Эксперты создали систему видеоаналитики Privid с упором на приватность

Эксперты создали систему видеоаналитики Privid с упором на приватность

Эксперты создали систему видеоаналитики Privid с упором на приватность

В Массачусетском технологическом институте создали аналитическую систему обработки видеоданных, позволяющую поддерживать общественный порядок без навязчивой слежки. Продукт, получивший имя Privid, также помогает снизить риски в отношении злоупотреблений и утечки частных данных.

Подобную систему, по словам авторов проекта, можно использовать для мониторинга плотности транспортных и пеших потоков на дорогах, сбора статистики по ношению масок, оценки поведения покупателей в магазинах. К сожалению, в таких случаях приватность объектов наблюдения часто упускается из виду, в лучшем случае лица людей скрываются с помощью мозаики или дополнительного непрозрачного слоя.

Такой метод имеет свои недостатки: выявить соотношение театралов в масках и без, например, становится невозможным, к тому же система может ошибиться и оставить лицо неразмытым. Исследователей из MIT такое положение дел не устроило, поэтому они решили поискать альтернативу, способную гарантировать большую степень конфиденциальности материалам, получаемым с камер видеонаблюдения.

Система Privid построена на принципах дифференциальной приватности — методики, позволяющей собирать и расшаривать статистические данные без раскрытия информации, идентифицирующей личность (PII). Чтобы предотвратить деанонимизацию и утечки, продукт добавляет на выходе случайные данные в видеоматериалы. Этого шума совсем немного — ровно столько, сколько требуется для сохранения анонимности, в противном случае информация станет бесполезной.

Разработчики также предусмотрели дополнительный элемент случайности. Целевое видео разбивается на фрагменты одинаковой длительности, которые обрабатываются по отдельности, без вывода промежуточных результатов, а затем вновь соединяются.

Созданную в стенах MIT систему видеоаналитики можно использовать вместе с вошедшими в обиход глубокими нейросетями. Тестирование Privid на разных наборах данных и в различных сценариях показало точность на уровне 79-99% в сравнении с аналогами, не учитывающими приватность.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

Через вредоносные Blender-файлы распространяют инфостилер StealC V2

Исследователи обнаружили новую кампанию «с российским следом», в рамках которой злоумышленники распространяют инфостилер StealC V2 через вредоносные файлы Blender, загруженные на крупные 3D-маркетплейсы вроде CGTrader. Blender позволяет выполнять Python-скрипты — они используются для автоматизации, кастомных панелей, ригов и аддонов.

Если у пользователя включена функция Auto Run, скрипты запускаются автоматически при открытии файла. Этим и пользуются атакующие: многие художники и моделлеры включают Auto Run ради удобства.

Специалисты Morphisec заметили, что вредоносные .blend-файлы содержат встроенный Python-код, который загружает лоадер с домена в Cloudflare Workers.

 

Далее загрузчик скачивает PowerShell-скрипт, который подтягивает два ZIP-архива — ZalypaGyliveraV1 и BLENDERX — с IP-адресов, контролируемых злоумышленниками.

Архивы распаковываются во временную папку, откуда создают LNK-файлы в автозагрузке для постоянства. Затем жертве подсовываются два компонента: основной инфостилер StealC и вспомогательный Python-стилер для подстраховки.

 

По данным Morphisec, атакующие используют последнюю версия второго поколения StealC — того самого, который ранее изучала Zscaler. Новый StealC заметно расширил функции:

  • крадёт данные из 23+ браузеров и поддерживает расшифровку паролей на стороне сервера, включая Chrome 132+;
  • поддерживает свыше 100 расширений криптокошельков и более 15 отдельных приложений;
  • ворует данные мессенджеров (Telegram, Discord, Tox, Pidgin), VPN-клиентов (ProtonVPN, OpenVPN) и почтовых программ, включая Thunderbird;
  • оснащён обновлённым механизмом обхода UAC.

При этом свежие версии StealC по-прежнему почти не детектируются антивирусами: Morphisec отмечает, что образец, который они изучали, не был распознан ни одним движком на VirusTotal.

Атака опасна тем, что 3D-маркетплейсы не могут проверять встроенный в файлы код. Художникам, аниматорам и моделлерам рекомендуется:

  • отключить автоматический запуск Python-скриптов: Blender → Edit → Preferences → снять галочку с Auto Run Python Scripts;
  • относиться к 3D-ассетам как к потенциально исполняемому коду;
  • скачивать файлы только у надёжных авторов или тестировать их в песочнице.

Злоумышленники явно ориентируются на профессиональное сообщество 3D-контента — и такая схема может оказаться особенно опасной для студий и фрилансеров, которые работают с большим количеством моделей из внешних источников.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru