GitHub предупредил организации о краже OAuth-тоекнов и утечке данных

GitHub предупредил организации о краже OAuth-тоекнов и утечке данных

GitHub предупредил организации о краже OAuth-тоекнов и утечке данных

Сервис GitHub, обеспечивающий хостинг для ИТ-проектов, сообщил о неизвестном киберпреступнике или группе киберпреступников, которые используют украденные OAuth-токены для загрузки внутренних данных ряда организаций.

Как известно, токены доступа OAuth часто используются приложениями и веб-сервисами для доступа к определённым данным и взаимодействия друг с другом без необходимости передавать учётные данные.

«Атакующие использовали пользовательские OAuth-токены, которые были выпущены для двух сторонних интеграторов — Heroku и Travis-CI. С их помощью злоумышленники загружают данные десятков организаций», — пишет Майк Хенли, специалист GitHub.

На 15 апреля список затронутых OAuth-приложений выглядел так:

  • Heroku Dashboard (ID: 145909);
  • Heroku Dashboard (ID: 628778);
  • Heroku Dashboard – Preview (ID: 313468);
  • Heroku Dashboard – Classic (ID: 363831);
  • Travis CI (ID: 9216).

В GitHub уточнили, что киберпреступники получили токены не в результате взлома систем компании, поскольку хостер ИТ-проектов не хранит их в пригодных для использования форматах. Помимо этого, Хенли отметил, что злоумышленники могут анализировать контент закрытых репозиториев.

Напомним, что на прошлой неделе GitHub начал блокировать аккаунты российских разработчиков и компаний, что уже затронуло крупные кредитные организации «Сбер», «Альфа-банк» и другие.

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