Преступный интернет занесут в «чёрный» список

Преступный интернет занесут в «чёрный» список

На защиту юных пользователей Всемирной сети встала Лига безопасного Интернета, в которую входят операторы «Билайн», «Мегафон», МТС, «Ростелеком», «Лаборатория Касперского» и почтовый сервис Mail.ru.



Разработанный лигой законопроект, призванный уберечь детей от опасных сайтов, направлен на рассмотрение в Минкомсвязи.

«Мы предлагаем создание саморегулируемой некоммерческой организации, которая введёт «чёрный» список. Он будет отсекать всё преступное, что есть в Интернете. Если ресурс попал в такой список, то операторы связи, владельцы сайтов должны блокировать доступ к нему пользователей или же удалять эту информацию», – рассказал Gudok.ru исполнительный директор Лиги безопасного Интернета Денис Давыдов.

Помимо «чёрного» идёт работа над созданием «белого» списка. И если к первому не будет доступа ни у одного пользователя, то второй смогут просматривать родители и интернет-провайдеры. По словам г-на Давыдова, «белые» списки помогут детям и родителям фильтровать содержимое сетевых ресурсов. «С преступными сайтами сталкивается каждый второй пользователь. При этом нужно учитывать, что из 60 миллионов российских пользователей примерно 59% – молодёжь», – подчеркнул эксперт.

По мнению руководителя отдела интернет-решений «Лаборатории Касперского» Андрея Ярных, ситуация с безопасностью детей в Интернете неприемлема, поскольку в сети отсутствуют элементы упорядочения информации. Противоправный контент размещается анонимно, а значит, безнаказанно, и единичные случаи поимки кибермошенников пока не оказывают должного сдерживающего эффекта. Г-н Ярных предлагает несколько путей решения проблемы: добровольная авторизация пользователей. Практика показывает, что авторизированный пользователь ведёт себя ответственнее. В качестве бонуса – предоставление Интернета по льготному тарифу. «Кроме того, нужен инструментарий фильтрации, без которого нельзя предотвратить или уменьшить скорость появления негативного контента в Интернете. Список фильтрации не должен находиться в руках государственных или коммерческих структур, дабы его не использовали в политической или конкурентной борьбе», – пояснил Gudok.ru Андрей Ярных.

Также эксперт указал на необходимость предварительной «разметки» содержимого сайта. Владельцам интернет-ресурсов необходимо самостоятельно определять те разделы, которые содержат контент, нерекомендуемый для детей или подростков. Эти метки должны учитываться поисковыми системами для выдачи результатов с поправкой на возраст интернет-пользователя.

В Security Vision SOAR появились ИИ-ассистент и ML-отчёты

Security Vision выпустила обновление платформы SOAR, добавив в неё несколько заметных функций — локальный ИИ-ассистент, ML-скоринг инцидентов и автоматические ML-отчёты по итогам расследований. Обновление ориентировано на повседневную работу SOC и обработку инцидентов без выхода за контур заказчика.

Security Vision SOAR используется для управления и автоматизации реагирования на инциденты информационной безопасности на всех этапах их жизненного цикла — от выявления и анализа до восстановления и постинцидентной работы.

В основе платформы лежит объектно-ориентированный подход: каждый элемент инцидента — будь то хост, учётная запись, процесс или артефакт — рассматривается как отдельный объект со своей историей, связями и возможными действиями.

Сценарии реагирования в системе динамические: плейбуки автоматически подстраиваются под развитие инцидента, появление новых данных и техник атак. Дополнительно платформа выстраивает цепочку Kill Chain, показывая, как развивалась атака и какие шаги предпринимал злоумышленник.

Система также предлагает рекомендации по дальнейшим действиям, опираясь на контекст инцидента, накопленный опыт SOC и ML-модели, включая оценку вероятности ложного срабатывания.

 

В новом релизе появился локальный ИИ-ассистент в формате чат-бота. Он работает полностью внутри инфраструктуры заказчика и не обращается к внешним сервисам. Ассистент учитывает контекст конкретного инцидента — его стадию, связанные объекты, историю действий и похожие кейсы — и помогает аналитикам разбираться в событиях, расшифровывать логи, понимать техники атак или формировать команды для диагностики. Модель может дообучаться прямо в SOC на результатах обработки инцидентов и аналитических бюллетенях, при этом все данные остаются внутри контура.

Ещё одно нововведение — ML-скоринг критичности инцидентов. Модель автоматически оценивает приоритет события на основе его масштаба и значимости затронутых активов, что упрощает триаж и помогает быстрее понять, какие инциденты требуют внимания в первую очередь.

Также в платформе появился ML-summary — автоматическое резюме по итогам расследования. При закрытии инцидента система формирует краткий отчёт в едином формате: что произошло, какие действия были выполнены, к какому результату они привели и удалось ли атакующему чего-то добиться. Такое резюме сохраняется в карточке инцидента и отчётности, упрощая передачу дел между сменами и снижая потерю контекста.

В целом обновление направлено на то, чтобы упростить и ускорить рутинную работу SOC: быстрее разбираться в инцидентах, снижать нагрузку на аналитиков и сохранять знания внутри команды без необходимости вручную оформлять каждый шаг расследования.

RSS: Новости на портале Anti-Malware.ru