Опубликован Python-код, ищущий уязвимые машины и подбирающий эксплойты

Опубликован Python-код, ищущий уязвимые машины и подбирающий эксплойты

Опубликован Python-код, ищущий уязвимые машины и подбирающий эксплойты

Появился Python-код, автоматически ищущий уязвимые устройства с помощью поисковика Shodan.io, после нахождения таких устройств вредонос использует базу эксплойтов Metasploit для взлома и проникновения в систему.

Этот вредоносный код был опубликован на этой неделе на GitHub пользователем под именем Vector, инструмент получил имя AutoSploit. Как утверждают специалисты, AutoSploit способен невероятно упростить массовый взлом, сделав его доступным для каждого.

«Доступные модули Metasploit были выбраны для облегчения удаленного выполнения кода и попыток получить обратные TCP-оболочки или сеансы Meterpreter», — поясняется на GitHub.

Поскольку атаки такого рода могут привести к возникновению юридических проблем, пользователь, разместивший AutoSploit, также предупреждает, что «запуск такого кода с машины, которую легко выследить — не самая лучшая идея».

На данный момент эксперты очень обеспокоены массовым использованием такого инструмента малообразованными киберпреступниками, которых иногда называют скрипт киддиз.

ИИ экономит 11 часов в неделю, но 6 из них уходят на присмотр за ботом

Искусственный интеллект попал в неудобную статистику. Новое исследование Work AI Institute показало, что сотрудники действительно экономят время благодаря ИИ — в среднем около 11 часов в неделю. Но есть нюанс: более шести часов из этой экономии приходится тратить на проверку, исправление и контроль работы самого ИИ.

Исследование охватило 6000 офисных сотрудников из США, Великобритании и Австралии.

Опрос показал, что 75% работников заметили рост личной продуктивности после внедрения ИИ-инструментов. Однако только 13% компаний сообщили о заметном росте бизнеса благодаря этим технологиям.

 

Получается любопытный парадокс. Формально сотрудники работают быстрее, но бизнес почему-то не получает сопоставимой выгоды.

По словам профессора Калифорнийского университета Пола Леонарди, многие недооценивают объём скрытой работы, которая появляется вместе с ИИ. Нужно собирать данные, подготавливать контекст, перепроверять ответы чат-ботов, искать ошибки и дорабатывать результаты вручную.

Фактически современные сотрудники всё чаще выступают не исполнителями, а менеджерами собственных цифровых помощников.

Согласно исследованию, 37% времени взаимодействия с ИИ уходит непосредственно на работу с ботами, а ещё 36% — на применение полученных результатов в реальных задачах. Более того, 41% опрошенных признались, что не могут объяснить, каким образом ИИ пришёл к своим выводам.

Авторы приводят показательный пример. Молодой разработчик перед уходом домой интегрировал в проект тысячи строк кода, сгенерированного ИИ. После этого система перестала работать, а разбираться в причинах пришлось старшему инженеру. Сам автор изменений не смог объяснить, что именно сделал искусственный интеллект.

RSS: Новости на портале Anti-Malware.ru