идентифицировать, используя всего три параметра: почтовый индекс, дату рождения и пол ( https://dataprivacylab.org/projects/identifiability/paper1.pdf ).

В моей статье в издании Globe and Mail ( https://www.theglobeandmail.com/opinion/article-the-privacy-threat-that-ai-poses-isnt-what-it-learns-its-what-it/#comments ) я отмечал, что работа г-жи Суини повлияла на мировые концепции защиты персональных данных, которые отреагировали посредством разработки стандартов деидентификации, призванными смягчить риски путем удаления очевидных идентификаторов, применения статистических тестов и категоризации полученных данных как «безопасных для использования». Действительно, основной принцип современного нормативно-правового регулирования обеспечения неприкосновенности частной жизни и защиты ПДн основан на предпосылке, что деидентифицированные данные могут использоваться, раскрываться и коммерциализироваться без ущерба для неприкосновенности частной жизни отдельных лиц.

«Алгоритм Вас поймает», автор: Дункан С., https://flic.kr/p/2kzyYQ7  (CC BY-NC 2.0)

Искусственный интеллект разрушил это предположение. Системы ИИ, оснащенные возможностями поиска в реальном времени и мощными вычислительными возможностями для логического вывода, теперь могут за минуты сделать то, на что раньше у опытных исследователей уходили дни. Исследование, проведенное в феврале в Федеральном институте технологий в Цюрихе (Швейцария - ETH Zurich) продемонстрировало, что агенты ИИ способны сопоставлять анонимизированные онлайн-аккаунты с реальными физическими личностями с точностью до 90%, воспроизводя за минуты то, на что опытному следователю-человеку потребовались бы многие часы ( https://arxiv.org/pdf/2602.16800 ).  То, что г-жа Суини выявила как уязвимость, всё чаще становится реальностью оперативной деятельности для любого, у кого есть подключение к интернету и ИИ-чатбот.

Это крайне важно для Канады. Министр по вопросам ИИ Эван Соломон (Evan Solomon) пообещал обновить национальную стратегию в области ИИ, которая включает в себя модернизированные правила защиты персональных данных ( https://globalnews.ca/news/11649168/ai-strategy-privacy-commissioner-canadians-solomon/ ). Хотя соблазнительно попытаться решить проблему за счёт использованию усиленных мер защиты защиты, которые обсуждаются уже много лет, нужно понимать, ИИ меняет дискуссию о защите ПДн таким образом, что дальнейшее продвижение вперёд становится куда сложнее, чем простое возобновление прежних усилий по проведению реформ. Для правильного решения этой задачи необходимо учитывать обе стороны «уравнения ИИ»: что поступает на вход и что получается на выходе.

Что касается входных данных, то наблюдается заметный глобальный сдвиг в сторону более либерального, более разрешительного отношения к используемым для обучения ИИ персональным данным:

• Япония недавно внесла поправки в своё законодательство о защите ПДн с явной целью стать страной, обеспечивающей наиболее благоприятные условия для разработки ИИ, заменив требования об обязательном получения согласия на обработку на механизмы отказа от обработки ( https://www.theregister.com/2026/04/08/japan_privacy_law_changes_ai/ );
  
  
• Великобритания также недавно ослабила ограничения на автоматизированное принятие решений и ввела более широко сформулированные исключения для исследований ( https://www.traverssmith.com/knowledge/knowledge-container/uks-data-protection-reforms-take-effect-a-new-era-for-automated-decision-making/ );
  
  
• Евросоюз предложил поправки в законодательство, которые упростят правила обработки данных с целью обучения моделей ИИ и сузят сферу прав субъектов ПДн ( https://www.lw.com/en/insights/digital-omnibus-eu-commission-proposes-to-streamline-gdpr-and-eu-ai-act ).

Направление перемен очевидно: ведущие мировые юрисдикции смягчают своё нормативно-правовое регулирование обработки ПДн, чтобы способствовать развитию ИИ. Канада также столкнётся с давлением, вынуждающим последовать их примеру.

Проблеме защиты ПДн, связанной с выходными данными ИИ, уделялось гораздо меньше внимания, - однако она в конечном итоге может оказаться более значимой. В данном случае обеспокоенность связана не с тем, какие персональные данные поступают в системы ИИ, а с тем, какие персональные данные появляются на выходе. Современные системы ИИ могут получать доступ к общедоступным данным из множества источников, комбинировать по отдельности безвредные фрагменты и делать выводы, позволяющие повторно идентифицировать физических лиц на основе информации, которая никогда не предназначалась быть «персональными данными».

