Украинец, поддерживавший серверы группировки FIN7, выплатит $2,5 млн

Украинец, поддерживавший серверы группировки FIN7, выплатит $2,5 млн

Украинец, поддерживавший серверы группировки FIN7, выплатит $2,5 млн

Участник интернациональной киберпреступной группировки обвиняется в совершении атак на организации в 47 штатах. 34-летний украинец Фёдор Гладир, по данным обвинения, со своими подельниками крал данные банковских карт.

Гладир согласился выплатить $2,5 миллиона в качестве частичной компенсации нанесённого ущерба. Киберпреступнику грозит до 25 лет тюремного заключения.

Как сообщил адвокат, представляющий интересы обвиняемого, Гладир пошёл на сделку со следствием, ибо в противном случае ему могли назначить сотни лет лишения свободы.

«Его жена находится в Украине, вся семья поддерживает его. Они ждут его скорейшего возвращения», — объяснил поверенный.

Согласно материалам следствия, Фёдор Гладир был членом группировки, известной под именем FIN7. Именно этой группе приписывают организацию атак на сотни американских компаний, в ходе которых преступники пытались похитить финансовую информацию.

В период с 2015 по 2019 год злоумышленникам удалось выкрасть данные около 15 миллионов банковских карт. Деятельность FIN7 привела к потерям более $100 миллионов.

Гладира арестовали в прошлом году на территории Германии. Обвинение считает, что он исполнял роль системного администратора и поддерживал серверы киберпреступной группы.

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