Отправляемые в Avast данные могут вывести на конкретных пользователей

Отправляемые в Avast данные могут вывести на конкретных пользователей

Отправляемые в Avast данные могут вывести на конкретных пользователей

Специалисты PCMag и Motherboard утверждают, что «обезличенные» данные пользователей бесплатного антивируса Avast, которые передаются аналитикам компании, можно привязать к конкретным людям. Другими словами, исследователи подвергают сомнению сам термин «обезличенные».

В прошлом месяце Avast столкнулся с обвинениями в отправке пользовательских данных, а именно истории посещения веб-сайтов. Утверждалось, что компания получает эту информацию через специальные расширения для браузеров.

Филиал антивирусного гиганта Jumpshot предлагал рекламным и аналитическим компаниям доступ к трафику пользователей, полученному от 100 миллионов устройств. Таким образом, клиенты компании (от крупных брендов до онлайн-магазинов) могли проанализировать, что и где покупают пользователи.

Аналитикам, само собой, крайне полезно понимать, откуда пришли клиенты и что они купили. Ключевую роль в заманивании покупателя могут сыграть Google или Amazon, реклама в новости или пост в Instagram.

При этом собираемые данные настолько подробные, что клиенты Avast могли просматривать конкретные клики, которые пользователи осуществляют во время веб-сёрфинга. Время совершения одного такого клика было детализировано буквально до миллисекунд.

Передаваемая информация не была привязана к имени пользователя, адресу электронной почты или IP-адресу, однако один идентификатор всё же присутствовал — ID устройства. Этот идентификатор присутствует на девайсе до тех пор, пока там установлен антивирусный продукт Avast, только после деинсталляции устройство отвязывается от ID.

В теории запись каждого клика пользователя может выглядеть следующим образом:

Device ID: abc123x Date: 2019/12/01 Hour Minute Second: 12:03:05 Domain: Amazon.com Product: Apple iPad Pro 10.5 - 2017 Model - 256GB, Rose Gold Behavior: Add to Cart

Не первый взгляд — безобидный набор данных, которые нельзя связать с конкретным пользователем. Однако тот же Amazon.com может безошибочно вычислить, какой именно юзер купил iPad Pro 1 декабря 2019 года в 12:03:05. Всё благодаря идентификатору — 123abcx.

Другими словами, 123abcx — это вполне конкретная личность, совершающая покупки в Сети. Это значит, что Jumpshot располагает уже далеко не обезличенными данными.

По словам представителей PCMag и Motherboard, им удалось узнать подноготную сбора информации от некоего источника, знакомого с продуктами Jumpshot.

В Security Vision SOAR появились ИИ-ассистент и ML-отчёты

Security Vision выпустила обновление платформы SOAR, добавив в неё несколько заметных функций — локальный ИИ-ассистент, ML-скоринг инцидентов и автоматические ML-отчёты по итогам расследований. Обновление ориентировано на повседневную работу SOC и обработку инцидентов без выхода за контур заказчика.

Security Vision SOAR используется для управления и автоматизации реагирования на инциденты информационной безопасности на всех этапах их жизненного цикла — от выявления и анализа до восстановления и постинцидентной работы.

В основе платформы лежит объектно-ориентированный подход: каждый элемент инцидента — будь то хост, учётная запись, процесс или артефакт — рассматривается как отдельный объект со своей историей, связями и возможными действиями.

Сценарии реагирования в системе динамические: плейбуки автоматически подстраиваются под развитие инцидента, появление новых данных и техник атак. Дополнительно платформа выстраивает цепочку Kill Chain, показывая, как развивалась атака и какие шаги предпринимал злоумышленник.

Система также предлагает рекомендации по дальнейшим действиям, опираясь на контекст инцидента, накопленный опыт SOC и ML-модели, включая оценку вероятности ложного срабатывания.

 

В новом релизе появился локальный ИИ-ассистент в формате чат-бота. Он работает полностью внутри инфраструктуры заказчика и не обращается к внешним сервисам. Ассистент учитывает контекст конкретного инцидента — его стадию, связанные объекты, историю действий и похожие кейсы — и помогает аналитикам разбираться в событиях, расшифровывать логи, понимать техники атак или формировать команды для диагностики. Модель может дообучаться прямо в SOC на результатах обработки инцидентов и аналитических бюллетенях, при этом все данные остаются внутри контура.

Ещё одно нововведение — ML-скоринг критичности инцидентов. Модель автоматически оценивает приоритет события на основе его масштаба и значимости затронутых активов, что упрощает триаж и помогает быстрее понять, какие инциденты требуют внимания в первую очередь.

Также в платформе появился ML-summary — автоматическое резюме по итогам расследования. При закрытии инцидента система формирует краткий отчёт в едином формате: что произошло, какие действия были выполнены, к какому результату они привели и удалось ли атакующему чего-то добиться. Такое резюме сохраняется в карточке инцидента и отчётности, упрощая передачу дел между сменами и снижая потерю контекста.

В целом обновление направлено на то, чтобы упростить и ускорить рутинную работу SOC: быстрее разбираться в инцидентах, снижать нагрузку на аналитиков и сохранять знания внутри команды без необходимости вручную оформлять каждый шаг расследования.

RSS: Новости на портале Anti-Malware.ru