Модерація зображень і вік на вигляд — одним викликом API.
Media Examiner від Rigr виявляє оголеність, відкриті інтимні частини тіла та сексуальну активність і водночас оцінює вік на вигляд і стадію розвитку — з каліброваною невизначеністю та налаштовуваними діапазонами перегляду, тож ваша платформа автоматично обробляє очевидні випадки, а людині передає лише справді невизначені.
Одне зображення. Один виклик API.
Media Examiner виявляє оголеність, відкриті інтимні частини тіла та сексуальну активність і водночас оцінює вік на вигляд і стадію розвитку — усе в одному API для аналізу зображень. Не треба з’єднувати в ланцюжок загальний класифікатор контенту для дорослих з окремим сервісом оцінювання віку, надсилати зображення двічі й потім узгоджувати два набори координат.
Це важливо, бо ці два сигнали корисні лише разом. «Це зображення містить оголеність» — типова відповідь, яку може дати будь-який постачальник рішень для модерації. «На цьому зображенні відкриті інтимні частини тіла, особа на вигляд у пубертатному віці, і ось її вік на вигляд з невизначеністю» — це вже інше рішення, і це один виклик.
Що ви отримуєте
| Результат | Що він дає |
|---|---|
| Класифікація на рівні зображення | Рівень серйозності від 0 до 5 зі стабільним машинозчитуваним ключем — немає сексуального контенту, експлуататорський контент або контент із сексуальним підтекстом, відверто сексуалізоване позування, сексуальні дії без проникнення, сексуальні дії з проникненням |
| Виявлені об’єкти | Що спричинило результат і де саме: відкриті інтимні частини тіла, сексуальні дії та контекстні об’єкти — кожен із показником впевненості та обмежувальною рамкою (bounding box) |
| Стадія розвитку на вигляд | Немовлячий, ранній дитячий, допубертатний, пубертатний або дорослий вік — оцінюється за обличчям, а якщо обличчя приховане чи відвернуте — за тілом |
| Вік на вигляд з невизначеністю | Якщо видно придатне обличчя — вік на вигляд у роках і його калібрована невизначеність, прив’язані до того самого виявленого обличчя |
| Контекстні позначки | Self-Generated (самостійно створений матеріал), Sadomasochism (садомазохізм), CG Elements (елементи комп’ютерної графіки), Bodily Fluids (біологічні рідини) — характер матеріалу, а не лише ступінь його відвертості |
| Розгортання | Наш хмарний API, приватний ендпоінт або контейнер, який ви запускаєте самі, — зокрема в ізольованому середовищі (air-gapped) |
Опис кожного поля — у довіднику з API Media Examiner, а машинозчитуваний документ OpenAPI (англ.) дає змогу згенерувати клієнт, а не писати його вручну.
Виявлення CSAM у масштабі платформи
Питання, які команди платформ ставлять першими, — з відповідями в тому порядку, в якому їх ставлять.
Матеріали, яких немає в жодному списку хешів. Зіставлення хешів знаходить зображення, які вже бачили й внесли до списку. Воно не може знайти зображення першого покоління, щойно згенероване ШІ або відоме зображення, змінене більше, ніж допускає хеш. Media Examiner — це класифікатор: він аналізує саме зображення, тож застосовний до матеріалів, яких немає в жодному списку. Він не виконує зіставлення хешів і не замінює його — використовуйте його разом із наявним у вас зіставленням хешів, а збіг хешу вважайте сильнішим сигналом для відомого матеріалу.
Інтеграція. REST API. Надішліть одне зображення як multipart-запит із ключем API та отримайте у відповідь JSON: класифікацію за рівнем серйозності, контекстні позначки, виявлені об’єкти з обмежувальними рамками й показниками впевненості, а також вік на вигляд, якщо ви його запитуєте. Приймаються формати JPEG, PNG, GIF, WebP, BMP, TIFF, AVIF, HEIC і HEIF, до 50 МБ кожен файл; анімовані GIF і PNG аналізуються кадр за кадром. Сервіс приймає зображення, а не відеофайли. Документ OpenAPI (англ.) дає змогу згенерувати клієнт вашою мовою програмування, а не писати його вручну.
Обсяги й реальний час. Кожен запит синхронний — одне зображення на вході, один результат на виході, — тож виклик можна вбудувати безпосередньо в процес завантаження або поставити за вашою власною чергою. Наш хмарний сервіс за замовчуванням дозволяє 120 запитів за 60 секунд на ключ, тобто близько 170 000 зображень на добу: це значно менше за мільйони, тому для робочої експлуатації ліміти ключів підвищують. Контейнер, який ви запускаєте самі, масштабується додаванням екземплярів і GPU. Ми не публікуємо показника пропускної спроможності, бо він залежить від вашого обладнання, розмірів зображень і пікового навантаження; розрахунок під ваші обсяги — частина пілотного проєкту.
Хмара чи власна інфраструктура. Три режими: наш хмарний API, приватний ендпоінт або контейнер, який ви запускаєте у власному хмарному акаунті чи центрі обробки даних, зокрема в ізольованому середовищі. У режимах самостійного запуску обробка відбувається у вашому середовищі. Див. Розгортання, суверенітет і контроль над інформацією.
Точність на раніше невідомих матеріалах. Ми не публікуємо узагальненого показника точності класифікатора. Будь-яке окреме число залежить від набору даних, на якому його отримано, а ваш трафік — його поєднання контенту для дорослих, мистецтва, медичних зображень і згенерованих ШІ матеріалів — не є цим набором даних. Приватний пілотний проєкт із бенчмаркінгу, описаний нижче, вимірює хибнопозитивні та хибнонегативні результати на репрезентативній вибірці ваших власних даних, за ваших власних порогів. Незалежна перевірка, описана далі, стосується оцінювання віку, а не класифікатора.
Що означає результат. Результат класифікатора — це підстава для перегляду й ескалації, а не встановлений факт. Те, що ваші модератори підтверджують як матеріали сексуального насильства над дітьми, підпадає під ваші юридичні обов’язки щодо повідомлення.
Загальне виявлення оголеності — стандартна послуга
Наш продукт — не кращий фільтр порнографії. Те, що платформі справді потрібно у складних випадках, — це багатший сигнал щодо безпеки дітей і застосування правил платформи з одного аналізу: що спричинило результат, де це в кадрі, стадія розвитку особи на вигляд і — якщо видно обличчя — оцінений вік та наскільки впевненою є ця оцінка.
Бінарна відповідь «відверте / не відверте» зводить усе це до одного біта, і втрачений біт — саме той, що найбільше потрібен команді, яка розробляє ваші правила.
Проблема з однією міткою
Командам з безпеки контенту потрібна не лише мітка на кшталт «дорослий» чи «неповнолітній». Їм треба знати, наскільки невизначена система, як маршрутизувати межовий контент, як налаштовувати хибнопозитивні та хибнонегативні результати й як обґрунтувати поріг, за яким матеріал іде на перегляд людиною.
Згенеровані ШІ та змінені зображення ускладнили це завдання: контент із неоднозначним віком — і синтетичний, і завантажений користувачами — створює черги перегляду, для яких дорого утримувати персонал і в яких легко помилитися в будь-який бік. Загальні промпти до універсальної візуально-мовної моделі (VLM) не є каліброваним засобом безпеки, який можна обґрунтувати.
Ключова відмінність: точкової оцінки недостатньо
Обличчя з оцінкою 18,2 за високої невизначеності операційно відрізняється від обличчя з оцінкою 18,2 за низької невизначеності — перше потребує людини, друге може й не потребувати. Rigr показує обидва числа, а не лише мітку, щоб ця різниця була видна в робочому процесі, а не похована в технічній документації.
| Приклад результату | Інтерпретація | Рекомендований робочий процес |
|---|---|---|
| 15,4 ± 0,8 | Сигнал високої впевненості: особа має вигляд неповнолітньої | Черга високого ризику / негайний перегляд фахівцем |
| 17,8 ± 2,5 | Межовий і невизначений | Передати на перегляд підготовленій людині; не покладатися на бінарний поріг |
| 22,1 ± 0,9 | Сигнал низького ризику: особа на вигляд доросла | Нижчий пріоритет або вибірковий аудит — залежно від правил |
| 19,0 ± 5,0 | Низька впевненість, попри точкову оцінку в діапазоні дорослого віку | Ручний перегляд або сигнал іншої моделі |
Як вбудувати це в процес завантаження
Дієвий конвеєр модерації — це не один поріг. Це набір маршрутів, кожен із яких потребує власного рішення:
- Автоматично обробляйте очевидні порушення. Рівні серйозності 4 і 5 з високою впевненістю рідко потребують, щоб людина підтверджувала, що це.
