Киберпреступники крадут пароли жертв с помощью AutoHotkey-вредоноса

Киберпреступники крадут пароли жертв с помощью AutoHotkey-вредоноса

Киберпреступники крадут пароли жертв с помощью AutoHotkey-вредоноса

Киберпреступники задействовали в атаках вредоносную программу, написанную на скриптовом языке AutoHotkey, предназначенном для автоматизации задач в системах Windows. С помощью этого зловреда злоумышленники похищают учётные данные пользователей.

Основными жертвами AutoHotkey-вредоноса стали клиенты банков в Канаде и США. Причём преступники выбирали крупные и хорошо известные кредитные организации: Alterna Bank, Capital One, Manulife, Scotiabank, HSBC, Royal Bank of Canada.

Задача AutoHotkey (AHK), как можно понять из названия, — облегчить и автоматизировать использование горячих клавиш в Windows. Также язык сценариев с открытым кодом позволяет создавать макросы.

Вредоносная программа на AutoHotkey распространяется посредством Excel-файла, который копирует в систему и запускает на выполнение скрипт «adb.ahk». Также загрузчик обеспечивает укрепление вредоноса в системе жертвы.

Если потребуется, даунлоадер загрузит дополнительные AHK-скрипты с командных серверов (C&C), которые располагаются в США, Нидерландах и Швеции. Есть, кстати, одна особенность, отличающая этот вредонос, — он не получает команды от C&C напрямую, а скачивает и запускает скрипты AHK для отдельных задач.

«Используя такой подход, атакующие могут загружать специальный скрипт для выполнения той или иной задачи. Это также позволяет защитить основные составляющие вредоносной схемы от песочниц или анализа», — пишут исследователи из Trend Micro, проанализировавшие этот вредонос.

Известно, что зловред похищает учётные данные из браузеров Google Chrome, Opera, Microsoft Edge, а также отправляет SQL-запросы к базам данных интернет-обозревателей.

ФСТЭК России определилась со списком угроз для ИИ-систем

В банке данных угроз (БДУ), созданном ФСТЭК России, появился раздел о проблемах, специфичных для ИИ. Риски в отношении ИБ, связанные с качеством софта, ML-моделей и наборов обучающих данных, здесь не рассматриваются.

Угрозы нарушения конфиденциальности, целостности или доступности информации, обрабатываемой с помощью ИИ, разделены на две группы — реализуемые на этапе разработки / обучения и в ходе эксплуатации таких систем.

В инфраструктуре разработчика ИИ-систем оценки на предмет безопасности информации требуют следующие объекты:

 

Объекты, подлежащие проверке на безопасность в инфраструктуре оператора ИИ-системы:

 

Дополнительно и разработчикам, и операторам следует учитывать возможность утечки конфиденциальной информации, а также кражи, отказа либо нарушения функционирования ML-моделей.

Среди векторов возможных атак упомянуты эксплойт уязвимостей в шаблонах для ИИ, модификация промптов и конфигурации агентов, исчерпание лимита на обращения к ИИ-системе с целью вызвать отказ в обслуживании (DoS).

В комментарии для «Ведомостей» первый замдиректора ФСТЭК Виталий Лютиков пояснил, что составленный ими перечень угроз для ИИ ляжет в основу разрабатываемого стандарта по безопасной разработке ИИ-систем, который планировалась вынести на обсуждение до конца этого года.

Представленная в новом разделе БДУ детализация также поможет полагающимся на ИИ госструктурам и субъектам КИИ данных скорректировать процессы моделирования угроз к моменту вступления в силу приказа ФТЭК об усилении защиты данных в ГИС (№117, заработает с марта 2026 года).

Ужесточение требований регулятора в отношении безопасности вызвано ростом числа атак, в том числе на ИИ. В этих условиях важно учитывать не только возможности ИИ-технологий, но и сопряженные с ними риски.

RSS: Новости на портале Anti-Malware.ru