В 2019 году было выявлено более 400 уязвимостей в АСУ ТП

В 2019 году было выявлено более 400 уязвимостей в АСУ ТП

В 2019 году было выявлено более 400 уязвимостей в АСУ ТП

В 2019 году было выявлено более 400 уязвимостей, затрагивающих АСУ ТП. Около четверти от общего числа до сих не устранены по причине отсутствия патчей, хотя информация об этих проблемах общедоступна.

Такими данными поделились аналитики компании Dragos, специализирующейся на кибербезопасности промышленной сферы.

Специалисты изучили 438 уязвимостей АСУ ТП, упоминавшихся в 212 отчётах. К слову, в 2018 году были зафиксированы приблизительно такие же цифры.

Из 116 уникальных видов уязвимостей самыми распространёнными оказались проблемы некорректной проверки ввода. Затем шли бреши переполнения буфера, XSS, жёстко закодированные учётные данные и прочее.

По словам исследователей Dragos, 77% опубликованных отчётов покрывают проблемы безопасности, обосновавшиеся глубоко в сетях систем управления. Например, в человеко-машинном интерфейсе (HMI), панелях операторов, сетевом промышленном оборудовании и т. п.

Эксперты утверждают, что 9% сообщений об уязвимостях отписывали бреши, позволяющие атакующим получить доступ из IT-сети в OT-сеть. Почти три четверти отчётов упоминал дыры, которые можно использовать из сети, остальные требовали наличие физического доступа к атакуемой машине.

Помимо этого, команда Dragos сообщила, что 26% отчётов о проблемах безопасности не упоминали патчей, а три четверти даже не давали никаких практических советов по части снижения угрозы.

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