В июле и августе Яндекс Еда будет платить за уязвимости по двойному тарифу

В июле и августе Яндекс Еда будет платить за уязвимости по двойному тарифу

Сервис «Яндекс Еда» объявил новый конкурс в рамках программы bug bounty, повысив суммы выплат в два раза. С 1 июля по 31 августа за найденную уязвимость можно будет получить от 15 тыс. до 1,5 млн рублей — в зависимости от степени опасности и потенциального ущерба.

Призовые выплаты увеличены, так как обнаружить слабые места на сервисе стало труднее. Весной «Яндекс Еда» провела полный аудит и усилила защиту: свела к минимуму число сотрудников с доступом к клиентским данным, исключила обработку такой информации вручную. В июне в аккаунте «Яндекса» также появилась функция удаления информации о заказах.

Объявив новый конкурс, организаторы задали основные направления для поиска уязвимостей:

  • раскрытие пользовательских данных — возможность просмотра чужих заказов, обход механизма сокрытия телефонных номеров курьера и клиента при звонке из приложения;
  • обход правил использования промокодов — активация чужих промокодов со своего аккаунта, возможность угадывания перебором;
  • накрутка бонусных баллов «Яндекс Плюса» — любой способ получения большого количества баллов без траты денег;
  • мошенничество со стороны курьера — к примеру, возможность получить плату без выполнения доставки.

Выше всего, как и прежде, ценятся ошибки, грозящие удаленным выполнением кода; за них «Яндекс Еда» готов заплатить от 440 тыс. до 1,5 млн рублей. Потолок для уязвимостей LFR, RFI, XXE и инъекции кода составляет 890 тыс. рублей. В случае с фродом сумма вознаграждения зависит от возможности масштабирования способа мошенничества, простоты его использования и степени возможного ущерба (установленная вилка — от 23 тыс. до 230 тыс. рублей).

Мероприятия по усилению защиты «Яндекс Еды» были проведены после утечки, которую выявили в конце февраля. В открытый доступ по вине инсайдера попали персональные данные 58 тыс. покупателей; в итоге сервис доставки еды был оштрафован на 60 тыс. рублей.

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