ФБР предупреждает о фишинговых атаках на клиентов телефонных компаний

 Эксперты Центра приема жалоб в отношении киберпреступлений ФБР (Internet Crime Complaint Center, IC3) сообщают о многочисленных жалобах на фишинговые атаки, жертвами которых становятся клиенты поставщиков телекоммуникационных услуг.

По данным IC3, мошенники звонят потенциальным жертвам по телефону и, представляясь сотрудниками телекоммуникационной компании, клиентом которой являются жертвы, просят их посетить определённый сайт, чтобы получить приз, кредит или скидку. Поддавшиеся соблазну жертвы кибермошенников попадают на фишинговый сайт.

Вредоносные сайты, как правило, являются клонами легитимных сайтов соответствующих телекоммуникационных компаний. Попавшую на такой сайт жертву просят ввести свои учётные данные для входа в систему, и последние четыре цифры номера социального страхования.

После того, как попавшийся на удочку клиент телефонного оператора выполняет инструкции злоумышленников, его перенаправляют на легитимный сайт компании. Это помогает кибермошенникам усыпить бдительность жертвы.

Полученная информация позволяет мошенникам получить полный контроль над скомпрометированными учетными записями.

IC3 просит клиентов телефонных операторов быть осторожней и не попадаться на обещания подарков в обмен на предоставление личных данных.

Anti-Malware Яндекс ДзенПодписывайтесь на канал "Anti-Malware" в Telegram, чтобы первыми узнавать о новостях и наших эксклюзивных материалах по информационной безопасности.

В Пензенском университете создали антивирус с ИИ

Созданный в Пензенском университете (ПГУ) антивирус использует нейросети и машинное обучение и не требует постоянного подключения к интернету. Разработку планируют завершить в этом году, а в ноябре подать заявку на сертификацию.

Из рассказа руководителя проекта, которого цитируют «Известия», можно понять, что вооруженный ИИ защитный софт способен предугадывать действия пользователя, и его можно подстроить под конкретные условия и задачи. Пока готова только версия для Windows, умеющая распознавать трояны, руткиты и нелегальные майнеры.

Для выявления фактов заражения используются два вида анализа:«нейросетевой» и «нейросигнатурный». В первом случае написанная на Python нейросеть оценивает работу кода, выполняя сравнение с известными ей алгоритмами поведения вредоносов.

Второй компонент определяет угрозы, используя ИИ в комбинации с традиционным сигнатурным анализом. Авторы проекта исходили из того, что написанный с нуля зловред — большая редкость, вирусописатели обычно в той или иной степени используют наработки коллег по цеху.

По замыслу, созданный в стенах ПГУ антивирус можно будет использовать как в корпоративном окружении, так и в индивидуальном порядке. Продукт планируют распространять по подписке.

Заметим, без связи с Сетью (не получая обновлений) такой софт сможет детектировать только вредоносные программы с заимствованиями, притом теми, с которыми он уже сталкивался. Впрочем, приведенное репортером описание слишком лаконично и туманно, стоит подождать более конкретных дополнений.

Внедрение ИИ-технологий — новомодный и прогрессивный тренд, в России ему следуют многие крупные компании, включая представителей сферы ИБ, а Минцифры считает курс на ИИ одним из своих приоритетов. Что касается антивирусной защиты, комментатор из UserGate отметил, что применение машинного обучения способно повысить эффективность детектирования до 96%.

Как бы то ни было, подобные инструменты нельзя оставлять без контроля: нейросети не всегда выдают достоверную информацию, результаты желательно проверять. Им можно доверить черновую работу для ускорения ИБ-процессов и повышения эффективности, а принятие решений оставить за оператором.

Anti-Malware Яндекс ДзенПодписывайтесь на канал "Anti-Malware" в Telegram, чтобы первыми узнавать о новостях и наших эксклюзивных материалах по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru