Пользователи оценивают свои файлы дороже, чем злоумышленники

Пользователи оценивают свои файлы дороже, чем злоумышленники

Пользователи оценивают свои файлы дороже, чем злоумышленники

Стоимость хранимых на устройствах файлов более чем в два раза превышает средний размер выкупа, который киберпреступники требуют за возвращение доступа к зашифрованной информации. Такие данные получили эксперты «Лаборатории Касперского» в результате изучения поведения интернет-пользователей.

Так, сами участники опроса оценивают стоимость восстановления всех хранящихся на устройстве данных в среднем в $682. А создатели троянцев-шифровальщиков обещают вернуть файлы в среднем за $300. Возможно, именно поэтому около 40% пользователей сегодня соглашаются на условия злоумышленников и платят выкуп.    

Важную персональную информацию, например, фотографии, видеофайлы или сообщения хранят на своих устройствах 9 из 10 опрошенных. При этом респонденты признаются, что 15% важных данных они не смогут восстановить в случае потери. Труднее всего, по их мнению, вернуть личные сообщения (36% считают, что они будут потеряны навсегда, если что-то случится с устройством), а также фотографии (27% уверены, что не смогут восстановить их).

Несмотря на то что пользователи так высоко ценят содержимое своих устройств, далеко не все из них предпринимают какие-либо действия, чтобы защитить данные заблаговременно. Например, только 6 из 10 опрошенных устанавливают защиту на компьютеры Mac, а каждый десятый пренебрегает защитой Windows. Кроме того, почти четверть (23%) пользователей не делают совершенно никаких резервных копий, даже если дело касается самых важных для них файлов.

«Любопытно, что пользователи дорожат своими личными данными, понимают, что могут потерять их навсегда и в то же время так мало делают, чтобы обезопасить их. Да, значительная часть людей предпочитает решать проблемы по мере их поступления, однако, в случае заражения шифровальщиком даже оплата выкупа не гарантирует того, что данные будут возвращены владельцу. И, к сожалению, программы-вымогатели – не единственная угроза. Данные, к примеру, могут быть потеряны или украдены вместе с устройством, – рассказывает Елена Харченко, руководитель отдела управления продуктами для домашних пользователей «Лаборатории Касперского». – Именно поэтому мы призываем пользователей заранее продумывать безопасность и сохранность своих ценных данных и воспоминаний – использовать защитные решения, делать резервные копии файлов и проявлять осторожность в Интернете». 

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