18% банков раскрывают конфиденциальные данные клиента по телефону

18% банков раскрывают конфиденциальные данные клиента по телефону

18% банков раскрывают конфиденциальные данные клиента по телефону

Компания Digital Security, специализирующаяся на анализе защищенности ИТ-систем, представляет результаты нового исследования защищенности мобильных приложений для iOS и Android 16 ведущих банков России, авторами которого являются аналитики Егор Салтыков и Виктор Вуколов. Основной целью этой масштабной работы, помимо поиска недостатков клиентской части ПО, было изучение взаимодействия банков с операторами сотовой связи.

При отборе материалов для анализа специалисты Digital Security руководствовались рейтингами самых устанавливаемых банковских приложений App Store и Google Play из раздела «Финансы» и списка «Топ 100 Российских банков» (по версии издания banki.ru на ноябрь 2017 года).

В конечный список вошли 16 банковских приложений, а список мобильных операторов был ограничен «большой четверкой». Акцент при проведении работ был сделан на углублении проверок и анализе взаимодействия банков.

В ходе исследования эксперты Digital Security обнаружили, что 18% банков позволяет раскрывать конфиденциальные данные клиента по телефону, в том числе, узнавать баланс счета, информацию о движении средств, что потенциально может привести к краже денег и другим негативным последствиям.

В 62% рассмотренных банков доверяют номеру, с которого совершается звонок в call-центр, за счет чего возможно получить приватные данные, зная только номер телефона жертвы. Из всех рассмотренных мобильных банковских клиентов 18% не имеет второго фактора защиты для входа на обеих платформах (iOS и Android), а 68% банков позволяет вывести средства после замены sim-карт со счетов клиентов. Используя эти и другие слабые места, злоумышленники могут похищать деньги со счетов клиентов.

Помимо этого, большая часть приложений хранит и потенциально позволяет раскрыть приватную информацию пользователей. Так, более половины изученных мобильных банковских клиентов на iOS сохраняет критичные данные в памяти, в 6 из 16 приложений на Android пароль остается в памяти после завершения сессии.

Далее, рассмотренные инструменты позволяют раскрыть координаты пользователя (7 из 16 на iOS; 4 из 16 на Android), что также может быть использовано злоумышленниками при реализации атаки. Интересно отметить, что в 3 из 16 приложений для iOS и Android соответственно отсутствует двухфакторная аутентификация несмотря на то, что это требование безопасности уже не один год является одним из основных для банковских мобильных клиентов.

На основании перечисленных выводов, а также многих других данных исследования, можно сделать вывод о том, что в ведущих российских банках по-прежнему есть слабые места в обеспечении защиты данных клиентов. Ознакомиться с полным текстом исследования можно по ссылке: https://dsec.ru/research/analiz-bezopasnosti-mobilnyh-bankovskih-prilozh....

Подпишитесь на новости

Не просто стойка с GPU: в России собрали ПАК для корпоративного ИИ

«Лаборатория Числитель» и «Информзащита» представили программно-аппаратный комплекс, который должен помочь крупным компаниям перейти от вечных ИИ-пилотов к нормальной промышленной эксплуатации моделей. Решение анонсировали на форуме TNF-2026.

В основе ПАК — высокопроизводительный ML-кластер и российская платформа контейнеризации «Штурвал». Но создатели подчёркивают: это не очередная дорогая стойка с GPU, на которой каждый проект приходится собирать руками.

Комплекс превращает вычислительные мощности в единый управляемый ресурс. ML-специалист запускает задачу, а платформа сама выделяет CPU и GPU, поднимает нужное окружение, подключает хранилище, запускает обучение и масштабирует нагрузку. Для автоматизации используются Kubernetes и инструменты MLOps, включая Kubeflow, MLflow и model serving.

Архитектура состоит из четырёх уровней: аппаратной инфраструктуры, платформы «Штурвал», MLOps-стека и прикладных ИИ-сервисов — от прогнозирования и аналитики до корпоративных ассистентов. Вокруг ядра работают IAM/SSO, объектное хранилище, реестр образов, CI/CD, мониторинг и аудит.

Заказчики получают единый пул вычислительных ресурсов, изоляцию проектов, централизованное управление доступами и полный жизненный цикл моделей — от эксперимента до публикации и обновления. При этом ML-инструменты не лезут напрямую в железо, а получают инфраструктуру как сервис.

Как сообщается в публикации о проекте, архитектура уже прошла промышленную эксплуатацию у крупного государственного заказчика.

RSS: Новости на портале Anti-Malware.ru