Демократы Пенсильвании заплатили более $700 000 из-за атаки вымогателя

Демократы Пенсильвании заплатили более $700 000 из-за атаки вымогателя

Демократы Пенсильвании заплатили более $700 000 из-за атаки вымогателя

Демократы в штате Пенсильвания заплатили Microsoft $703 697 за восстановление своей ИТ-инфраструктуры после атаки вымогателя в марте 2017 года. Киберинцидент произошел 3 марта, тогда все системы и серверы Демократической партии оказались заражены еще неизвестным на тот момент вымогателем.

Зашифровав файлы, вредонос потребовал выкуп в размере 28 биткоинов за ключ расшифровки, который поможет вернуть пострадавшие файлы в первоначальное состояние. На тот момент эта сумма была эквивалентна 30 000 долларам США.

Тогда чиновники отказались платить злоумышленникам, предпочтя восстановить часть данных из резервных копий и все системы с нуля.

В итоге представителям демократических сил пришлось раскошелиться куда значительнее — Microsoft выставила им счет на сумму, превышающую $700 000.

Эта история очень напоминает атаку вымогателя на город Атланта. Из-за нападения киберпреступников наблюдались перебои в работе различных клиентских приложений, в том числе тех, которые могут использоваться для оплаты счетов или доступа к судебной информации».

Власти города потратили более $2,6 млн на устранение последствий этой кибератаки. Злоумышленники использовали вредонос SamSam.

Подпишитесь на новости

Модели OpenAI и Anthropic выбирали скорые и школу как военные цели

Компания Vals AI проверила ограничения ИИ-моделей на участие в выборе военных целей. В экспериментах системы отмечали гражданских, машины скорой помощи и сдающихся солдат. Представление задания как игры часто помогало преодолеть отказы.

Результаты экспериментов опубликованы в исследовании Vals AI. Специалисты испытали 14 моделей на изображениях с имитацией съёмки с дронов.

Отдельный сценарий включал реальные спутниковые снимки иранского Минаба, где школа расположена рядом с военным комплексом.


GPT-6 Astra выделяла хотя бы одну цель в 6% обычных запросов. После оговорки об игре показатель вырос до 92%. В других экспериментах большинство моделей продолжало обнаруживать людей даже после показа сгенерированных последствий ударов.


Модели не управляли реальными атаками и не принимали решений об ударах. Авторы также не оценивали точность наведения и эффективность систем в боевых условиях.


Vals AI рекомендует усилить ограничения на уровне API. Один из обозначенных рисков — массовая разметка видеозаписей для обучения автономных систем наведения.

RSS: Новости на портале Anti-Malware.ru