Тест антивирусов на детектирование полиморфных вирусов (результаты) - Страница 7 - Тесты и сравнения - Форумы Anti-Malware.ru Перейти к содержанию
Сергей Ильин

Тест антивирусов на детектирование полиморфных вирусов (результаты)

Recommended Posts

Valery Ledovskoy
Во-первых баллы взяты не с потолка - смотри методологию.

А я и не говорю, что они взяты с потолка. Я пытаюсь уточнить выбор условий.

В данном случае Вы выделение точно 100%-ного результата тоже поддерживаете, даже не смотря на мои аргументы?

Вот возьмём искусственный контрпример для критики балльной системы.

Есть антивирусы А и Б и вирусы V1, V2, V3

При этом, допустим, получились такие результаты:

По V1:

А - 100%

Б - 99,99%

По V2:

А - 99,99%

Б - 99%

По V3:

А - 98,99%

Б - 90%

По первому вирусу могу сказать, что различие в 1 балл для антивирусов А и Б является несправедливым, т.к. не учитывается погрешность измерений, которая присуща любому подобному тесту.

По второму и третьему вирусу могу сказать, что одинаковые баллы для антивирусов А и Б не является справедливой оценкой, т.к. специфика детекта полиморфных вирусов говорит мне о том, что результат в 99% и 99,99% являются существенно разными результатами, так же, как и различие в 90% и 98,99%.

Если ситуация повторится для нескольких вирусов, то результаты исказятся значительно.

Причина - именно дискретность балльной системы.

А ваше сваливание всего в одну кучу приводит к тому, что продукты, которые показали откоровенно провальные результаты по какому-то семейству - попали в красный сектор, вылезают выше чем они того стоят.

Это можно обсуждать. Например, использовать не линейную шкалу, а экспоненциальную. Она будет однозначно лучше балльной. Собственно, балльная система призвана создать нелинейную шкалу оценки различных процентных показателей, но её дискретность делает эту оценку слишком грубой.

кроме того оценка просто по уровню детекта в случае с полиморфами тоже не совсем уместна, поскольку процентики по смемйству Валерий, это не уровень детекта разных вирусов, это способность антивируса справляться с многообразием образцов одного и того же вируса. Причем поскольку это полиморф - то это многообразие сидит не на разных компах, а на компе одного и того же пользователя. И этому пользователю будет по большому счету все равно 80% этого многообразия вы у него на компе нашли или 30% - все равно у него проблемы и большие.

С этим согласен. Экспоненциальная шкала оценки уровня детекта спасёт при этом и будет ли более точной, чем балльная?

я бы скорее брал средний детект по всем семействам - но и тут есть свои косяки

Да, идеальной системы оценки не добиться, но её можно сделать более объективной, согласны?

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
sww
я бы скорее брал средний детект по всем семействам - но и тут есть свои косяки

Самый большой прикол в том, что:

1) Кто определил, что именно так надо разбивать на семейства? Тот кто дал сэмплы?

2) Кто сказал о том, что Starman (Allaple) вообще вирус? Ни разу не вирус, даже файлы не заражает. Это просто полиморфный дроппер. Так вот, его детект напрямую зависит от того был ли данный экземпляр дроппера у вирлаба или не был. Это связано со спецификой сигнатуры и "подпрограммы", которая ловит уже все остальное.

Мне кажется, что тесты такого уровня должны проводить люди, которые исключительно хорошо владеют инструментами анализа (дизассемблеры, эмуляторы и прочее), а остальным там даже делать нечего, то есть вирусные аналитики и программисты высокого уровня.

p.s. И напоследок про Авиру: а сколько сэмплов этот антивирус поймал с четким определением принадлежности к вирусу? А не Xpack/HEUR? :lol: Ведь если там был HEUR, то вы сами понимаете какое будет лечение :angry:

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
Иван
С этим согласен. Экспоненциальная шкала оценки уровня детекта спасёт при этом и будет ли более точной, чем балльная?

кстати существующая балльная оценка сродни экспоненте

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
Николай Головко
кстати а кто такой умный грохнул 8 постов?

Умный зачистил четыре взаимных наезда и четыре сообщения с обсуждением Витали.

У вас есть возражения?

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
Иван
Умный зачистил четыре взаимных наезда и четыре сообщения с обсуждением Витали.

У вас есть возражения?