- Передавайте на ескалацію все, де особа на зображенні може бути не дорослою. Саме стадія розвитку на вигляд і вік на вигляд дають змогу відокремити цей маршрут від звичайного контенту для дорослих, а не обробляти кожне відверте зображення однаково.
- Надсилайте випадки з низькою впевненістю та межові випадки на перегляд людині. Саме для цього існує значення невизначеності. Широкий інтервал, що перетинає ваш поріг, — це якраз той випадок, який модель не повинна вирішувати сама.
- Зберігайте обґрунтування кожного результату. Виявлені об’єкти, показники та рамки — це ваш журнал аудиту, що пояснює, чому вжито заходу, — він корисний для апеляцій, для регуляторів і для налаштування.
- Налаштовуйте пороги відповідно до допустимого для вас рівня ризику. Різні платформи несуть різні ризики, і те саме число не повинно означати ту саму дію на освітньому сервісі для дітей і в застосунку для знайомств для дорослих.
Ми не публікуємо єдиного універсального порогу, бо його не існує. Будь-який постачальник, який його пропонує, непомітно ухвалює рішення щодо ваших правил замість вас. Налаштовуваний діапазон перегляду — це і є продукт.
Особи, які мають вигляд неповнолітніх
Платформам найважливіше правильно опрацювати саме цей випадок, тож варто точно сказати, що система робить і чого не робить.
Media Examiner повертає стадію розвитку на вигляд для виявлених осіб і вік на вигляд із каліброваною невизначеністю, якщо видно придатне обличчя. Самі виявлення анатомії розрізняються за стадією розвитку, тож виявлені відкриті частини тіла супроводжуються оцінкою стадії розвитку навіть тоді, коли обличчя немає.
Це візуальні оцінки. Вони не підтверджують особу й не встановлюють юридичного віку людини. Це сигнал для маршрутизації та визначення пріоритетів, а не остаточне визначення. Рішення щодо високоризикових і межових випадків мають передбачати належний перегляд людиною, а будь-які підтверджені матеріали сексуального насильства над дітьми слід опрацьовувати відповідно до ваших юридичних обов’язків щодо повідомлення, а не просто видаляти.
За правильного використання цінність полягає в первинному сортуванні: платформа може застосовувати суворіші правила скрізь, де особа видається не дорослою, передавати такі випадки на ескалацію замість автоматичних дій і ставити підготовлених модераторів там, де вони змінюють результат.
Місце в системі встановлення віку
Встановлення віку (age assurance) — загальний термін для способів визначити, скільки людині років. Він охоплює кілька методів, і вони не взаємозамінні:
| Метод | Що він робить | Чи надаємо ми його? |
|---|---|---|
| Верифікація віку | Перевіряє документ, що посвідчує особу, або офіційний реєстр, щоб встановити заявлений вік | Ні |
| Оцінювання віку за обличчям | Оцінює вік на вигляд за зображенням, із діапазоном упевненості | Так — саме це ми створюємо |
| Виведення віку з поведінки або історії акаунта | Визначає ймовірну вікову групу за іншими сигналами, які зберігаються про користувача | Ні |
| Самодекларація | Запитує користувача | Ні |
Ми — компонент оцінювання віку за обличчям, а не комплексна система встановлення віку. Сторона, що покладається на результат (relying party), інтегрує нас як один із сигналів у робочий процес, яким володіє вона, — зазвичай разом із маршрутом верифікації документів для випадків, де потрібен доведений вік, і завжди з маршрутом до людини для межових випадків.
Ця відмінність важлива і з комерційного, і з технічного погляду. Якщо ваш обов’язок — верифікувати юридичний вік конкретної людини, саме лише оцінювання його не виконає. Якщо ж ваше завдання — сортувати великий обсяг зображень, де немає документа й не прив’язано акаунта, — завантаження користувачів, згенеровані ШІ персонажі, контент, що вже стоїть у черзі модерації, — оцінювання є єдиним методом, який узагалі застосовний.
Про пороги та буферні зони. Регуляторні режими встановлення віку зазвичай очікують, що сторона, яка покладається на результат, керуватиме невизначеністю, а не діятиме за однією жорсткою межею. Саме для цього й потрібна описана вище калібрована невизначеність: налаштовувана буферна зона навколо вашого порогу, усе в межах якої спрямовується людині. Австралійське випробування окремо відзначило таку конструкцію, і саме тому ми не публікуємо одного універсального порогу.
Незалежна перевірка
Компанія Rigr AI взяла участь в австралійському випробуванні технологій встановлення віку (Age Assurance Technology Trial) (2025) — незалежному оцінюванні на замовлення уряду Австралії, яке провела Age Check Certification Scheme на наборі даних, створеному організаторами випробування, а не на власному наборі постачальника.
За оцінкою випробування, Rigr AI має сильні показники технічної готовності, узгодженості з вимогами приватності та зручності використання, з надійними рішеннями щодо віку на основі порогів, швидкою обробкою на пристрої та низьким рівнем хибнопозитивних результатів у реальних сценаріях; також було відзначено налаштовувані буферні зони, які дають стороні, що покладається на результат, змогу керувати невизначеністю замість того, щоб покладатися на один жорсткий поріг, — це та сама ключова відмінність, описана вище.
Для команди з безпеки контенту важливе не місце в рейтингу, а те, що поведінку системи перевірив хтось інший, а не ми, на даних, яких ми не вибирали. Індивідуальний звіт про тестування (англ.) опубліковано.
Приватний пілотний проєкт із бенчмаркінгу
Для команд, які зараз покладаються на загальні промпти до VLM, готові класифікатори або лише ручні черги, Rigr пропонує приватний пілотний проєкт із бенчмаркінгу: надайте репрезентативну вибірку та ваші чинні порогові значення, і ми повернемо аналіз калібрування, аналіз компромісу між хибнопозитивними та хибнонегативними результатами, рекомендації щодо діапазонів перегляду й оцінку обсягу інтеграції.
Схему відповіді див. у довіднику з API Media Examiner, базову модель віку — на сторінці Оцінювання віку, слідчий бік того самого рушія — на сторінці Класифікація CSAM, а варіанти приватного розгортання та розгортання у власній інфраструктурі — на сторінці Розгортання, суверенітет і контроль над інформацією.
Поширені запитання
Чи може система виявляти матеріали CSAM, яких немає в базі хешів?
Так — саме для цього й потрібен класифікатор. Зіставлення хешів знаходить зображення, які вже бачили й внесли до списку; воно не може знайти зображення першого покоління, щойно згенероване ШІ або відоме зображення, змінене більше, ніж допускає хеш. Media Examiner аналізує саме зображення: оцінює рівень сексуального контенту, а також стадію розвитку й вік кожної особи на вигляд. Він не виконує зіставлення хешів і не замінює його: використовуйте його разом із наявним зіставленням хешів, а збіг хешу вважайте сильнішим сигналом для відомого матеріалу. Результат класифікатора — це підстава для перегляду, а не встановлений факт.
Як система інтегрується з наявним конвеєром завантаження?
Через REST API: одне зображення в multipart-запиті з ключем API, у відповідь — JSON із класифікацією за рівнем серйозності, контекстними позначками, виявленими об’єктами з обмежувальними рамками й показниками впевненості та, на запит, віком на вигляд. Приймаються формати JPEG, PNG, GIF, WebP, BMP, TIFF, AVIF, HEIC і HEIF, до 50 МБ; анімовані GIF і PNG аналізуються кадр за кадром; відеофайли не приймаються. Документ OpenAPI за адресою https://rigr.ai/openapi/media-examiner.yaml (англ.) дає змогу згенерувати клієнт.
Чи впорається система з мільйонами завантажень на добу в реальному часі?
Кожен запит синхронний, тож виклик можна вбудувати безпосередньо в процес завантаження або поставити за вашою власною чергою. Стандартний ліміт нашого хмарного сервісу — 120 запитів за 60 секунд на ключ, тобто близько 170 000 зображень на добу, тому для робочої експлуатації ліміти ключів підвищують; контейнер, який ви запускаєте самі, масштабується додаванням екземплярів і GPU. Ми не публікуємо показника пропускної спроможності, бо він залежить від вашого обладнання, розмірів зображень і пікового навантаження. Розрахунок під ваші обсяги — частина приватного пілотного проєкту з бенчмаркінгу.
