Balabit выпустила Blindspotter

Balabit представил продукт для поиска аномалий в поведении пользователей

Balabit представил продукт для поиска аномалий в поведении пользователей

Венгерская компания Balabit объявила о выпуске нового продукта Blindspotter, который предназначен для выявления аномалий в поведении пользователей. Предполагается, что эти аномалии вызваны либо деятельностью вредоносного ПО, либо перехватом идентификационной информации - в любом случае целью этой деятельности является детектирование неизвестных, а, возможно, и целенаправленных атак.

Blindspotter - это программный комплекс, который может получать информацию из различных источников: коллектора системных журналов Syslog-NG или построенного на его основе программно-аппаратного комплекса Syslog-NG Store Box, аналитических инструментов SIEM, модулей аутентификации пользователей или каталогов LDAP. Продукт впервые был представлен на выставке InfoSecurity в Лондоне в прошлом году, а сейчас стал доступен для коммерческого заказа в том числе и в России.

Система оценивает такие параметры пользовательской активности как время подключения, адреса доступа, скорость работы с клавиатурой, параметры операционной системы, используемые серверы и приложения, производительность. В частности, если человек слишком быстро набирает ответы или ему требуется очень мало времени на анализ информации, то у системы может возникнуть подозрение, что работает программный робот. Эти параметры анализируются и визуализируются для того, чтобы администраторы безопасности могли выявились и расследовать аномальное поведение пользователей, такое как запуск необычных для них программ или вход в систему в необычное время. В частности, с помощью Blindspotter можно определить момент, когда под именем одного пользователя в системе авторизовался другой, когда легальный пользователь начал злоупотреблять полномочиями и собирать сведения для организации их утечки, или когда легальный системный администратор случайно запустил вредоносный скрипт. Причём, продукт фиксирует такие события в реальном времени и сообщает о их обнаружении администратору безопасности.

По словам Питера Джанджоши, менеджера Balabit по Blindspotter, этот продукт задумывался как средство управления различного типа операционными рисками. То есть теоретически его можно использовать для выявления подозрительного поведения клиентов, для чего достаточно получать сведения из специализированных приложений, таких как CRM или службы технической поддержки. В результате, можно будет выявлять различные виды мошенничества со стороны клиентов и оценивать риск проведения несанкционированных операций. Продукт позволяет разрешать постепенные, но не опасные отклонения в поведении, а вот сильные и опасные - блокировать. "Если вы не можете определить насколько опасны действия пользователей, то лучше поставить для них пониженный приоритет," - рекомендует Питер Джонджоши.

По его словам Blindspotter будет развиваться как платформа для построения решения управления рисками. Со временем планируется предложить партнёрам разработать модули взаимодействия с продуктом, которые как раз и позволили бы добавлять в систему сведения из различных приложений. API не будет открытым, но партнёры смогут получить к нему доступ и реализовать взаимодействие со своими продуктами. Прежде всего такой продукт может быть востребован в финансовой индустрии или для обеспечения непрерывности бизнеса, то есть в тех компаниях, которые сильно зависят от работоспособности ИТ-системы и имеют много пользователей.

Сигналы Wi-Fi позволяют определять активность человека за стеной

В конце февраля в топы GitHub Trending неожиданно вырвался проект с открытым исходным кодом RuView, который раньше был известен как Wi-Fi DensePose. На первый взгляд это ещё один эксперимент на стыке ИИ и граничных вычислений, но на деле история куда интереснее и тревожнее.

RuView показывает, что обычные сигналы Wi-Fi можно использовать не только для связи, но и буквально для «чтения» происходящего в помещении.

Система умеет отслеживать движения человека, оценивать позу тела и даже фиксировать дыхание и сердечный ритм, причём без камер, без интернета и, как утверждают разработчики, даже через стены.

С технической точки зрения проект опирается на анализ Channel State Information (CSI) — данных о том, как радиоволны рассеиваются, отражаются и меняются при взаимодействии с телом человека. В отличие от примитивных метрик уровня сигнала, CSI даёт куда более детальную картину: учитываются амплитуда и фаза сигнала по множеству поднесущих. Именно это и позволяет системе замечать микроскопические изменения, возникающие, когда человек двигается, сидит, спит или просто дышит.

По данным Ruvnet, RuView построен на базе академических исследований специалистов Университета Карнеги — Меллона. Для работы системе достаточно сети из 4-6 недорогих узлов на ESP32-S3, а общий бюджет такого комплекта может составлять примерно 54 доллара. Эти сенсоры формируют радиочастотную модель помещения, а ИИ затем анализирует, как человеческое тело меняет картину распространения сигнала.

 

Разработчики заявляют, что платформа обрабатывает данные с частотой до 54 тысяч кадров в секунду благодаря оптимизированной кодовой базе на Rust. Поверх этого работает нейросеть, которая переводит изменения поля Wi-Fi в 17 ключевых точек тела — от головы и локтей до коленей и бёдер. Кроме позы, система, как утверждается, может отслеживать дыхание в диапазоне 6-30 вдохов в минуту и пульс в диапазоне 40-120 ударов в минуту.

На бумаге всё это выглядит как красивая технология для спасателей, медицины и ухода за пожилыми. И действительно, сценарии звучат гуманно: мониторинг состояния человека без камер, поиск людей в задымлённых помещениях, наблюдение за пациентами без носимых датчиков. Но у технологии есть и другая сторона, куда менее комфортная.

Эксперты по кибербезопасности уже предупреждают, что RuView открывает новую категорию рисков: скрытое физическое наблюдение, которое почти невозможно заметить. Сигналы Wi-Fi проходят через мебель, стены и перекрытия, а значит, теоретически злоумышленник может разместить недорогие модули рядом со зданием и анализировать происходящее внутри. В отличие от камер, такой способ не зависит от освещения, дыма или прямой видимости. А поскольку работа идёт на физическом уровне радиосигнала, шифрование вроде WPA3 здесь не помогает.

Отдельная проблема в том, что такая схема практически не оставляет привычных сетевых следов. Если устройство пассивно анализирует радиосреду, администраторам сложно обнаружить его стандартными средствами мониторинга. На этом фоне возникают и юридические вопросы: например, как регулировать технологию, которая не собирает изображения или прямые идентификаторы, но всё равно позволяет следить за человеком в реальном пространстве.

Среди возможных защитных мер специалисты называют рандомизацию CSI на стороне роутеров, хотя пока это скорее исследовательское направление. Более надёжным вариантом считается физическое RF-экранирование: металлические сетки, экранирующие материалы или специальные покрытия для помещений с повышенными требованиями к безопасности.

RSS: Новости на портале Anti-Malware.ru