Доля звонков россиянам от роботов-мошенников выросла до 90%

Доля звонков россиянам от роботов-мошенников выросла до 90%

Доля звонков россиянам от роботов-мошенников выросла до 90%

По данным кредитных организаций, телефонные мошенники стали чаще использовать в прозвонах роботов, что легко объяснить дешевизной и большим охватом. Доля таких звонков доходит до 90%, заявили представители банков.

Успех таких схем кроется в том, что условную жертву легко ввести в заблуждение, поскольку кредитные организации всё чаще используют голосовых помощников. Таким образом, роботизация служит не только благим целям, но и способствует более эффективной преступной деятельности.

Представители банков считают, что остановить мошенничество можно лишь комплексными мерами, среди которых будут, безусловно, изменения в законодательстве. При этом Банк России и Минцифры считают, что достаточно просто повышать общий уровень финансовой грамотности населения.

Как сообщил изданию «КоммерсантЪ» один из самых популярных российских банков, девять из десяти телефонных атак сегодня используют методы социальной инженерии, чтобы выудить у клиентов банков деньги. Также аналитики отметили возросшее число жалоб на звонки роботов, которые теперь составляют приблизительно половину таких инцидентов.

Специалисты считают, что повальное внедрение и использование голосовых ассистентов в значительной степени поспособствовало росту атак с использованием ботов. Евгений Царев, управляющий RTM Group, отметил, что роботы увеличивают охват жертв и при этом снижают стоимость самой атаки.

Также есть забавный момент статистики: оказалось, что звонкам роботов население доверяет больше. В итоге мошеннику остаётся только записать необходимую последовательность фраз, после чего можно обзванивать клиентов российских банков.

Эксперт компании «Газинформсервис» Григорий Ковшов рассказал, как понять, что вам звонит робот, запрограммированный мошенниками:

«Сегодня роботов-помощников подключают к процессу клиентского обслуживания практически все крупные банки. Злоумышленники постоянно отслеживают тренды и делают корректировки в своих схемах, опираясь на современные технологии. В целом нет большой разницы говорите вы с мошенником или роботом, запрограммированным злоумышленниками, их можно распознать по определенным признакам.

Во-первых, звонящий требует от вас принятия каких-либо быстрых решений. Во-вторых, он чрезмерно настойчив. В-третьих, собеседник проявляет повышенный интерес к вашим персональным данным».

В ИИ-приложениях почти каждая третья уязвимость оказалась высокорисковой

ИИ-приложения снова напоминают: если к обычному веб-сервису прикрутить большую языковую модель, магия появляется не только в презентации, но и в списке уязвимостей. По данным «Информзащиты», в 2026 году 32% уязвимостей, найденных при пентестах ИИ- и LLM-приложений, относятся к высокорисковым.

Для сравнения: по всем классам активов этот показатель составляет около 12%. То есть риск-профиль ИИ-приложений оказался в 2,7 раза выше среднего.

За второй год наблюдений пропорция не изменилась. Более того, медианный срок устранения серьёзных находок вырос с 19 дней в 2025 году до 36 дней в 2026-м.

Проблема в том, что ИИ-системы тащат за собой сразу два слоя риска. Первый — классика веба и API: аутентификация, авторизация, инъекции, секреты, обработка пользовательского ввода.

Второй — уже нейросетевой зоопарк: инъекции в промпт, утечки системного промпта, ошибки RAG-контуров, отравление данных, небезопасная обработка ответов LLM, проблемы в векторных хранилищах и отказ в обслуживании на уровне модели.

Особенно весело становится, когда модель подключают к корпоративным данным, CRM, базе знаний, API или инструментам автоматизации. В этот момент чат-бот перестаёт быть просто болталкой и получает возможность влиять на процессы. А ошибка в правах или логике вызовов превращает его в аккуратную дверь во внутренние системы.

Автоматическими сканерами всё это ловится плохо. По данным исследования, 78% команд сталкивались с тем, что такие средства пропускали критические уязвимости. Поэтому готовность полностью доверить пентесты автономным инструментам за год упала с 29% до 9%.

С устранением тоже не праздник. В 2026 году компании закрывали только 38,4% высокорисковых находок в ИИ / LLM-приложениях — это самый низкий показатель среди типов тестирования. Для API, например, он составил 77,3%.

RSS: Новости на портале Anti-Malware.ru