К 2031 году убытки от программ-вымогателей составят свыше $265 млрд

К 2031 году убытки от программ-вымогателей составят свыше $265 млрд

К 2031 году убытки от программ-вымогателей составят свыше $265 млрд

В ближайшие десять лет убытки от кибератак программ-вымогателей достигнуть цифры 265 миллиардов долларов. К такому выводу пришли исследователи из компании Ventures, представившие свои прогнозы в новом отчёте.

Уже сегодня вымогатели (шифровальщики, ransomware) — наиболее опасный с точки зрения урона вид вредоносных программ. Что ещё хуже — это ещё и самый популярный класс вредоносов. Теперь организации не только теряют доступ к файлам, но ещё и рискуют публикацией конфиденциальной информации на форуме киберпреступников.

Одними из наиболее опасных группировок, проводящих атаки с использованием программ-вымогателей, можно назвать Maze, Nefilim, Clop и DarkSide. Последняя, например, провела кампанию против Colonial Pipeline.

Учитывая опасность ransomware, специалисты компании Ventures решили просчитать, насколько вырастут убытки от подобных атак. В результате эксперты пришли к выводу, что сумма ущерба от действий программ-вымогателей возрастёт до $265 миллиаров к 2031 году.

Исследователи учитывали, что операторы шифровальщиков атакуют как крупные корпорации, так и обычных пользователей. Причём очередная атака этого класса вредоносных программ происходит каждые несколько секунд.

А пока мы имеем следующую картину: в этом году ожидается, что ransomware приведут к потерям в размере 20 миллионов долларов. С 2015 года эта сумма выросла в 57 раз.

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