да нет наверное :rolleyes:

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
Valery Ledovskoy
кстати существующая балльная оценка сродни экспоненте

Так я и говорил об этом:

Собственно, балльная система призвана создать нелинейную шкалу оценки различных процентных показателей, но её дискретность делает эту оценку слишком грубой.

Только я тут прикидывал, и экспонента получается не слишком хороша.

Есть тут один интересный вариант, сейчас обдумываю, позже напишу.

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
Valery Ledovskoy

Ну вот, закончил свои неспешные рассчёты за кружечкой тыквенного сока :)

Предлагаю новую систему баллов, но не дискретную (раз, два, три и обсчёлся), а всё же непрерывную.

Делаем следующие предположения.

1. Если детект менее 80% - ставим 0 баллов - у пользователя большие проблемы.

2. Если детект 90% - ставим 16,46 баллов (почему такая "некруглая" цифра - ниже).

3. Если детект 99% - ставим 90 баллов.

4. Если детект 99,75% - ставим 100 баллов.

5. Если детект более 99,75% - ставим 100 баллов.

Задача сводится к построению кубической параболы, проходящей между точками (80;0), (90;16,46), (99;90), (99,75;100).

А эта задача легко сводится к решению системы из 4 линейных уравнений.

При этом было бы неплохо, чтобы производная этой кубической функции в точке x=80% была нулевой. Именно этим объясняется цифра в 16,46 баллов за 90% детекта, я с помощью неё добился практически нулевой производной на стыке x=80%.

В результате у меня получилась следующая функция:

y=0.009419*x^3-2.19037*x^2+169.6099*x-4373.1

Да, немного некрасиво в таком виде, но в прикреплённой картинке можно посмотреть, как она хорошо описывает наши мысли по поводу того, какой продукт должен получать больше баллов, а какой - меньше. При этом совершенно нет скачков между продуктами с близким результатом - вот сила непрерывности!

Итого, каждый антивирус на каждом вирусе может получить от 0 до 100 очков, причём эти очки получаются довольно справедливо.

Я вычислил для каждого из вычисленных детектов балл по предложенной формуле, а затем взял среднее значение для каждого антивируса по детекту всех вирусов.

На этот раз результаты получились такими:

F-Secure 99,90001

Kaspersky 99,90001

Avira 99,70220

Avast 93,23864

AVG 86,82911

Eset 83,67755

DrWeb 83,52079

BitDefender 72,79886

Agnitum 72,39108

Microsoft 71,40319

Panda Security 68,50698

Trend Micro 61,62200

Symantec 59,08700

VBA 57,06177678

Sophos 52,37361

McAfee 46,91901

Видим, что все продукты преодолели порог 40% от максимального количества баллов, большинство даже 60%-ый порог преодолели. Т.е. оценка является более объективной, и на ней можно построить новую систему выдачи наград, при которой не получат бронзовую награду те антивирусы, которые детектируют полиморфы с качеством 40% :)

Вот примерно такие мысли.

P.S. Да, не все оценки я могу принять из полученных, но здесь нужно разбираться в с качеством коллекции, методологией тестирования, и это отдельный вопрос. Я пока хочу повысить качество оценки продуктов по полученным результатам и следуя мировоззрению сообщества по оценке этих результатов.

poly.png

post-322-1204480324_thumb.png

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
Сергей Ильин
p.s. И напоследок про Авиру: а сколько сэмплов этот антивирус поймал с четким определением принадлежности к вирусу? А не Xpack/HEUR? laugh.gif Ведь если там был HEUR, то вы сами понимаете какое будет лечение angry.gif

Таких вердиктов было НОЛЬ. Вы просто не можете смериться с крутость этого антивируса ;)

Все вердикты были четкими.

*********************

Что касается системы оценки результатов, то функция зависимости баллов от процента детекта была экспоненциальная. Это связано с тем, что пропуск уже небольшего количества критичен - чем ближе к 100% тем быстрее падает количество баллов.

Взять просто проценты было бы в корне не верно. Зачем тогда разбивали на семейства, проводили сложную и нужную аналитическую работу? Просто ты бы свалили все в кучу и замерили бы общий детект.

Фишка в том, что если антивирус сильно провалился на каком-то семействе, но при этом взял почти все остальные на 100, мы не можем считать его действительно эффективным и давать высокую оценку. Усредняя детект по всем семействам, мы вычисляли бы среднюю температуру по больнице. В предложенной мной системе оценки мы подходим к результатам более гибко и учитываем цифры по каждому семейству.

