Хакеры используют Telegram-каналы для кражи данных банковских карт

Хакеры используют Telegram-каналы для кражи данных банковских карт

Хакеры используют Telegram-каналы для кражи данных банковских карт

Исследователи в области кибербезопасности рассказали об интересной кампании киберпреступников. Атакуя онлайн-магазины, злоумышленники используют закрытые каналы в Telegram для кражи данных банковских карт, принадлежащих любителям онлайн-шопинга.

Дело в том, что с таким подходом преступники могут эффективнее извлекать данные, да и всю скимминговую операцию осуществить легче.

Новый метод обнаружил Афабл Краут, опираясь на данные компании Sansec, специализирующейся на борьбе со скиммингом. Исследователь изучил вредоносный JavaScript-код, реализующий стандартные методы, препятствующие его анализу.

В специальной ветке в Twitter Краут рассказал, как работает скрипт, а также отметил, что код злоумышленников может собирать данные из любого типа форм ввода, а позже отправлять их в Telegram-канал.

 

Вся передаваемая информация зашифрована с открытым ключом. Бот в Telegram впоследствии постит украденные данные в чат в виде сообщения.

 

Краут подчеркнул, что у метода есть существенный минус — любой человек, у которого будет токен для бота, сможет получить контроль над процессом.

Подпишитесь на новости

Не просто стойка с GPU: в России собрали ПАК для корпоративного ИИ

«Лаборатория Числитель» и «Информзащита» представили программно-аппаратный комплекс, который должен помочь крупным компаниям перейти от вечных ИИ-пилотов к нормальной промышленной эксплуатации моделей. Решение анонсировали на форуме TNF-2026.

В основе ПАК — высокопроизводительный ML-кластер и российская платформа контейнеризации «Штурвал». Но создатели подчёркивают: это не очередная дорогая стойка с GPU, на которой каждый проект приходится собирать руками.

Комплекс превращает вычислительные мощности в единый управляемый ресурс. ML-специалист запускает задачу, а платформа сама выделяет CPU и GPU, поднимает нужное окружение, подключает хранилище, запускает обучение и масштабирует нагрузку. Для автоматизации используются Kubernetes и инструменты MLOps, включая Kubeflow, MLflow и model serving.

Архитектура состоит из четырёх уровней: аппаратной инфраструктуры, платформы «Штурвал», MLOps-стека и прикладных ИИ-сервисов — от прогнозирования и аналитики до корпоративных ассистентов. Вокруг ядра работают IAM/SSO, объектное хранилище, реестр образов, CI/CD, мониторинг и аудит.

Заказчики получают единый пул вычислительных ресурсов, изоляцию проектов, централизованное управление доступами и полный жизненный цикл моделей — от эксперимента до публикации и обновления. При этом ML-инструменты не лезут напрямую в железо, а получают инфраструктуру как сервис.

Как сообщается в публикации о проекте, архитектура уже прошла промышленную эксплуатацию у крупного государственного заказчика.

RSS: Новости на портале Anti-Malware.ru