Лаборатория Касперского открыла исходный код сканера KLara

Лаборатория Касперского открыла исходный код сканера KLara

Лаборатория Касперского открыла исходный код сканера KLara

Эксперты «Лаборатории Касперского» опубликовали на портале GitHub исходный код сканера KLara. Это внутренний инструмент компании для более эффективного поиска образцов вредоносных программ. Теперь сканером могут воспользоваться все желающие.

Основная задача KLara — обнаружение родственных образцов вредоносного кода. Это один из ключевых аспектов исследований киберугроз, который помогает экспертам отслеживать развитие вредоносов. Как правило, в таких случаях прибегают к YARA-правилам, которые сопоставляют различные образцы кода и ищут совпадения по уникальным характеристикам или шаблонам. Такой инструмент незаменим при исследовании продвинутых киберугроз, операций с применением «бесфайловых» троянцев или внешне легитимных инструментов, а также случаев, когда вредоносный код дорабатывается под конкретную жертву.

Самостоятельная разработка и тестирование YARA — крайне трудоёмкий процесс. Чтобы решить эту проблему, исследователи «Лаборатории Касперского» создали KLara. Это распределённая система, которая может производить быстрый поиск сразу по нескольким базам с применением нескольких правил. Такой подход позволяет быстрее выявлять образцы вредоносного кода, а значит более эффективно защищать пользователей.

«Охота за киберугрозами требует специфических инструментов и систем. Особенно это актуально, когда речь идёт о продвинутых целевых атаках, которые могут длиться месяцами и даже годами. Мы создали KLara, чтобы эффективнее отслеживать всё разнообразие угроз, и теперь хотели бы поделиться этим инструментом с профессиональным сообществом. Уверены, все по достоинству оценят пользу от него», — добавил Игорь Суменков, ведущий антивирусный эксперт «Лаборатории Касперского».

Больше технических подробностей о KLara можно найти по ссылке: https://securelist.com/your-new-friend-klara/85046/. Инструмент доступен для скачивания на официальной странице «Лаборатории Касперского» на GitHub: https://github.com/KasperskyLab.

Также в открытом доступе можно найти другой инструмент компании – BitScout. Он был разработан ведущим антивирусным экспертом компании Виталием Камлюком в 2017 году. BitScout может удалённо собирать оставленные злоумышленниками цифровые «улики», например, образцы вредоносов. Больше информации о BitScout можно найти здесь: https://securelist.com/bitscout-the-free-remote-digital-forensics-tool-b...

Обработал фото ИИ — готовь дисклеймер: в России обсуждают маркировку

Изображения, аудио и видео, созданные с помощью больших моделей искусственного интеллекта, могут обязать маркировать. Соответствующие поправки к закону об ИИ и Гражданскому кодексу подготовила рабочая группа Совета при президенте РФ.

Сейчас закон требует от крупных платформ с аудиторией более 500 тыс. россиян в сутки лишь предоставить пользователям техническую возможность поставить отметку. Делать это обязательно авторов не заставляют, сообщают «Ведомости».

Поправки меняют подход: предупреждение об использовании ИИ может стать обязательным, а его формат, содержание и место размещения определит уполномоченное ведомство. Какое именно, в проекте не указано. Обсудить документ планируют 19 августа, но сроки возможного внесения в Госдуму пока неизвестны.

Главная интрига скрывается в формулировке «создан с применением ИИ». Под неё могут попасть не только полностью сгенерированные ролики и изображения, но и обычные фотографии, слегка обработанные нейросетевым фильтром. Минимальная доля машинного участия не установлена.

Не определено и то, кто должен наносить метку, если один человек создал материал, а другой его опубликовал. Проект не объясняет, кто станет искать нарушения, обязана ли маркировка переживать перенос файла между платформами и какая ответственность грозит за её отсутствие.

Представители отрасли опасаются, что обязательные отметки усложнят работу законопослушных российских сервисов, но не остановят создателей дипфейков. Те смогут пользоваться зарубежными инструментами и загружать контент без предупреждений.

Эксперты предлагают смешанную схему, похожую на китайскую: видимые и скрытые машиночитаемые метки добавляют ИИ-сервисы, платформы проверяют их, а пользователи сообщают о происхождении материала.

RSS: Новости на портале Anti-Malware.ru