Эксперты извлекли около 600 MAC-адресов, фигурировавших во взломе ASUS

Эксперты извлекли около 600 MAC-адресов, фигурировавших во взломе ASUS

Эксперты извлекли около 600 MAC-адресов, фигурировавших во взломе ASUS

Компания Skylight Cyber опубликовала 583 MAC-адреса, которые использовались злоумышленниками в атаках на пользователей продукции тайваньской компании ASUS. Напомним, что эта масштабная кибероперация получила имя ShadowHammer.

Специалисты Skylight Cyber смогли извлечь MAC-адреса, которые фигурировали в атаках на ASUS, благодаря специальному инструменту, который опубликовала «Лаборатория Касперского». Это специальный сервис, который помогает пользователям выяснить, затронула ли их операция ShadowHammer.

В итоге эксперты подвергли инструмент «Лаборатории Касперского» обратному инжинирингу, а затем использовали модифицированный HashCat для брутфорса MAC-адресов.

Исследователям удалось получить 583 MAC-адресов менее чем за час.

Скачать список можно по этой ссылке, также есть расширенная версия. Помимо этого, можно просмотреть список без скачивания — здесь.

Напомним, что эксперт в области кибербезопасности предупреждал ASUS за два месяца до взлома. Специалист обращал внимание на то, что сотрудники корпорации безответственно публиковали пароли в репозиториях GitHub.

Интересно также, что тайваньский техногигант даже не извинился перед пользователями за рассылку вредоносной программы сотням тысяч своих пользователей.

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