GitHub-аккаунты занимались распространением 300 приложений с бэкдором

GitHub-аккаунты занимались распространением 300 приложений с бэкдором

GitHub-аккаунты занимались распространением 300 приложений с бэкдором

Исследователи в области безопасности раскрыли цепочку вредоносных аккаунтов GitHub, занимающихся распространением более 300 приложений для платформ Windows, macOS и Linux, реализующих возможности бэкдора. Злонамеренные приложения содержали код для установки в системе и последующей загрузки других вредоносных составляющих.

Семплы были проанализированы экспертами команды DFIR.it, которые выяснили, что приложения скачивали на компьютер жертвы Java-вредонос Supreme NYC Blaze Bot (supremebot.exe).

По словам исследователей, этот зловред мог превращать зараженные устройства в ботов, которые позже объединялись в сеть — ботнет. Далее этот ботнет принимал участие в онлайн-аукционах.

Один аккаунт, зарегистрированный на имя Эндрю Данкинса, хранил 305 ELF-библиотек, которые были оснащены возможностями бэкдора. Все они были просто вредоносными версиями легитимных приложений и библиотек.

В настоящее время все учетные записи GitHub, которые принимали участие в распространении вредоносных версий приложений, удалены или заблокированы.

Подпишитесь на новости

В VK Business Analytics добавили ИИ для поиска сбоев в бизнес-процессах

Заказ опоздал, отделы кивают друг на друга, а крайний снова аналитик. VK Tech обновил VK Business Analytics: новые инструменты помогают находить причины проблем на стыке процессов, автоматически размечать рабочие операции и готовить задания для автоматизации.

О возможностях компания рассказала в своём блоге. Обновление затронуло Process Mining, Task Mining и ИИ-ассистента, который отвечает на вопросы с учётом того, как компания работает на самом деле.

В Process Mining появился мультипроцессный граф — общая схема связанных процессов на основе данных корпоративных систем. Например, он помогает выяснить, почему сорвался срок заказа: проблема могла возникнуть при согласовании документов, хотя заметили её уже на этапе исполнения.

В Task Mining ИИ взял на себя разметку операций. Алгоритм находит повторяющиеся цепочки действий на рабочих компьютерах, а языковая модель присваивает им понятные названия с учётом специфики бизнеса. Анализ ведётся без привязки к конкретным сотрудникам. На выходе — список направлений для оптимизации и технические задания для автоматизации.

ИИ-ассистент использует контекстную модель, собранную из данных обоих модулей. Она учитывает даже обходные шаги, которых нет в регламентах. Аналитик задаёт вопрос обычным языком, а получает текст, график, карту процесса или дашборд.

По замыслу разработчиков, ручного разбора станет меньше.

RSS: Новости на портале Anti-Malware.ru