К 2021 году 40% организаций задействуют ИИ для борьбы с мошенничеством

К 2021 году 40% организаций задействуют ИИ для борьбы с мошенничеством

К 2021 году 40% организаций задействуют ИИ для борьбы с мошенничеством

Всего через два года искусственный интеллект и машинное обучение будут использоваться для противодействия мошенничеству в три раза чаще, чем сейчас. Такие данные были получены в ходе совместного исследования компании SAS и Ассоциации сертифицированных специалистов по расследованию хищений и мошенничества (Association of Certified Fraud Examiners, ACFE).

В настоящее время такие антифрод-инструменты уже используют в 13% организаций, принявших участие в опросе, и в еще 25% заявили, что планируют их внедрить в течение ближайшего года-двух.

Совместное исследование SAS и ACFE было запущено в феврале 2019 года, а его итоги подведены в конце июня 2019 года. Для этого были изучены ответы 1055 членов ACFE, работающих в разных странах мира.

По итогам был создан интерактивный отчет. Вопросы, заданные экспертам, касались технологий и инструментов, которые используются в их организациях для борьбы с мошенничеством.

Как выяснилось, в настоящее время большинство организаций чаще всего пользуются преднастроенными отчетами по ключевым событиям мошенничества с использованием классических инструментов, например, от Microsoft Office.

Это стандартный инструмент для  64% компаний, охваченных исследованием. На втором по популярности месте автоматический мониторинг с использованием экспертных бизнес-правил – его используют в 54% организаций. Замыкает тройку визуальное исследование данных с использованием BI инструментов – на ее долю приходится 35%.

Уязвимость переполнения глобального буфера в zlib грозит DoS и даже RCE

В широко используемой библиотеке zlib выявлена критическая уязвимость, позволяющая через порчу памяти вызвать сбой программы (DoS). Ее также потенциально можно использовать для удаленного выполнения стороннего кода в системе.

Пока не решенной проблеме, классифицируемой как переполнение буфера в глобальной памяти, присвоен идентификатор CVE-2026-22184. Поскольку эксплойт тривиален, степень опасности уязвимости была оценена в 9,3 балла по шкале CVSS.

Катастрофическая ошибка возникает при запуске утилиты untgz, а точнее, при выполнении функции TGZfname(), отвечающей за обработку имен архивных файлов, вводимых через консоль.

Как оказалось, уязвимый код не проверяет длину ввода перед копированием. Когда она превышает 1024 байт, происходит запись за границей буфера, что приводит к нарушению целостности памяти.

Проблему усугубляет тот факт, что untgz отрабатывает до парсинга и валидации архива. Эксплойт в данном случае не требует создания вредоносного файла со сложной структурой, достаточно лишь передать длинное имя в качестве аргумента командной строки.

Уязвимости подвержены все сборки zlib до 1.3.1.2 включительно. В качестве временной меры защиты админам и разработчикам рекомендуется ограничить использование untgz либо вовсе удалить соответствующий пакет до появления пропатченной версии.

RSS: Новости на портале Anti-Malware.ru