Валерий, согласен с предложенной тобой схемой в части присоединения к максимальному баллу за 100% какой-то окрестности, скажем, 99.8-100% это бы снизило зависимость от возможных примесей "битых" самплов и повысило устойчивость результатов.

В первоначальном варианте была 5-бальная система оценки результатов, более демократичная, но я от нее отказался по причине того, что декект на уровне менее 90% не должен ИМХО как-то оцениваться, так как слишком плохой. Это все таки означает пропуск каждого 10-го образца.

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
sww
Таких вердиктов было НОЛЬ. Вы просто не можете смериться с крутость этого антивируса ;)

Все вердикты были четкими.

О да, мы просто трепещим перед авирой. Что забавно, на наших сэмплах in lab такие вердикты были :rolleyes:

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
Сергей Ильин
1) Кто определил, что именно так надо разбивать на семейства? Тот кто дал сэмплы?

Это было определено путем долгих и муторных исследований, естественно не без помощи квалифицированных экспертов с мировыми именами. Имена, пароли, явки я вам по понятным причинам говорить не буду.

2) Кто сказал о том, что Starman (Allaple) вообще вирус? Ни разу не вирус, даже файлы не заражает. Это просто полиморфный дроппер. Так вот, его детект напрямую зависит от того был ли данный экземпляр дроппера у вирлаба или не был. Это связано со спецификой сигнатуры и "подпрограммы", которая ловит уже все остальное.

В описании теста я писал "вредоносные программы (далее вирусы)", так проще для понимания читателями. Вы же не будете спорить, что Starman (Allaple) нужно было включать в тест?

Мне кажется, что тесты такого уровня должны проводить люди, которые исключительно хорошо владеют инструментами анализа (дизассемблеры, эмуляторы и прочее), а остальным там даже делать нечего, то есть вирусные аналитики и программисты высокого уровня.

Где такие люди? Пока у Anti-Malware.ru их нет, вот и обходимся своими силами.

Т.е. оценка является более объективной, и на ней можно построить новую систему выдачи наград, при которой не получат бронзовую награду те антивирусы, которые детектируют полиморфы с качеством 40% smile.gif

Проблема в том, что 40% и даже 60% - это очень низкий процент, который означает пропуск примерно каждого 2-го сампла. В топку такие продукты! Какие им награды ...

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
Valery Ledovskoy
Валерий, согласен с предложенной тобой схемой в части присоединения к максимальному баллу за 100% какой-то окрестности, скажем, 99.8-100% это бы снизило зависимость от возможных примесей "битых" самплов и повысило устойчивость результатов.

ок.

В первоначальном варианте была 5-бальная система оценки результатов, более демократичная, но я от нее отказался по причине того, что декект на уровне менее 90% не должен ИМХО как-то оцениваться, так как слишком плохой. Это все таки означает пропуск каждого 10-го образца.

А в принципе-то непрерывная балльная система чем не нравится? Ведь мы избавляемся от всех недостатков дискретности.

Если нужно получить 0 баллов на 90% детекта и ниже, а 100 баллов на 99,8% и выше, то можно построить и такую гладкую функцию между 90% и 99,8%.

Или Вы в принципе такой путь отвергаете?

Проблема в том, что 40% и даже 60% - это очень низкий процент, который означает пропуск примерно каждого 2-го сампла. В топку такие продукты! Какие им награды ...

Я про то говорил, что бронзовые медали давали за 40% от максимального количества баллов.

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
Dr.Golova

Даже один пропущенный работоспособный сампл полиморфика через NNN поколений приведет к полному заражению машины недетектящимся вариантом вируса. Так что у детекта есть только два варианта - или 100% или 0% и никакой "бронзы" за 40%

Все пропущенное должно быть тчательно проверено на работоспособность, и если таковая имеется, то размножено для тестированиы детекта/лечения и никак иначе.

  • Upvote 5

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты
Сергей Ильин

Результаты теста опубликованы на английском языке

http://www.anti-malware-test.com/?q=node/47

Поделиться сообщением


Ссылка на сообщение
Поделиться на другие сайты

  • Сообщения

    • Ego Dekker
      ESET Online Scanner был обновлён до версии 4.0.1. Приложение теперь работает только в 64-разрядной ОС.
    • Ego Dekker
      ESET Cyber Security был обновлён до версии 9.0.6700.
    • AM_Bot
      Теория звучит убедительно, но работает ли она на практике? Мы внимательно изучили Phishman 2.35 и решили не останавливаться на описании её возможностей. Вместо этого протестировали платформу на собственных сотрудниках и удивились, к каким результатам это привело.      1. Введение2. Методология тестирования Phishman 2.353. Первичное тестирование3.1. Подготовка шаблонов фишинговых сообщений, инфраструктуры рассылки3.2. Тестирование доставки и отражения результатов в статистике3.3. Результаты атак4. Обучение4.1. Формирование учебной группы4.2. Составление образовательной программы по повышению киберкультуры4.3. Процесс обучения и его результаты5. Повторное тестирование5.1. Результаты атак6. Подведение итогов6.1. Сложности, с которыми мы столкнулись7. Впечатления от проекта команды «АМ Медиа»7.1. Реакция сотрудников7.2. Реакция организаторов7.3. Сотрудничество с вендором8. ВыводыВведениеPhishman 2.35 — это система повышения осведомлённости пользователей в сфере ИБ. Она помогает развивать киберкультуру и формировать у сотрудников устойчивые навыки безопасной работы с информацией, цифровыми сервисами и корпоративными ресурсами. В процессе обучения сотрудники учатся распознавать актуальные сценарии атак, закрепляют правильные модели поведения и в результате реже становятся причиной инцидентов, связанных с человеческим фактором.В первой части обзора Phishman 2.35 мы рассмотрели платформу с точки зрения её возможностей. Теперь пришло время проверить, как всё это работает на практике. За время проекта мы не только оценили эффективность различных сценариев, но и столкнулись с рядом особенностей, которые невозможно увидеть в документации. Одни из них влияли на ход тестирования, другие оказались скорее организационными нюансами, о которых стоит знать заранее.Методология тестирования Phishman 2.35В процессе работы с киберкультурой «АМ Медиа» мы будем использовать следующие метрики:Обученность. Отражает уровень знаний сотрудников в области ИБ. Показатель растёт, когда сотрудники осваивают темы: реагирование на инциденты, защита от социальной инженерии и другие критически важные компетенции.Иммунность. Показывает, как сотрудники применяют знания на практике. Она повышается, когда демонстрируется способность распознавать угрозы и правильно на них реагировать в реальных сценариях.Киберосознанность — итоговая метрика. Объединяет знания и практические навыки, показывая, насколько сотрудники в целом устойчивы к киберугрозам и действуют корректно при их возникновении.Прежде чем оценивать эффективность работы системы, необходимо определить отправную точку. Первичное тестирование определит, на какие сценарии реагирует каждый сотрудник, где чаще всего допускаются ошибки и какие темы требуют дополнительного развития. На основе этих данных формируется индивидуальная программа обучения: сотрудники проходят персонализированные курсы, выполняют практические задания и тесты, которые помогают устранить выявленные пробелы и закрепить необходимые навыки. В процессе обучения повышается уровень обученности, а закрепление знаний через практику влияет на показатель иммунности. После завершения обучения мы проведём повторное тестирование, которое покажет, какие изменения произошли по всем ключевым метрикам.Заключительный этап — сравнение результатов первичного и повторного тестирования. Здесь станет понятно, насколько вырос уровень киберкультуры сотрудников: изменилось ли их отношение к вопросам ИБ, стали ли они увереннее распознавать угрозы и чаще принимать безопасные решения в ситуациях, где раньше могли допустить ошибку.В качестве основного канала для рассылки фишинга выбрали электронную почту. Причина очевидна: именно она остаётся основным способом первичного контакта злоумышленников с сотрудниками и доставки фишинговых сценариев. По имеющимся оценкам, более 90 % успешных кибератак начинаются с электронного письма, поэтому исключать этот канал из подобных проверок было бы некорректно.Первичное тестированиеРеальные фишинговые атаки почти никогда не строятся по универсальному шаблону: злоумышленники адаптируют содержание писем под роль человека в компании, его рабочие процессы и типовые задачи. Поэтому при выборе целевой аудитории мы разделили сотрудников по функциям и уровню доступа к корпоративным данным, а сам проект разбили на 3 последовательные волны с разным уровнем сложности.