Большинство приложений для покупки одежды имеют критические уязвимости

Большинство приложений для покупки одежды имеют критические уязвимости

Большинство приложений для покупки одежды имеют критические уязвимости

Исследователи компании Ростелеком-Solar проанализировали популярные мобильные приложения, предназначенные для покупки одежды, среди них были MANGO, ASOS, SHEIN, bonprix, Wildberries, H&M, KUPIVIP, Bershka, Joom и Lamoda. Однако выводы экспертов довольно неутешительные — большинство приложений имеют критические уязвимости.

На фоне растущей популярности подобных приложений очень важно адекватно оценивать риски и представлять, насколько хорошо защищены ваши данные.

Исследование Ростелеком-Solar продемонстрировало, что имеющиеся в приложениях для покупки одежды бреши могут привести к утечке конфиденциальных данных — например, информации платежных карт или паролей от аккаунтов.

Специалисты проанализировали версии вышеозначенных приложений для двух наиболее популярных мобильных ОС — Android и iOS.

В результате оказалось, что более 85% Android-приложений для покупки одежды способны раскрыть информацию о платежных картах пользователей. 9 из 10 приложений для Android потенциально допускают утечку информации о конфигурации системы. Такие данные могут быть использованы злоумышленником при планировании атаки.

Самыми защищенными Android-версиями приложений для покупки одежды оказались MANGO, ASOS и SHEIN. Чуть менее защищены bonprix, Wildberries, H&M, KUPIVIP и Bershka. А вот Joom и Lamoda оказались критически уязвимы, причем в каждом из них содержатся 5 серьезных дыр.

В случае с операционной системой iOS все еще хуже — среди проанализированных приложений не оказалось ни одного, которое бы удовлетворяло среднему по отрасли показателю уровня защищенности.

Любое из iOS­-приложений для покупки одежды содержит критические уязвимости, наименьшее количество дыр содержат bonprix, Wildberries, ASOS и Bershka. При этом все приложения для iOS используют устаревшие хеш­-функции (MD5 или SHA­1).

Это значит, что атакующий потенциально сможет получить доступ к аккаунту жертвы.

«Значимость защищенности мобильных приложений ретейлеров трудно переоценить, ведь они оперируют платежными данными, компрометация и утечка которых способна нанести колоссальный финансовый ущерб пользователям и репутационный – бренду. В связи с ежегодным всплеском покупательской активности в начале марта мы посчитали необходимым проверить уровень защищенности мобильных приложений для покупки одежды», — комментирует Даниил Чернов, руководитель направления Solar appScreener компании Ростелеком-Solar.

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