Ноябрьскую десятку мировых ИТ-угроз возглавил червь Conficker

Ноябрьскую десятку мировых ИТ-угроз возглавил червь Conficker

Компания Eset опубликовала список самых распространенных интернет-угроз, выявленных специалистами вирусной лаборатории Eset с помощью технологии раннего обнаружения ThreatSense.Net в ноябре 2009 года. Ноябрьскую десятку мировых угроз возглавил червь Conficker. Общий процент заражений составил 9.64%. Наибольшее распространение Conficker получил на Украине (24.99%) и в России (18.39%).

Наиболее часто встречающимися версиями червя в России по-прежнему остаются Win32/Conficker.AA (7.87%) и Win32/Conficker.AE (4.95%). Также в рунете наблюдается рост программ, предназначенных для кражи информации, Win32/Spy.Ursnif.A (4.64%) и Win32/Agent (4.03%).

В ноябре в мировом вирусном рейтинге наметилась тенденция к увеличению заражений угрозой WMA/TrojanDownloader.GetCodec.Gen (0,78%). С каждым месяцем она все больше приближается к вершине вирусной десятки. При попадании на компьютер пользователя WMA/TrojanDownloader.GetCodec.Gen конвертирует все аудио-файлы в формат wma и добавляет в заголовок файла ссылку на заражённый контент под видом кодека, который необходимо скачать для нормального воспроизведения. Чаще всего WMA/TrojanDownloader.GetCodec.Gen встречается в Северной и Западной Европе.

Также в Европе был зафиксирован всплеск заражений червем Win32/Koobface(3.57%), который распространяется, главным образом, через социальные сети, например, Facebook, MySpace и Twitter. При попытке просмотра флеш-видеоролика пользователю предлагается установить поддельный видео-кодек, который якобы необходим для работы программы. Если пользователь попадается на эту уловку, система подвергается заражению. Наибольшее распространение вредоносная программа получила в Австрии, где количество заражений превысило аналогичный показатель Conficker. Win32/Koobface также вошел в тройку самых распространенных угроз Норвегии (4,33%), Дании (2,25%) и Израиля (2,46%).

Двадцать самых распространенных угроз в России в октябре 2009

1. Win32/Conficker.AA 7.87 %
2. Win32/Conficker.AE 4.95 %
3. Win32/Spy.Ursnif.A 4.64 %
4. Win32/Agent 4.03 %
5. INF/Autorun 3.97 %
6. INF/Autorun.gen 3.39 %
6. INF/Conficker 2.80 %
8. Win32/Conficker.Х 1.55 %
9. Win32/Conficker.Gen 1.55%
10. Win32/AutoRun.KS 1.41%
11. Win32/Genetik 1.14 %
12. Win32/Tifaut.C 1.11 %
13. Win32/Conficker.AB 1.00%
14. Win32/Sality~alg 0.99 %
15. Win32/Conficker.AL 0.95 %
16. Win32/Conficker.Gen~alg 0.91%
17. Win32/Injector.AGD 0.84 %
18. Win32/Injector.ZT 0.81 %
19. Win32/Induc.A 0.76 %
20. Win32/Qhost 0.74 %

 Источник

В России разработали способ удалить свой биометрический след

В ИТ-компании «Криптонит» (входит в «ИКС Холдинг») разработали метод, который позволяет выборочно удалять цифровые образы людей из систем распознавания лиц. Если совсем просто, речь идёт о технологии, которая должна помочь реализовать право человека отозвать согласие на обработку своей биометрии — так, чтобы система действительно перестала его узнавать.

Проблема тут в том, что современные системы распознавания лиц устроены не так прямолинейно, как может показаться.

Даже если сведения о человеке формально удалили из базы, его цифровой образ может всё равно остаться внутри уже обученной модели. То есть на бумаге данные вроде бы стерли, а на практике алгоритм всё ещё способен узнать этого человека.

Именно это и делает тему особенно чувствительной. С биометрией всё сложнее, чем с обычными персональными данными: пароль можно поменять, а лицо — нет. Если такие данные утекают, риски уже совсем другого уровня, потому что украденные цифровые слепки можно использовать для создания поддельных образов и обхода биометрической аутентификации.

 

В «Криптоните» утверждают, что их метод решает задачу не маскировкой и не косметическим удалением, а на уровне внутренней логики самой модели. Проще говоря, алгоритм перестаёт использовать сведения о конкретном человеке и больше не может его распознавать, при этом способность узнавать остальных людей сохраняется.

По словам разработчиков, на тестовых наборах данных технология показала заметное снижение эффективности распознавания именно тех лиц, которые нужно «забыть», — до 88%. При этом общая точность системы, как утверждается, осталась на прежнем уровне.

Практическое применение у такого подхода вполне очевидное. В первую очередь это системы видеонаблюдения с распознаванием лиц, СКУД и корпоративная безопасность. Например, технология может пригодиться для удаления биометрических данных уволенных сотрудников, когда компания обязана прекратить их обработку, но не хочет при этом заново переобучать всю систему с нуля.

RSS: Новости на портале Anti-Malware.ru