В январе 13% попыток эксплуатации Log4Shell пришлись на устройства в России

В январе 13% попыток эксплуатации Log4Shell пришлись на устройства в России

В январе 13% попыток эксплуатации Log4Shell пришлись на устройства в России

Специалисты антивирусной компании «Лаборатория Касперского» проанализировали попытки эксплуатации нашумевшей уязвимости Log4Shell на территории России. В итоге выяснилось, что в январе на устройства в нашей стране пришлось 13% от общего числа попыток сканирования.

Как отметили эксперты, за первые три недели января 2022 года продукты Kaspersky заблокировали более 30 тысяч попыток эксплуатации Log4Shell. Причём только в первые пять дней отметились 40% таких попыток.

Что касается географии атак, в этом месяце на системы в России пришлось 13% отражённых кибернападений. А с декабря «Лаборатория Касперского» с помощью своих продуктов выявила и пресекла более 154 попыток эксплуатации Log4Shell.

Плюсом продуктов Kaspersky является возможность детектирования опубликованных демонстрационных эксплойтов (PoC), а также защита от использования CVE-2021-44228  и CVE-2021-45046 в атаках. По словам специалистов, возможны следующие детекты: UMIDS:Intrusion.Generic.CVE-2021-44228 и PDM:Exploit.Win32.Generic.

Напомним, что в январе также стало известно об операциях киберпреступной группировки APT35, которая устанавливала бэкдор на устройства жертв с помощью эксплойта для Log4Shell. Также эта уязвимость стала причиной кражи данных 2 миллионов клиентов Onus из Amazon S3 bucket.

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