Чи може система працювати і в хмарі, і у власній інфраструктурі?
Так, у трьох режимах: наш хмарний API, приватний ендпоінт або контейнер, який ви запускаєте у власному хмарному акаунті чи центрі обробки даних, зокрема в ізольованому середовищі (air-gapped). У режимах самостійного запуску обробка відбувається у вашому середовищі.
Наскільки точна система на раніше невідомих матеріалах насильства?
Ми не публікуємо узагальненого показника точності класифікатора. Будь-яке окреме число залежить від набору даних, на якому його отримано, а трафік платформи — його поєднання контенту для дорослих, мистецтва, медичних зображень і згенерованих ШІ матеріалів — не є цим набором даних. Приватний пілотний проєкт із бенчмаркінгу вимірює хибнопозитивні та хибнонегативні результати на репрезентативній вибірці ваших власних даних, за ваших власних порогів. Незалежна перевірка Rigr — австралійське випробування технологій встановлення віку (Age Assurance Technology Trial) — стосується оцінювання віку, а не класифікатора.
Чи виявляє Rigr оголеність дорослих?
Так. Media Examiner виявляє оголеність і відкриті інтимні частини тіла — геніталії, груди та сідниці як окремі класи, — кожну з показником впевненості та обмежувальною рамкою, і кожну з розрізненням за стадією розвитку на вигляд, а не під однією міткою «оголеність».
Чи виявляє система відверто сексуальний контент?
Так, і вона оцінює його рівень, а не лише позначає. Класифікація на рівні зображення розрізняє експлуататорський контент або контент із сексуальним підтекстом, відверто сексуалізоване позування, сексуальні дії без проникнення та сексуальні дії з проникненням, а як обґрунтування додає конкретні виявлені об’єкти, що дали цей результат.
Чи може система виявляти осіб, які мають вигляд неповнолітніх?
Вона повертає стадію розвитку на вигляд — немовлячий, ранній дитячий, допубертатний, пубертатний або дорослий вік — і, якщо видно придатне обличчя, вік на вигляд із каліброваною невизначеністю. Самі виявлення анатомії розрізняються за стадією розвитку, тож сигнал зберігається й тоді, коли обличчя не видно. Це візуальні оцінки: вони не підтверджують особу й не встановлюють юридичного віку людини, і вони призначені для маршрутизації та визначення пріоритетів із переглядом людиною у високоризикових і межових випадках, а не для автоматичних рішень.
Чи потрібен мені ще й окремий API для оцінювання віку?
Ні. Оцінювання віку за обличчям вбудовано в Media Examiner: задайте estimate_age=true, і той самий запит, що повертає виявлені оголеність, анатомію та сексуальний контент, поверне й вік на вигляд із каліброваною невизначеністю для кожного виявленого обличчя. Одне зображення, один виклик.
Чи повертає API обмежувальні рамки?
Так. Кожне виявлення має обмежувальну рамку й показник впевненості. Рамки задаються нормалізованими x, y, width і height з початком координат у верхньому лівому куті — частками кадру, а не пікселями, — тож вони масштабуються під будь-яку роздільну здатність, у якій ви їх відображаєте.
Чи доступна система для робочої експлуатації?
Так. Вона працює як наш хмарний API, як приватний ендпоінт або як контейнер, який ви запускаєте самі, зокрема в ізольованих середовищах. Стандартна квота нашого хмарного сервісу — 120 запитів за 60 секунд на ключ, і її можна підвищити для робочих обсягів.
Скільки це коштує?
Ціна залежить від очікуваного обсягу зображень і пропускної спроможності. Повідомте нам приблизний місячний обсяг і очікувану пікову кількість запитів на секунду, і ми назвемо фіксовану ціну для робочої експлуатації. Зазвичай першим кроком є приватний пілотний проєкт із бенчмаркінгу на вашій власній вибірці.
Чи є це рішенням для встановлення віку?
Це компонент оцінювання віку за обличчям для такого рішення, а не комплексна система встановлення віку. Встановлення віку (age assurance) — загальний термін, що охоплює верифікацію віку за документами, оцінювання віку за обличчям, виведення віку з історії акаунта та самодекларацію. Rigr створює частину, що відповідає за оцінювання: сторона, яка покладається на результат (relying party), інтегрує її як один із сигналів у робочий процес, яким володіє вона, — зазвичай разом із маршрутом перевірки документів для випадків, де потрібен доведений вік.
