Засев Lumma Stealer через CAPTCHA прикрыли легальными рекламными сервисами

Засев Lumma Stealer через CAPTCHA прикрыли легальными рекламными сервисами

Засев Lumma Stealer через CAPTCHA прикрыли легальными рекламными сервисами

Эксперты Guardio Labs и Infoblox проанализировали масштабную кампанию по распространению инфостилера Lumma через фейковые CAPTCHA. Как оказалось, для сокрытия вредоносной активности ее авторы использовали легитимную рекламную сеть.

Мошенническая схема заражения, условно названная DeceptionAds, полагается на механизмы malvertising. Использование платформы монетизации трафика Monetag для показа вредоносной рекламы позволяет злоумышленникам собирать до 1 млн просмотров в сутки; число жертв при этом измеряется тысячами.

Приманкой обычно служат пиратские копии кинофильмов и софта. При клике на баннер отрабатывает скрипт, отсеивающий ботов. По итогам проверки он может перенаправить посетителя на страницу с фальшивым CAPTCHA.

Пока тот прилежно выполняет инструкции по прохождению теста, встроенный в страницу JavaScript скрытно, подобно ClickFix, копирует вредоносную PowerShell-команду в буфер обмена визитера, что приводит к развертыванию Lumma. Для сокрытия фейков мошенники используют ссылки, сгенерированные трекинг-сервисом BeMob.

 

Получив сообщения о злоупотреблениях, операторы Monetag и BeMob удалили аккаунты, связанные с данной malvertising-кампанией (в первом случае их оказалось более 200). Быстро принятая мера помогла эффективно заблокировать доступ к вредоносным страницам — к сожалению, ненадолго: на прошлой неделе они заработали вновь.

ИИ научился выявлять депрессию по голосовым сообщениям в WhatsApp

Учёные показали, что депрессию можно распознать буквально «по голосу» — и для этого не нужны ни долгие опросники, ни визит к врачу. Достаточно короткого голосового сообщения в WhatsApp (принадлежит Meta, признанной экстремистской и запрещенной в России).

Исследователи из Медицинской школы Санта-Каса-де-Сан-Паулу и компании Infinity Doctors разработали медицинскую языковую модель, которая с высокой точностью определяет наличие депрессивного расстройства по аудиосообщениям.

Результаты работы опубликованы 21 января 2026 года в открытом журнале PLOS Mental Health.

В эксперименте модель анализировала короткие голосовые сообщения, где участники просто рассказывали, как прошла их неделя. И результат оказался неожиданным: у женщин с диагностированной депрессией точность распознавания превысила 91%.

Это один из лучших показателей среди подобных исследований, особенно с учётом того, что речь идёт о бытовых сообщениях, а не специально записанных медицинских интервью.

Для обучения и тестирования использовались два набора данных с WhatsApp-аудио от носителей португальского. В них вошли записи пациентов с подтверждённым диагнозом «большое депрессивное расстройство» и контрольной группы без депрессии.

Часть сообщений была максимально простой — участникам предлагали досчитать от одного до десяти, другая часть — более естественной: свободный рассказ о прошедшей неделе.

Лучше всего модель справлялась именно со «спонтанной речью». У мужчин точность в этом же сценарии оказалась ниже — около 75%, что авторы связывают с меньшим числом мужских голосов в обучающей выборке и возможными различиями в речевых паттернах. При анализе простого счёта до десяти разница между полами почти исчезала: точность составляла около 80% у женщин и чуть меньше у мужчин.

По словам авторов, модель улавливает тонкие акустические признаки — темп речи, интонации, паузы, — которые сложно заметить человеку, но хорошо видит машинное обучение. И главное — всё это происходит в привычном для людей формате повседневного общения.

Исследователи считают, что при дальнейшем развитии технология может лечь в основу недорогих и удобных инструментов раннего скрининга депрессии, не требующих сложных процедур и не нарушающих повседневные привычки пользователей.

Как отметил старший автор исследования Лукас Маркес, «незаметные акустические особенности обычных голосовых сообщений могут с неожиданной точностью указывать на депрессивные состояния».

Напомним, в недавнем исследовании метаданные WhatsApp показали: мы плохо понимаем, как ведём себя в чатах.

RSS: Новости на портале Anti-Malware.ru