Рассмотрим, что это означает для концепции деидентификации (обезличивания) данных, лежащей в основе реформы канадского законодательства о защите ПДн. В более ранних проектах предлагалось запретить организациям повторно идентифицировать обезличенные данные ( https://lop.parl.ca/sites/PublicWebsite/default/en_CA/ResearchPublications/LegislativeSummaries/441C27E ). Однако этот запрет касался преднамеренных действий по повторной идентификации. Он не предвидел мир, в котором система ИИ восстанавливает связь с физическим лицом на основе разбросанных по открытому интернету фрагментов в рамках выполнения обычного запроса. Правовая проверка возможности использования данных для идентификации личности предполагала относительно стабильную технологическую среду. ИИ делает тривиально простым то, что когда-то было немыслимым, - повторная идентификация оказывается всего лишь структурным побочным продуктом работы ИИ.

Выработка канадского ответа может потребовать различного подхода к обеим сторонам «уравнения ИИ». Более либеральный подход к входным данным для обучения, основанный на общеприменимых ограничениях и значимой прозрачности, мог бы помочь Канаде оставаться конкурентоспособной, не отказываясь при этом от своих основных обязательств. Однако такая гибкость в отношении входных данных должна сочетаться с действительно инновационными подходами к предотвращению и устранению вреда, причиняемого результатами работы ИИ. Это означает переход от запретов на преднамеренную повторную идентификацию к инструментам нормативно-правового регулирования, которые учитывают структурную способность систем ИИ восстанавливать ПДн из неперсональных данных. Меры подотчетности, аудит результатов логического вывода и ограничения на агрегирование и раскрытие выведенных личных профилей должны стать частью нормативно-правового ландшафта.

Сообщество специалистов по защите ПДн и принимающие политические решения лица медленно осознают этот сдвиг, фокусируя внимание в основном на том, как ПДн попадают в системы ИИ. Но если хотеть, чтобы стратегия Канады в области ИИ и реформа в сфере защиты ПДн соответствовали требованиям времени, то нужно, чтобы они признали более суровые истины: что деидентификация, в том виде, в котором мы её понимали десятилетиями, может уже больше не работать, и что наши дискуссии о защите ПДн должны радикально измениться.

Майкл Гейст (Michael Geist)

Источник: блог Майкла Гейста
https://www.michaelgeist.ca/2026/04/is-data-de-identification-dead-why-the-ai-privacy-risk-isnt-what-it-learns-but-what-it-figures-out/ 

Библиотека Конгресса США провела встречу на тему «Проектирование архитектур хранения данных для цифровых коллекций»

Данный пост сотрудника Библиотеки Конгресса США Винсента Колтеллино (Vincent Coltellino – на фото) был опубликован 8 июня 2026 года на блоге «Сигнал» (The Signal) на сайте Библиотеки Конгресса США.

В 2007 году Библиотека Конгресса США (Library of Congress) организовала первую встречу по теме «Проектированию архитектур хранения данных для цифровых коллекций» (Designing Storage Architectures for Digital Collections, DSA). Целью этой первой встречи было собрать вместе специалистов по архитектуре хранения данных для обсуждения уникальных требований к хранению данных нового Национального центра сохранения аудиовизуальных материалов (National Audio-Visual Conservation Center, NAVCC) Библиотеки. 

В последующие годы данное мероприятие трансформировалось в площадку для более широкого обсуждения достижений, проблем и решений в области хранения цифровых данных. 

9-10 марта 2026 года Библиотека провела 20-ю по счету такую встречу, теперь уже ставшую международной (см. https://www.digitalpreservation.gov/meetings/storage26.html?loclr=blogsig ).

В этом году в мероприятии приняли участие 172 ведущих мировых эксперта в областях инфраструктур хранения данных, передовых практик, инноваций и прогнозов развития экосистемы обеспечения долговременной сохранности электронных материалов (электронной сохранности). Организаторы встречи подготовили насыщенную программу, способствующую открытому обсуждению текущих проблем цифрового хранения и рассчитанные на опережающие действия решений для смягчения будущих прогнозируемых рисков. Участники встречи представляли различные государственные органы и учреждения, учреждения культурного наследия, отрасль цифрового хранения, а также академические и научно-исследовательские организации.

Директор по ИТ Библиотеки Конгресса Джудит Конклин (Judith Conklin) поприветствовала собравшихся и задала тон двум последующим дням оживленной дискуссии. Затем сотрудники Библиотеки сообщили новости за прошедший год, касающиеся текущей среде хранения, темпов роста объёмов данных и поиска инновационных методов цифрового хранения.