Чи може оцінювання віку за обличчям виконати обов’язок верифікації віку?
Саме по собі — ні. Якщо обов’язок полягає у верифікації юридичного віку конкретної людини, оцінка віку на вигляд його не виконує — для цього потрібен документ або офіційний реєстр. Оцінювання застосовне там, де немає документа й не прив’язано акаунта: завантаження користувачів, згенеровані ШІ персонажі та зображення, що вже стоять у черзі модерації. Регуляторні режими зазвичай очікують, що сторона, яка покладається на результат, керуватиме невизначеністю, а не діятиме за однією жорсткою межею, — саме для цього потрібні калібрована невизначеність і налаштовувана буферна зона.
Як нам установити поріг і буферну зону?
Відповідно до допустимого для вас рівня ризику та на ваших власних даних, а не на наших. Ми свідомо не публікуємо універсального порогу: те саме число не повинно запускати ту саму дію на освітньому сервісі для дітей і на платформі для дорослих. Саме для цього існує приватний пілотний проєкт із бенчмаркінгу — надайте репрезентативну вибірку та ваші чинні порогові значення, і ми повернемо аналіз калібрування, аналіз компромісу між хибнопозитивними та хибнонегативними результатами й рекомендації щодо діапазонів перегляду. Австралійське випробування окремо відзначило, що налаштовувані буферні зони дають стороні, яка покладається на результат, змогу керувати невизначеністю замість того, щоб покладатися на один жорсткий поріг.
Чим оцінювання віку відрізняється від верифікації віку?
Оцінювання віку дає оцінку віку на вигляд за зображенням. Верифікація віку перевіряє документ, що посвідчує особу, або офіційний реєстр, щоб встановити заявлений вік. Rigr надає оцінювання: калібрований сигнал віку на вигляд для спрямування контенту в потрібну чергу перегляду, а не підтвердження особи.
Що означає «вік на вигляд»?
Це те, на скільки років виглядає обличчя, а не твердження про справжній вік людини. Ця відмінність найважливіша для синтетичних і згенерованих ШІ персонажів, у яких узагалі немає справжнього віку, який можна було б перевірити.
Чому значення невизначеності важливе для маршрутизації перегляду?
Тому що дві однакові точкові оцінки можуть потребувати різного опрацювання. Обличчя з оцінкою 18,2 за високої невизначеності потребує людини; та сама оцінка за низької невизначеності — може й не потребувати. Rigr повертає обидва числа, щоб ця різниця була видна в робочому процесі, а не похована в документації.
Чи працює система зі згенерованими ШІ або синтетичними зображеннями?
Так — це значною мірою те, для чого вона існує. Згенеровані ШІ та змінені зображення створюють черги перегляду з неоднозначним віком, для яких дорого утримувати персонал і в яких легко помилитися в будь-який бік, а там, де справжнього віку немає, вік на вигляд — єдиний змістовний сигнал.
Чи можемо ми спершу протестувати систему на власних даних?
Так. Надайте репрезентативну вибірку та ваші чинні порогові значення, і приватний пілотний проєкт із бенчмаркінгу поверне аналіз калібрування, аналіз компромісу між хибнопозитивними та хибнонегативними результатами, рекомендації щодо діапазонів перегляду й оцінку обсягу інтеграції.
Чи ухвалює система рішення щодо модерації?
Ні. Rigr дає інформацію для перегляду; він не ухвалює рішень щодо правил чи юридичних питань. Межові випадки та випадки з низькою впевненістю за задумом передаються на ескалацію підготовленим модераторам.
Чи проходило оцінювання віку незалежну перевірку?
Так. Компанія Rigr AI взяла участь в австралійському випробуванні технологій встановлення віку (Age Assurance Technology Trial, 2025) на замовлення уряду Австралії, яке провела Age Check Certification Scheme і в якому учасників перевіряли на наборі даних, створеному організаторами випробування, а не на власному бенчмарку постачальника. За його оцінкою, Rigr має сильні показники технічної готовності, узгодженості з вимогами приватності та зручності використання, з низьким рівнем хибнопозитивних результатів у реальних сценаріях. Індивідуальний звіт про тестування опубліковано.