Google: Спам во 2 квартале 2009 года

Google: Спам во 2 квартале 2009 года

Компания Google опубликовала свое новое исследование спама - Spam Trend - по данным за второй квартал 2009 года.

Согласно представленным данным, общий уровень спама вырос на 53% по сравнению с первым кварталом 2009 года и на 6% - по сравнению с тем же периодом прошлого года. Специалисты Google считают, что эти колебания связаны с борьбой со спамерами, которая приносит плоды, но лишь на короткое время.

Так, в ноябре 2008 года был закрыт провайдер McColo, что привело к падению уровня спама на 70%, однако показатели нежелательной корреспонденции восстановились до прежнего уровня за четыре месяца. Такой же тренд наблюдался в начале июня, когда закрыли провайдера 3FN – уровень спама снизился на 30%, но всего за месяц, с 4 июня, его показатели снова выросли на 14%.

В исследовании аналитики Google отмечают, что во втором квартале спамеры активно использовали как новые, так и старые техники. Например, выросла популярность спама в изображениях (image spam) – это обычные письма с рекламным содержанием, также включающие в себя изображения, которые добавляются для того, чтобы обойти фильтры.

источник 

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

Челябинские ученые предложили систему защиты от сбоев промышленных систем

Чтобы защитить промышленные системы от атак и сбоев, коллектив исследователей из Южно-Уральского государственного университета (ЮУрГУ) предложил подход, основанный на принципах поведенческой аналитики. В основе решения лежит нейросеть Кохонена.

Результаты исследования российских специалистов опубликованы в сборнике International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM).

Разработанная в ЮУрГУ система работает в два этапа. Сначала она анализирует функционирование объекта в нормальном режиме и формирует эталонную модель. Затем переходит в режим мониторинга и оценивает поступающие данные, сравнивая их с полученной «нормой». При обнаружении значительных отклонений нейросеть подаёт сигнал о потенциально опасной ситуации.

Во время тестирования система правильно классифицировала 94% данных. Обучение нейросети заняло около 3,5 минут. Кроме того, решение успешно выявило действия, характерные для кибератак на промышленные объекты.

Разработчики планируют повысить точность модели и расширить её возможности для распознавания различных, в том числе сложных, сценариев атак.

«Ключевое преимущество нашего подхода — использование нейросети Кохонена, которая способна работать с большими массивами данных, когда показателей много и они тесно взаимосвязаны. Классические алгоритмы часто не справляются с такими объёмами и сложностью», — рассказал РИА Новости заведующий кафедрой «Защита информации» ЮУрГУ Александр Соколов.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru