Фигуранты дела о хищении 13 млн руб у клиентов ВТБ 24 осуждены условно

Фигуранты дела о хищении 13 млн руб у клиентов ВТБ 24 осуждены условно

Фигуранты дела о хищении около 13 миллионов рублей у клиентов банка "ВТБ 24" осуждены условно, сообщила пресс-служба МВД РФ во вторник. "Сегодня Чертановским районным судом Москвы оглашен приговор братьям Евгению и Дмитрию Попелышам. Суд назначил им наказание в виде шести лет лишения свободы условно с испытательным сроком на пять лет, а также штраф в доход государства в размере 450 тысяч рублей с каждого", - говорится в релизе.

Ранее представитель Генпрокуратуры РФ Марина Гриднева сообщила, что по версии следствия, братья Дмитрий и Евгений Попелыш в соучастии с Александром Сарбиным и другими, неустановленными, лицами получили доступ к информации клиентов банка "ВТБ 24" с помощью "трояна" "QHost".

Александр Сарбин, признанный виновным в пособничестве в совершении мошенничества, приговорен к четырем годам лишения свободы условно с испытательным сроком на четыре года. Кроме того, он заплатит в доход государства 200 тысяч рублей.

Потерпевшими по уголовному делу признаны более 170 граждан из 46 регионов России. На имущество молодых людей наложен арест. По информации МВД, это первое уголовное дело в России о компьютерном "фишинге", сообщает rapsinews.ru.

Как пояснила пресс-служба Следственного департамента МВД РФ, в ходе расследования установлено, что два родных брата - уроженцы Санкт-Петербурга - "разработали план хищения денежных средств со счетов клиентов одного из крупных российских банков".

Для этого они подключили к своему плану Сарбина, который создал копию оригинальной веб-страницы дистанционного банковского обслуживания.

После этого молодые люди приобрели набор вредоносного программного обеспечения, функцией которого после активации на зараженном компьютере являлось изменение или подмена некоторых параметров, задействованных в функционале "банк-клиент".

"В результате любые обращения клиентов банка к официальному банковскому сайту перенаправлялись на сервера, принадлежащие мошенникам, где последними была размещена поддельная веб-страница", - уточняется в релизе.

На этих страничках, по информации МВД, клиенты банка вводили свои персональные данные, и эти сведения получали мошенники. Получив доступ к счетам, молодые люди различными способами обналичивали деньги.

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