Подготовка шаблонов фишинговых сообщений, инфраструктуры рассылкиПосле определения целевой аудитории был проведён анализ структуры подразделений и рабочих процессов сотрудников. На этом этапе изучались:должностные обязанности;распределение зон ответственности;характер внутреннего взаимодействия между отделами;используемые адреса электронной почты;формат повседневной служебной переписки.Это позволило понять, какие сценарии коммуникации являются для сотрудников привычными и не вызывают подозрений.На основе собранных данных были подготовлены сценарии фишинговых сообщений. При разработке содержимого учитывались тематика рабочих задач, стиль корпоративного общения, оформление внутренних уведомлений и типовые причины отправки писем внутри организации. Основная задача заключалась в том, чтобы письмо воспринималось как стандартное рабочее сообщение, соответствующее реальным бизнес-процессам заказчика.Волна 1. Первая волна была построена как массовый фишинг. Сценарий — сверка графика отпусков. Для атаки создавали и настраивали пользовательский шаблон. Тип атаки — обычный, время начала рассылки — сразу, при запуске атаки.На этом этапе проверялась базовая реакция сотрудников на привычные рабочие триггеры и способность распознавать типовые признаки фишинга без привязки к конкретному подразделению. Рисунок 1. Шаблон для первой волны Рисунок 2. Вид фишингового письма из первой волны в почте Волна 2. Для каждого отдела были подготовлены письма, основанные на реальных рабочих процессах, характерных запросах и ситуациях, с которыми сотрудники регулярно сталкиваются в своей деятельности. Для атаки создали и настроили пользовательский шаблон, где-то добавили немного визуального оформления. Время начала рассылки — по запланированному времени. Рисунок 3. Пример шаблона из второй волны для отдела «Продажи» Рисунок 4. Вид фишингового письма из второй волны для отдела «Продажи» Волна 3. Здесь моделировались уже более сложные сценарии целевого фишинга (spear phishing). В письмах использовались специальные формулировки, элементы корпоративного брендирования. На этом этапе проверялась не только внимательность сотрудников, но и способность замечать менее очевидные признаки атаки в условиях, максимально приближённых к реальной целевой компрометации.За основу брали системный брендированный шаблон «Яндекс ID», добавили фишинговую форму и скорректировали немного её содержание. Тип атаки — обычный, время начала рассылки — по запланированному времени. Рисунок 5. Пример шаблона из третьей волны Рисунок 6. Вид фишингового письма из третьей волны При переходе по ссылке открывалась фишинговая страница. Рисунок 7. Фишинговая страница Тестирование доставки и отражения результатов в статистикеДалее была подготовлена инфраструктура рассылки. После её настройки проводилось тестирование доставки сообщений. Проверялась доставка писем во входящие сообщения почтовых клиентов, анализировалась реакция антиспам-механизмов в почте, а также контролировалась корректность работы механизмов отслеживания действий пользователей. Рисунок 8. Результаты тестирования доставки и отображения сообщений в почте Тестирование прошло успешно.После завершения проверки была сформирована последовательность отправки сообщений по заранее определённым волнам. Такой подход позволил распределить нагрузку, контролировать ход тестирования и отслеживать реакцию сотрудников на различных этапах проведения проверки. Рисунок 9. Активные мероприятия Результаты атакБыли получены следующие результаты:Иммунность — 81 %. Хороший иммунитет, большинство реагирует правильно. Охват аудитории (повторно попались на фишинг) — 71 %.Уровень риска — 8, средний. Устойчивость формируется, но есть ещё риски. Рисунок 10. Общая информация после проведения первичного тестирования Самый низкий уровень иммунности — около 50 %, после первых двух волн атак. Рисунок 11. График иммунности во время первичного тестирования Далее — сформировали в системе отчёт по скомпрометированности сотрудников, на основании которого выполнили самостоятельный анализ результатов по отделам без учёта результатов тестирования шаблонов атак. Рисунок 12. Отчёт по скомпрометированности всех сотрудников в Phishman 2.35 Таблица 1. Результаты первичного тестирования по отделамОтделЗаполнили формуОткрыли вложенияОткрыли ссылкуДокументооборот04,76 %4,76 %Продажи04,76 %9,52 %Продюсеры 0023,8 %Редакция0019,04 %Руководитель000 ОбучениеПервичное тестирование завершено, поэтому следующим этапом стало определение группы риска и формирование программы обучения.Формирование учебной группыНа этапе отбора рассматривались два варианта формирования учебной группы. Первый предполагал использование показателя иммунности сотрудников. Второй вариант заключался в создании правила, автоматически формирующего список сотрудников, которые были скомпрометированы в ходе проведённых проверок. Этот подход позволял сразу получить выборку пользователей, продемонстрировавших наибольшую подверженность атакам, без ожидания обновления показателей.Был выбран второй вариант. На основании созданного правила была сформирована группа для обучения: в неё вошли люди, которые были скомпрометированы в ходе первичного тестирования. Рисунок 13. Создание правила для выявления группы риска Рисунок 14. Отчёт по отработанному правилу для выявления группы риска Отдельно была сформирована группа сотрудников, успешно распознавших фишинговую атаку, для участия в обучении, направленном на поддержание киберкультуры.Составление образовательной программы по повышению киберкультурыПопавшиеся сотрудники были включены в отдельную учебную группу, для которой сформировали персональную образовательную траекторию. В неё вошли 3 микрокурса по фишингу и 1 курс по информационной безопасности. Содержание траектории было направлено на повышение устойчивости к методам социальной инженерии и снижение вероятности компрометации учётных данных. Рисунок 15. Заполнение параметров обучения сотрудников Рисунок 16. Составление учебной программы Отдельно была запущена программа обучения для сотрудников, которые не попали в выборку по результатам правила.Процесс обучения и его результатыПервый отчёт мы сформировали через 2 дня после запуска обучения, что позволило получить предварительную оценку вовлечённости сотрудников. Анализ данных показал, что наибольшую активность на начальном этапе продемонстрировали сотрудники, которые попались на фишинг. Рисунок 17. Промежуточный анализ обучения Через неделю после запуска обучения провели повторный анализ прогресса, включая оценку прохождения курсов и выявление участников, не приступивших к обучению. Рисунок 18. Отчёт по динамике обучения в Phishman 2.35 Анализ показал, что часть сотрудников не завершила обучение в установленный срок. Для обеспечения максимального охвата было принято решение о продлении сроков прохождения курсов. Рисунок 19. Продление и корректировка процесса обучения В результате фактическая продолжительность обучения составила 2 недели, что превысило первоначально установленный срок в одну неделю. Но и этого времени не хватило нашим сотрудникам. Чтобы узнать, кто оказался более ответственным, воспользовались возможностями правил. Рисунок 20. Пример настройки правила по выявлению сотрудников, прошедших обучение В результате была получена информация о сотрудниках, полностью и частично прошедших обучение. Рисунок 21. Отчёт по сработанному правилу по выявлению сотрудников, прошедших обучение Рисунок 22. Отчёт по сработанному правилу по выявлению сотрудников, частично прошедших обучение Результаты обучения:полностью прошли обучение — 52 %;частично — 22 %;не прошли обучение — 26 %.Мы проанализировали список сотрудников, не приступивших к обучению, и выяснили, что это те, кто не попался на фишинг во время первичного тестирования.Среди сотрудников, которые попались на фишинг, 80 % прошли обучение, остальные — прошли его частично. Рисунок 23. Результаты обучения сотрудников «АМ Медиа» Вместе с тем за этот период были зафиксированы положительные изменения в ключевых показателях: уровень обученности достиг 9 319 баллов, а показатель киберосознанности — 7 561 баллов. Несмотря на положительную динамику, полученные значения оставались гораздо ниже целевых ориентиров, что свидетельствует о необходимости дальнейшей работы по повышению вовлечённости сотрудников и развитию киберкультуры.Повторное тестированиеПовторное тестирование проводилось по тем же этапам, что и первичное: подготовка шаблонов, тестирование и проведение атак. Как и на первом этапе, основной задачей было сделать письмо максимально похожим на стандартную рабочую переписку, соответствующую реальным бизнес-процессам нашей компании.Подготовительный этап повторного тестирования потребовал дополнительных временных затрат, связанных с регистрацией новых доменов и расширением сценариев атак с учётом результатов первичного тестирования.