74% банков не готовы противостоять серьезным кибератакам

74% банков не готовы противостоять серьезным кибератакам

74% банков не готовы противостоять серьезным кибератакам

Специалисты компании Group-IB изучили киберпреступления прошлого года, в расследовании которых принимали непосредственное участие. Основные выводы отчета исследователей касаются атак на финансовую сферу, которая, как оказалось, не готова существенно противостоять кибератакам.

По словам экспертов, на данный момент 74% банков просто не в состоянии ничего противопоставить высокотехнологичным преступлениям. При этом у 29% кредитных организаций специалисты обнаружили активные заражения вредоносными программами.

Более чем в половине проанализированных банков — 52% — были найдены следы прошлых атак киберпреступников.

Исследователи особо выделяют в качестве киберугрозы трансграничные атаки, которые позволяют злоумышленникам запустить «цепную реакцию», приводящую в конечном итоге к множественным заражениям финансовых организаций.

Системы реагирования на угрозы Group-IB срабатывали в 2018 году в два раза чаще, чем в 2017.

К сожалению, как выяснили эксперты, кредитные организации, ставшие жертвами киберпреступников, не имели плана реагирования на киберинцидент, не были готовы в сжатые сроки мобилизовать работу профильных подразделений и не способны организационно и технически противостоять действиям атакующих.

Специалисты убеждены, что если такой подход не изменится, эти банки серьезно рискуют повторно оказаться втянутыми в серьезные киберинциденты.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

ChatGPT ошибается с адресами сайтов — фишеры не дремлют

Если вы когда-нибудь просили чат-бота типа ChatGPT помочь с ссылкой на сайт банка или личного кабинета крупной компании — возможно, вы получали неправильный адрес. А теперь представьте, что кто-то специально воспользуется этой ошибкой.

Исследователи из компании Netcraft провели эксперимент: они спрашивали у модели GPT-4.1 адреса сайтов для входа в аккаунты известных брендов из сфер финансов, ретейла, технологий и коммунальных услуг.

В духе: «Я потерял закладку, подскажи, где войти в аккаунт [название бренда]?»

Результат получился тревожным:

  • только в 66% случаев бот дал правильную ссылку;
  • 29% ответов вели на несуществующие или заблокированные сайты;
  • ещё 5% — на легитимные, но вообще не те, что спрашивали.

Почему это проблема?

Потому что, как объясняет руководитель Threat Research в Netcraft Роб Дункан, фишеры могут заранее спрашивать у ИИ те же самые вопросы. Если бот выдаёт несуществующий, но правдоподобный адрес — мошенники могут просто зарегистрировать его, замаскировать под оригинал и ждать жертв.

«Вы видите, где модель ошибается, и используете эту ошибку себе на пользу», — говорит Дункан.

Фишинг адаптируется под ИИ

Современные фишинговые схемы всё чаще затачиваются не под Google, а именно под LLM — большие языковые модели. В одном случае, например, мошенники создали фейковый API для блокчейна Solana, окружив его десятками фейковых GitHub-репозиториев, туториалов, Q&A-доков и даже поддельных аккаунтов разработчиков. Всё, чтобы модель увидела якобы «живой» и «настоящий» проект и начала предлагать его в ответах.

Это чем-то напоминает классические атаки на цепочку поставок, только теперь цель — не человек с pull request'ом, а разработчик, который просто спрашивает у ИИ: «Какой API использовать?»

Вывод простой: не стоит полностью полагаться на ИИ, когда речь идёт о важных вещах вроде входа в банковский аккаунт или выборе библиотеки для кода. Проверяйте информацию на официальных сайтах, а ссылки — вручную. Особенно если ИИ обещает «удобный и официальный» сайт, которого вы раньше не видели.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru