DeviceLock увидел инсайдерский след в атаке на клиентов Сбербанка

DeviceLock увидел инсайдерский след в атаке на клиентов Сбербанка

DeviceLock увидел инсайдерский след в атаке на клиентов Сбербанка

Представители российского производителя DPL-систем DeviceLock заподозрили инсайдерский след в январских атаках на клиентов Сбербанка. Проанализировав эту вредоносную кампанию, специалисты пришли к выводу, что настолько масштабная и успешная атака стала возможной благодаря кратковременному доступу злоумышленников к информации о клиентах банка.

По словам DeviceLock, мошенникам помог именно доступ к внутренней информации, а не подмена исходящего номера на номера банка. Такой вывод отчасти подтверждается тем, что первые инциденты со звонками с подмененных номеров происходили еще в декабре 2018, однако тогда атаки не увенчались успехом благодаря скудной информированности злоумышленников.

Мошенники не обладали достаточной информацией, чтобы выдавать себя за сотрудников Сбербанка и вынуждать клиентов делать то, что они говорят. А вот атаки, произошедшие в конце января, уже включали использование преступниками полных паспортных данных, а также информации об остатках на картах клиентов банка.

Кроме того, как утверждали пострадавшие, после блокировки карты атаки немедленно прекращались, что также свидетельствует о доступе мошенников к информации о владельцах, причем в режиме реального времени.

При этом сама январская атака была массовой, но короткой во времени и длилась всего 2-3 дня, а прекратилась, вероятно, после того, как служба безопасности банка выявила и ликвидировала источник утечки клиентских данных.

Инциденты прокомментировал технический директор и основатель Devicelock Ашот Оганесян:

«Был использован целый комплекс техник, включавший социальную инженерию, инсайдерский доступ к данным пользователей и подмену А-номера (Caller ID). При этом в атаке были задействованы десятки, а возможно и сотни участников, включая «операторов» криминальных колл-центров, что говорит об обширной и разветвленной преступной структуре».

«При этом утечка клиентских данных выступила своего рода уязвимостью нулевого дня, которая была использована немедленно после получения. А с учетом того, что криминальная группа, реализовавшая эту атаку, не выявлена, стоит ожидать, что и в дальнейшем утечки информации из Сбербанка и других крупных банковских структур будут использованы, в первую очередь, для организации аналогичных атак на их клиентов. В такой ситуации пользователям стоит игнорировать любые входящие коммуникации по вопросам безопасности и стараться связываться с банками через каналы с проверкой подлинности - например, встроенные в банковские приложения мессенджеры».

Вчера мы писали о других масштабных атаках — мошенники массово звонят клиентам крупных российских банков с номеров, принадлежащих этим кредитным организациям.

В России разработали способ удалить свой биометрический след

В ИТ-компании «Криптонит» (входит в «ИКС Холдинг») разработали метод, который позволяет выборочно удалять цифровые образы людей из систем распознавания лиц. Если совсем просто, речь идёт о технологии, которая должна помочь реализовать право человека отозвать согласие на обработку своей биометрии — так, чтобы система действительно перестала его узнавать.

Проблема тут в том, что современные системы распознавания лиц устроены не так прямолинейно, как может показаться.

Даже если сведения о человеке формально удалили из базы, его цифровой образ может всё равно остаться внутри уже обученной модели. То есть на бумаге данные вроде бы стерли, а на практике алгоритм всё ещё способен узнать этого человека.

Именно это и делает тему особенно чувствительной. С биометрией всё сложнее, чем с обычными персональными данными: пароль можно поменять, а лицо — нет. Если такие данные утекают, риски уже совсем другого уровня, потому что украденные цифровые слепки можно использовать для создания поддельных образов и обхода биометрической аутентификации.

 

В «Криптоните» утверждают, что их метод решает задачу не маскировкой и не косметическим удалением, а на уровне внутренней логики самой модели. Проще говоря, алгоритм перестаёт использовать сведения о конкретном человеке и больше не может его распознавать, при этом способность узнавать остальных людей сохраняется.

По словам разработчиков, на тестовых наборах данных технология показала заметное снижение эффективности распознавания именно тех лиц, которые нужно «забыть», — до 88%. При этом общая точность системы, как утверждается, осталась на прежнем уровне.

Практическое применение у такого подхода вполне очевидное. В первую очередь это системы видеонаблюдения с распознаванием лиц, СКУД и корпоративная безопасность. Например, технология может пригодиться для удаления биометрических данных уволенных сотрудников, когда компания обязана прекратить их обработку, но не хочет при этом заново переобучать всю систему с нуля.

RSS: Новости на портале Anti-Malware.ru