Волна 1. Сценарии формировались не только для отдельных подразделений, но и адресно для конкретных сотрудников, что позволило повысить реалистичность и точность имитации фишинговых атак. Запустили несколько атак, для каждой из них были разработаны индивидуальные шаблоны электронных писем и соответствующие фишинговые формы. Тип атаки — обычный, время начала рассылки — по запланированному времени. Рисунок 24. Пример фишингового письма для первой волны Рисунок 25. Пример фишинговой формы для письма из первой волны Волна 2. Вторая волна представляла собой массовую фишинговую кампанию. Для неё был создан и настроен пользовательский шаблон, основанный на триггерах срочности и страхе финансовых потерь. Тип атаки — обычный, время начала рассылки — сразу, при запуске атаки. Рисунок 26. Пример фишингового письма для второй волны Тестирование доставки писем и корректности отражения результатов в статистике прошло успешно.Результаты атакВ повторном тестировании приняли участие уже 23 человека. Увеличение числа участников на 2 человека связано с подключением новых сотрудников к нашему эксперименту. Резких скачков иммунности здесь не наблюдалось. Рисунок 27. График иммунности во время повторного тестирования Для дополнительной оценки мы и здесь также выполнили самостоятельный анализ результатов по отделам без учёта результатов тестирования шаблонов атак. Таблица 2. Результаты повторного тестирования по отделамОтделЗаполнили формуОткрыли вложенияОткрыли ссылкуДокументооборот000Продажи008,7 %Продюсеры 008,7 %Редакция8,7 %08,7 %Руководитель000 Мы также посмотрели, как себя показали сотрудники, которые не прошли обучение, в повторном фишинговом тесте. По данным отчёта, в первой волне повторного тестирования на фишинг попались 40% из всех, кто не обучался. Рисунок 28. Поиск информации о сотруднике в отчёте по атакам Подведение итогов После завершения всех этапов эксперимента мы получили следующие показатели:Иммунность — 76 %. Хороший иммунитет, большинство реагирует правильно. Охват аудитории (повторно попались на фишинг) — 91,3 %.Уровень риска — 7, средний. Рисунок 29. Информационная панель Phishman 2.35 после завершения эксперимента После обучения и повторного тестирования добавились другие показатели:Обученность — 11 / 100. Знания отсутствуют, обучение следует начать с базового уровня.Киберосознанность — 10 / 100. Низкий уровень, сотрудники не знают, как действовать в случае угроз.Часть результатов сравнили и представили их в таблице ниже. Таблица 3. Сравнение показателей киберкультуры до и после обученияПоказательДо обученияПосле обученияОбученность09319Иммунность81 %76 %Киберосознанность 07561Охват аудитории (повторно попались на фишинг)71 %91,3 %Уровень риска87 Также проанализировали действия сотрудников после обучения и сравнили их с результатами первичного тестирования. Таблица 4. Сравнение действий сотрудников до обучения и послеОтделЗаполнили формуОткрыли вложенияОткрыли ссылкуДо обученияПосле обученияДо обученияПосле обученияДо обученияПосле обученияДокументооборот004,76 %04,76 %0Продажи004,76 %09,52 %8,7 %Продюсеры 000023,8 %8,7 %Редакция08,7 %0019,04 %8,7 %Руководитель000000 Рисунок 30. Процент попавшихся на фишинг до обучения и после по отделам Если во время первичного тестирования попалось 22 % участников, то после обучения этот показатель уменьшился и стал 12 %. Рисунок 31. Общий процент попавшихся на фишинг до обучения и после Результаты повторного тестирования показали, что, несмотря на заметное снижение количества взаимодействий с фишинговыми письмами, часть сотрудников по-прежнему выполняет действия, свидетельствующие о подверженности атакам. Это ожидаемый результат, поскольку киберкультуру невозможно сформировать за столь короткое время. Речь идёт о длительном процессе, который требует регулярной работы как со стороны специалистов по информационной безопасности, так и со стороны самих сотрудников.Наш эксперимент позволил проверить знания сотрудников, провести обучение и затем оценить, насколько полученные знания закрепились на практике. Однако с точки зрения развития киберкультуры — это лишь один из этапов работы, а не её завершение.Сложности, с которыми мы столкнулисьОсобенность нашего эксперимента — организация предварительного тестирования. Перед запуском каждой атаки мы проверяли её работу на собственном аккаунте, чтобы убедиться в корректной отработке сценария на стороне пользователя. Такие проверки попадали в общую статистику системы и оказывали влияние на итоговые показатели. Возможность исключить подобные события из расчётов отсутствует. Согласно комментариям вендора, для этих целей следует использовать отдельный тестовый стенд. Поэтому мы вели дополнительно самостоятельный анализ результатов эксперимента.Отдельные сложности возникли на этапе обучения сотрудников. Завершить обучение в установленные сроки не удалось из-за человеческого фактора. Не все участники смогли своевременно пройти назначенные материалы, что потребовало увеличения периода обучения и дополнительного контроля за его прохождением.Впечатления от проекта команды «АМ Медиа»Проведение тестирования не вызвало негативной реакции со стороны сотрудников. Хотя фишинговые сообщения активно обсуждались внутри коллектива, жалоб руководству или недовольства вида «зачем вообще было устраивать такую проверку» не возникло. Основной интерес был сосредоточен вокруг самих писем и попыток понять, что именно происходит.Реакция сотрудниковОдним из самых любопытных наблюдений стала реакция сотрудников после первой волны первичного тестирования. Полученные фишинговые сообщения быстро стали предметом обсуждения: сотрудники пересылали их друг другу, задавали вопросы коллегам и пытались разобраться, что происходит.Некоторые пошли ещё дальше и вступали в переписку с отправителем, воспринимая фишинговые письма как реальные рабочие сообщения. Это наглядно показало не только убедительность используемых сценариев, но и то, что практическое столкновение с угрозой вовлекает сотрудников в тему ИБ гораздо сильнее, чем абстрактные примеры из учебных материалов. Во время повторного тестирования такой реакции уже не возникло.Реакция организаторовЕсли для большинства сотрудников тестирование выглядело как неожиданно появившиеся письма в почте, то для команды, которой было поручено тестирование Phishman 2.35 этот проект сопровождался совсем другими эмоциями. Подготовка сценариев, запуск атак и ожидание результатов вызывали ощутимое волнение. Оказалось, что смотреть на ситуацию глазами злоумышленника не так просто, как может показаться со стороны. Приходилось постоянно задавать себе вопросы: какой сценарий покажется правдоподобным, что привлечёт внимание сотрудника, а что, наоборот, вызовет подозрения.Самыми напряжёнными были дни первой волны тестирования. На этом этапе ещё не было понимания, как сотрудники отреагируют на рассылки, насколько убедительными окажутся сценарии и не вызовет ли проверка негативной реакции внутри коллектива. С каждой новой зафиксированной активностью интерес смешивался с тревогой, а результаты ожидались едва ли не с большим нетерпением, чем сам запуск кампании.После завершения эксперимента стало легче: всё задуманное удалось реализовать, результаты были получены и проанализированы. Тем не менее полностью избавиться от мыслей о проделанной работе не получилось. Время от времени возвращаешься к отдельным этапам и задаёшься вопросом: а стоило ли сделать именно так? Может быть, какой-то сценарий можно было построить иначе, а какие-то решения принять по-другому?Наверное, это естественная часть любого практического проекта. Когда работа заканчивается, появляется возможность посмотреть на неё со стороны и критически оценить собственные решения. Именно в такие моменты часто приходят идеи, которые помогают сделать следующие проекты лучше.Сотрудничество с вендоромВ ходе подготовки и проведения эксперимента иногда возникали вопросы, связанные с настройкой платформы, особенностями реализации отдельных сценариев и интерпретацией результатов. Для их решения использовались как переписка, так и рабочие созвоны. Запросы обрабатывались оперативно, что позволяло своевременно получать необходимую информацию и не допускать задержек в выполнении работ. Поддержка была доступна не только в рабочее время, но и в выходные дни.ВыводыПовторное тестирование показало, что тщательно подготовленные и персонализированные фишинговые атаки значительно эффективнее. При наличии качественной разведки злоумышленники способны подобрать убедительный сценарий практически для любого сотрудника. А если специалист может ошибиться, то сотруднику, который не занимается вопросами ИБ каждый день, сделать это ещё проще.Работа в сфере информационной безопасности или информационных технологий сама по себе не защищает человека от фишинга, социальной инженерии и других современных атак. Мы убедились в этом на собственном опыте: даже профильные знания не гарантируют, что человек не попадется на хорошо продуманную атаку. Злоумышленники постоянно меняют сценарии, поэтому знания, полученные однажды, быстро устаревают.При помощи эксперимента мы не только проверили, насколько сотрудники готовы распознавать атаки, но и поняли, как с помощью Phishman 2.35 можно сделать работу по развитию киберкультуры системной. Вместо отдельных курсов появился понятный цикл: смоделировать атаку, оценить реакцию, провести обучение и проверить, изменилось ли поведение участников. При необходимости — повторить или скорректировать процесс при помощи рекомендаций платформы. Результаты фиксируются автоматически, поэтому можно видеть, какие темы требуют больше внимания, и развивать киберкультуру на основе реальных данных, а не предположений.Читать далее
    • PR55.RP55
    • santy
      RP55, есть у тебя ТГ?
×