Специалисты Trusteer обнаружили новую форму фишинга

Специалисты Trusteer обнаружили новую форму фишинга

Специалисты из компании Trusteer, которая занимается системами для безопасного подключения клиентов к сайтам финансовых компаний и банков, обнаружили новую форму фишинга. Хотя сфера потенциального применения этого способа, получившего название «in-session», относительно невелика, с его помощью можно обмануть даже опытных пользователей.

Новый способ фишинга «in-session» базируется на уязвимости одной из функций JavaScript, часто используемой на сайтах банков, финансовых компаний, сайтах онлайновых азартных игр и в других веб-приложениях. Дело в том, что после входа в систему эта функция оставляет в памяти компьютера своего рода отпечаток, который можно прочитать из сценариев, исполняемых на других открытых в браузере страницах. В результате злоумышленники могут определить, что у пользователя в текущий момент открыта вкладка с интересующим их сайтом.

Возможный сценарий фишинга с использованием найденной уязвимости примерно таков – если пользователь вошел на защищенный веб-сайт, а в другой вкладке открыл зараженный сайт, может появиться всплывающее окно, похожее на окно защищенного сайта по оформлению. В качестве примера авторы исследования приводят окна с онлайн-опросами или мини-играми. Для продолжения работы со всплывающим окном вредоносный сценарий попросит заново ввести регистрационные данные. Само собой, если пользователь поддастся на эту уловку, преступники смогут получить доступ к его счету в банке или в других службах.

Чтобы этот метод выманивания регистрационных данных сработал, необходимо совпадение двух условий. Во-первых, нужно заразить достаточно популярный сайт, чтобы пользователь с большой вероятностью мог держать открытым вкладку с этим сайтом и вкладку с сайтом своего банка. Во-вторых, злоумышленники должны иметь возможность определить, вошел ли пользователь на нужный сайт в соседней вкладке или уже закончил сеанс.

Для борьбы с фишингом по методу «in-session» исследователи предлагают несколько мер: использование пакета Rapport, который производит их компания, устранение уязвимости в механизме обработки сценариев, который использует браузер, либо обязательный выход из защищенных сеансов подключения перед открытием новых страниц, вкладок, сайтов и т.д. Уязвимости, которую использует фишинг «in-session», подвержены многие популярные браузеры, в том числе IE, Firefox, safari и Chrome. Конечно, эту уязвимость обязательно устранят, но пользователям следует быть максимально внимательными и не вводить свои регистрационные данные ни в каких всплывающих окнах – только в главных страницах защищенных сайтов.

Отчет компании Trusteer о найденной уязвимости в JavaScript и возможных способах ее использования для фишинга «in-session» можно загрузить в виде PDF-документа здесь.

Источник

Нейросеть для ЖКХ научилась материться в первый месяц обучения

Разработчикам отечественного голосового помощника для сферы ЖКХ пришлось «переучивать» систему после того, как в процессе обучения бот освоил ненормативную лексику. Этот случай наглядно показал, насколько критично качество данных, на которых обучаются нейросети.

О возникшей проблеме рассказал ТАСС президент Национального объединения организаций в сфере технологий информационного моделирования (НОТИМ) Михаил Викторов на Сибирском строительном форуме, который проходит в Новосибирске.

«Приведу забавный случай: нейросеть учится, и буквально уже в первый месяц разработчики обнаружили такую коллизию — нейросеть научилась мату. Как говорится, с кем поведёшься, от того и наберёшься. Эту проблему, конечно, пришлось устранять. Но это в том числе показатель активного взаимодействия с нашими гражданами», — рассказал Михаил Викторов.

При этом, по его словам, внедрение ботов позволило сократить число операторов кол-центров в 5–6 раз без потери качества обслуживания. Нейросетевые инструменты способны обрабатывать до 90% входящих обращений.

Уровень удовлетворённости качеством обслуживания, по оценке Викторова, составляет около 80%. Передавать звонки операторам целесообразно лишь в экстренных случаях — например, при аварийных ситуациях.

Эксперты ранее отмечали, что именно данные, на которых обучается ИИ, являются ключевой причиной появления некорректных или предвзятых ответов нейросетевых инструментов.

RSS: Новости на портале Anti-Malware.ru