PandaLabs: 57 процентов российских компьютеров заражены

PandaLabs: 57 процентов российских компьютеров заражены

За прошедшие 12 месяцев специалисты PandaLabs зафиксировали
рекордное количество новых вредоносных кодов — 25 млн. Для сравнения:
за всю 20-летнюю историю компании в базе данных PandaLabs была
накоплена информация лишь о 15 млн образцов такого ПО.

Среди основных киберпреступных тенденций-2009 эксперты
выделяют массовое появление банковских троянов, фальшивых антивирусов и
возрождение традиционных вирусов, одно время почти сошедших на нет. В
качестве каналов распространения вредоносного кода все чаще
используются социально ориентированные ресурсы вроде Facebook, Twitter, YouTube и Digg.

В 2009 году Россия стала второй по степени заражения
компьютерного парка: почти 57% машин, проверенных средствами Panda
Security, содержали вредоносные компоненты. А первое место удерживает
Тайвань (62,2%), на третьем — Польша (55,4%). Лучше всего ситуация с
безопасностью обстоит в Швеции, Португалии и Нидерландах, где, по
данным PandaLabs, инфицировано 31,6, 37,8 и 38,0 процентов компьютеров.

Около 92% годового почтового трафика было спамом. В
качестве приманки в основном использовались последние мировые события и
громкие новости.

Источник

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