В 2019 году 60% кибератак носили целевой характер

В 2019 году 60% кибератак носили целевой характер

В 2019 году 60% кибератак носили целевой характер

За 2019 год доля целевых кибератак (APT) значительно превысила долю массовых вредоносных кампаний. Чаще всего киберпреступники атаковали промышленность, государственные учреждения, сферу здравоохранения и образования, а также финансовую отрасль.

Данные о соотношении целевых и массовым кибератак представили специалисты компании Positive Technologies, проанализировавшие актуальные угрозы 2019 года.

Согласно результатам исследования, число уникальных атак в цифровом пространстве выросло на 19%. При этом доля APT в сравнении с 2018 годом увеличилась на 5%, зафиксировавшись на 60%.

Примечательно, что в первом квартале таргетированные атаки заняли всего 47%, однако уже в конце года отвоевали себе 67%.

Специалисты Positive Technologies рекомендуют компаниям сместить фокус с защиты периметра на своевременное выявление атак внутри сети. Для этого придётся постоянно проверять, не были ли они атакованы раньше.

Складывающаяся тенденция, по мнению экспертов, выведет непрерывный мониторинг ИБ-инцидентов и глубокий анализ сетевого трафика в лидеры способов обеспечения защиты.

В отчёте исследователей также упоминается, что киберпреступники чаще всего атаковали госучреждения, сферу здравоохранения, науку, образование и финансовую отрасль. Например, доля атак на промышленные предприятия выросла до 10% (в 2018 году она составляла всего 4%).

Что касается мотивов злоумышленников, в 2019 году целью больше половины атак была кража данных: персональная информация, учётные данные и данные банковских карт.

Cloud.ru представила фильтр, скрывающий конфиденциальные данные от ИИ

На конференции GoCloud 2026 компания Cloud.ru анонсировала Guardrails Filter — инструмент для более безопасной работы с генеративным ИИ. Его задача довольно понятная: не дать конфиденциальным данным случайно утечь в большую языковую модель.

Схема работы выглядит так: сервис проверяет текст запроса, ищет в нём конфиденциальные данные — например, персональные сведения, банковские реквизиты, API-ключи и другие секреты, — затем маскирует их и только после этого отправляет обезличенный запрос в модель. Когда модель возвращает ответ, система подставляет реальные значения обратно.

Иначе говоря, пользователь получает нормальный результат, но сами чувствительные данные не уходят за пределы корпоративного контура в исходном виде.

Сейчас инструмент рассчитан на работу с моделями из сервиса Cloud.ru Foundation Models. В этой платформе доступно более 20 моделей разных типов, включая text-to-text, audio-to-text и image-text-to-text. При этом Cloud.ru отдельно уточняет, что механизм фильтрации будет доступен и в формате on-premise, то есть для установки на стороне самого заказчика.

Появление такого инструмента хорошо вписывается в общий тренд: компании всё активнее используют генеративный ИИ, но тема утечек данных остаётся одной из главных причин, почему внедрение идёт не так быстро, как хотелось бы. Особенно это чувствительно для отраслей, где много персональной и служебной информации, — например, для здравоохранения, ретейла и госсектора.

Кроме того, Cloud.ru сообщила, что добавила в Foundation Models LLM-модель российской компании HiveTrace с Guardrails-механизмом. По заявлению компании, такая модель должна лучше справляться с рисками вроде промпт-инъекций, утечки системных инструкций и некорректной обработки выходных данных.

RSS: Новости на портале Anti-Malware.ru