В число тем для обсуждения входили:

• широкое распространение цифровых данных и проблемы, с которыми сталкиваются поставщики услуг хранения, пытаясь удовлетворить этот спрос; 
  
  
• энергетические и экологические аспекты, необходимые для поддержания экосистемы хранения данных; 
  
  
• влияние искусственного интеллекта (ИИ) на потребность в услугах хранения данных; 
  
  
• проблемы и наилучшие практики, о которых говорили различные поставщиков услуг по курированию данными; а также 
  
  
• ряд технологических обновлений, представленных поставщиками услуг хранения для решений на основе как новых, так и традиционных технологий хранения.

Хотя доклады и последующие обсуждения сильно различались по своему характеру, неизменно звучали две основные темы:

• Каким образом сообщество поставщиков услуг хранения данных сможет поддерживать необходимый уровень обслуживания в условиях быстрого увеличения объёмов данных?
  
  
• Каким образом это сообщество будет реагировать на требования открыть доступ ИИ к данным, которые прежде хранились на носителях с низкой скоростью доступа?

Хотя первая тема постоянно дискутировалась на протяжении многих лет, в этом году все выглядело иначе. Группа теперь обсуждает этот вопрос как проблему сегодняшнего дня, а не как проблему будущего. Похоже, достигнут переломный момент: поставщики услуг хранения данных не могут справиться с возрастающим спросом на их услуги. Эта проблема проявляет себя на рынке в виде ограниченности предложений и растущей стоимости хранения в расчёте на терабайт данных. Многие участники встречи выразили поддержку новым и нарождающимся технологиям, разрабатываемым сейчас для заполнения пробелов, не покрываемых существующими носителями информации.

Вопрос хранения данных на соответствующих носителях, выбираемых в зависимости от частоты доступа, давно уже дискутировался в рамках данного форума, - и хотя эта тема по-прежнему обсуждалась, был введён новый элемент: вопрос доступа универсальных и больших языковых моделей к находящимся на хранении данным. В условиях постоянного расширения использования ИИ даже данные, исторически хранившиеся на «холодных» (менее доступных) носителях, должны быть динамичными и доступными, если требуется обеспечить эффективное их использование ИИ-моделями. Эта тенденция может побудить кураторов данных к тому, чтобы хранить свои данные на «более горячих» (более доступных) носителях с большим энергопотреблением. Такие «горячие» решения, как правило, дороги и имеют больший углеродный след.

Хотя этим двум проблемам была посвящена большая часть дискуссий на протяжении всей встречи, также достаточно много времени обсуждались и решения. Новые носители информации, такие как оптические и молекулярные решения высокой плотности, получили бóльшую поддержку, чем в предыдущие годы, - и разрабатывающие их компании движутся к коммерциализации этих решений на корпоративном уровне. Есть надежда, что такие решения в ближайшие годы заполнят определенные пробелы на рынке. Помимо этого, состоялось несколько дискуссий по поводу оценки энергетических потребностей цифрового архива; использования цифровых архивов для смягчения последствий стихийных бедствий; а также о том, как оцифровка архивов может способствовать расширению исторических и генеалогических знаний сообщества.

Встречи серии «Проектирование архитектур хранения данных для цифровых коллекций» неизменно собирают уникальное сочетание экспертов, представляющих поставщиков услуг хранения данных; специалистов по технологиям; пользователей данных и архивистов, с целью обсуждения сложных вопросов, связанных с экосистемой хранения данных. В 2026 году ситуация была такой же, но в этом году форум прошел несколько в ином ключе. Члены сообщества ощущали бóльшую срочность в отношении давно прогнозируемых проблем, которые теперь стали реальностью, а также проблем, которые ещё предстоит решить.

Каким образом поставщики услуг хранения данных смогут удовлетворить очень высокий рыночный спрос, вызванный неконтролируемым ростом объёмов данных? Станет ли дефицит хранилищ данных ограничивающим фактором для бума ИИ? Каким образом организации смогут обеспечить надлежащее курирование данных и удовлетворить связанные с этим энергетические потребности? Хотя окончательные ответы на эти вопросы ещё не сложились, - более широкое сотрудничество членов сообщества, укрепившееся на этом мероприятии, является ключевым шагом на пути к поиску ответов, необходимых для обеспечения здорового будущего для мировых данных.

Для получения детальной информации о докладах и доступа к дополнительным материалам, пожалуйста, посетите репозиторий встречи DSA 2026 по адресу 
https://www.digitalpreservation.gov/meetings/storage26.html?loclr=blogsig .  

Винсент Колтеллино (Vincent Coltellino)

Источник: блог «Сигнал» (The Signal) на сайте Библиотеки Конгресса США
https://blogs.loc.gov/thesignal/2026/06/2026-designing-storage-architectures/