В Дагестане арестованы подозреваемые в серии краж из банкоматов

В Дагестане арестованы подозреваемые в серии краж из банкоматов

В Дагестане арестованы подозреваемые в серии краж из банкоматов

Трое жителей республики задержаны по подозрению в серии краж из банкоматов. Как сообщили «АиФ Дагестан» в пресс-службе МВД РФ, в мае 2017 года представители двух банков обратились с заявлением, что неизвестные путем взлома программного обеспечения совершили кражу денег на сумму свыше 6 млн рублей.

«Сотрудники полиции были ориентированы на работу по адресам расположения банкоматов, где злоумышленники могли бы совершить аналогичные преступления. При очередной попытке взлома банкомата сотрудниками патрульно-постовой службы на улице Дахадаева были задержаны трое местных жителей», - сообщил источник.

По словам представителя ведомства, задержанные в содеянном сознались, часть похищенного и орудия преступления изъяты, пишет dag.aif.ru.

«На сегодняшний день установлена причастность задержанных к еще трем попыткам взлома банкоматов, расположенных в Махачкале. Полиция принимает меры по установлению местонахождения и задержанию четвертого участника преступления», - рассказал собеседник издания. 

В последнее время участились случаи атаки на банкоматы. Так в понедельник были задержаны двое омских хакера, пытавшихся украсть из банкомата два миллиона рублей

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