Гражданин Украины сознался в причастности к атакам инфостилера Raccoon

Гражданин Украины сознался в причастности к атакам инфостилера Raccoon

Гражданин Украины сознался в причастности к атакам инфостилера Raccoon

На судебном процессе в Западном Техасе заслушали покаянное заявление Марка Соколовского. Фигурант дела о распространении Raccoon Stealer признал свою вину по пункту о сговоре с целью вмешательства в работу чужих компьютеров.

Гражданину Украины инкриминируют также мошенничество, кражу персональных данных и отмывание денег в составе преступной группы.

Предполагаемого оператора сервиса MaaS (Malware-as-a-Service, вредонос как услуга), созданного на основе Raccoon, арестовали по запросу американских властей еще в 2022 году, в Нидерландах. Параллельно ФБР вместе с итальянскими и голландскими коллегами разгромило инфраструктуру зловреда (на тот момент версии 1.0).

В феврале этого года Соколовского передали США для участия в судебном процессе. По условиям соглашения о признании вины украинец должен будет уплатить штраф в размере $23 975 и как минимум $910 тыс. в возмещение причиненного ущерба.

Тем временем оставшиеся на свободе вирусописатели продолжают развивать вредоносный проект, но уже в новой версии (2.0). После ареста лидера ОПГ Raccoon переписали на C/C++, снабдили логотипом и обещают фанатам кучу новых функций, в том числе для самозащиты инфостилера.

Подпишитесь на новости

Модели OpenAI и Anthropic выбирали скорые и школу как военные цели

Компания Vals AI проверила ограничения ИИ-моделей на участие в выборе военных целей. В экспериментах системы отмечали гражданских, машины скорой помощи и сдающихся солдат. Представление задания как игры часто помогало преодолеть отказы.

Результаты экспериментов опубликованы в исследовании Vals AI. Специалисты испытали 14 моделей на изображениях с имитацией съёмки с дронов.

Отдельный сценарий включал реальные спутниковые снимки иранского Минаба, где школа расположена рядом с военным комплексом.


GPT-6 Astra выделяла хотя бы одну цель в 6% обычных запросов. После оговорки об игре показатель вырос до 92%. В других экспериментах большинство моделей продолжало обнаруживать людей даже после показа сгенерированных последствий ударов.


Модели не управляли реальными атаками и не принимали решений об ударах. Авторы также не оценивали точность наведения и эффективность систем в боевых условиях.


Vals AI рекомендует усилить ограничения на уровне API. Один из обозначенных рисков — массовая разметка видеозаписей для обучения автономных систем наведения.

RSS: Новости на портале Anti-Malware.ru