POS-вредонос PinkKite имеет маленький размер, но большие возможности

POS-вредонос PinkKite имеет маленький размер, но большие возможности

Новый вредонос, атакующий POS-терминалы, имеет очень маленький размер, при этом, как сообщают исследователи, зловред способен совершать целый спектр вредоносных действий на зараженных устройствах.

Получивший имя PinkKite POS-¬вредонос был обнаружен в прошлом году, он был частью масштабной вредоносной кампании, которая закончилась в декабре. Впервые PinkKite был подробно описан на прошлой неделе в рамках саммита «Лаборатории Касперского» Security Analyst Summit (SAS).

По образцу таких вредоносных программ, как TinyPOS и AbaddonPOS, PinkKite имеет очень маленький размер (меньше 6 килобайт), что использует для обхода различных антивирусных решений. Однако, несмотря на такие скромные размеры, PinkKite может собирать информацию из памяти (memory-scraping).

Согласно исследовавшим эту программу экспертам, вредонос использует захардкоденный двойной шифр XOR для шифрования номеров кредитных карт. Также в PinkKite присутствуют механизмы укоренения в системе, а командный сервер (C&C) используется для фильтрации данных.

Распространяется PinkKite по следующей схеме — злоумышленники заражают систему, а затем исследуют всю внутреннюю сеть атакуемой компании, используя PsExec. После этого киберпреступники с помощью Mimikatz извлекают учетные данные из службы LSASS, а потом пожключаются к взломанным системам для кражи данных кредитных карт через сеанс удаленного рабочего стола (RDP).

Специалисты обнаружили, что PinkKite пытается замаскироваться под легитимную программу системы Windows, для чего использует такие имена, как Svchost.exe, Ctfmon.exe и AG.exe. После изъятия данных кредитных карт из системной памяти PinkKite проверяет их карт, используя алгоритм Луна.

Киберпреступники действовали достаточно умело, их действия остались бы незамеченными, если бы атакуемую организацию не предупредили о том, что данные кредитных карт клиентов продаются на черном рынке.

Anti-Malware Яндекс ДзенПодписывайтесь на канал "Anti-Malware" в Telegram, чтобы первыми узнавать о новостях и наших эксклюзивных материалах по информационной безопасности.

В Пензенском университете создали антивирус с ИИ

Созданный в Пензенском университете (ПГУ) антивирус использует нейросети и машинное обучение и не требует постоянного подключения к интернету. Разработку планируют завершить в этом году, а в ноябре подать заявку на сертификацию.

Из рассказа руководителя проекта, которого цитируют «Известия», можно понять, что вооруженный ИИ защитный софт способен предугадывать действия пользователя, и его можно подстроить под конкретные условия и задачи. Пока готова только версия для Windows, умеющая распознавать трояны, руткиты и нелегальные майнеры.

Для выявления фактов заражения используются два вида анализа:«нейросетевой» и «нейросигнатурный». В первом случае написанная на Python нейросеть оценивает работу кода, выполняя сравнение с известными ей алгоритмами поведения вредоносов.

Второй компонент определяет угрозы, используя ИИ в комбинации с традиционным сигнатурным анализом. Авторы проекта исходили из того, что написанный с нуля зловред — большая редкость, вирусописатели обычно в той или иной степени используют наработки коллег по цеху.

По замыслу, созданный в стенах ПГУ антивирус можно будет использовать как в корпоративном окружении, так и в индивидуальном порядке. Продукт планируют распространять по подписке.

Заметим, без связи с Сетью (не получая обновлений) такой софт сможет детектировать только вредоносные программы с заимствованиями, притом теми, с которыми он уже сталкивался. Впрочем, приведенное репортером описание слишком лаконично и туманно, стоит подождать более конкретных дополнений.

Внедрение ИИ-технологий — новомодный и прогрессивный тренд, в России ему следуют многие крупные компании, включая представителей сферы ИБ, а Минцифры считает курс на ИИ одним из своих приоритетов. Что касается антивирусной защиты, комментатор из UserGate отметил, что применение машинного обучения способно повысить эффективность детектирования до 96%.

Как бы то ни было, подобные инструменты нельзя оставлять без контроля: нейросети не всегда выдают достоверную информацию, результаты желательно проверять. Им можно доверить черновую работу для ускорения ИБ-процессов и повышения эффективности, а принятие решений оставить за оператором.

Anti-Malware Яндекс ДзенПодписывайтесь на канал "Anti-Malware" в Telegram, чтобы первыми узнавать о новостях и наших эксклюзивных материалах по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru