Троян Emotet удесятерил спам-активность и начал атаковать 64-битные системы

Троян Emotet удесятерил спам-активность и начал атаковать 64-битные системы

Троян Emotet удесятерил спам-активность и начал атаковать 64-битные системы

Ботоводы Emotet продолжают наращивать боевой потенциал за счет вредоносных рассылок. В феврале защитные решения «Лаборатории Касперского» заблокировали около 3 тыс. спам-писем, сгенерированных трояном, в марте количество таких посланий увеличилось до 30 тысяч. Чтобы повысить процент заражений, зловреду были приданы 64-битные модули (ранее он атаковал только 32-битные системы).

Бот-сеть Emotet, поверженная дружными усилиями восьми стран, начала возрождаться в конце прошлого года. За четыре месяца лежащий в ее основе троян сумел проникнуть на 130 тыс. компьютеров и до сих пор продолжает активно рассылать себя в спаме.

Согласно наблюдениям Kaspersky, за месяц число вредоносных писем, исходящих с данного ботнета, возросло в десять раз. Поддельные сообщения, как правило, имели форму ответа на отправленное жертвой письмо и были снабжены вложением или ссылкой на легитимный веб-сервис. Рассылки производились на 10 языках, включая русский; их целью являлся засев Emotet либо Qbot.

В Check Point тоже заметили резкий рост активности Emotet. Составляя мартовский рейтинг зловредов по этому показателю, эксперты поставили трояна на верхнюю ступень пьедестала.

А ИБ-команда Cryptolaemus, следящая за ходом событий на ботнете, зафиксировала появление новых, 64-битных модулей Emotet — для загрузки дополнительных файлов и для кражи данных.

Стоит оговориться, что эти исследователи различают несколько ботнетов на основе данного зловреда — их называют Epoch, присовокупляя порядковый номер. Так, Epoch 4, на котором 19 апреля были обнаружены 64-битные версии загрузчика и инфостилера Emotet, обычно используется для тестирования нововведений. Через день новый загрузчик появился в инфраструктуре Epoch 5 (через апдейт).

Примечательно, что после обновления Emotet уровень его детектирования упал на 60%, а потом начал повышаться. По состоянию на 11 утра 20 апреля результаты на VirusTotal для Epoch 4 и 5 примерно одинаковы — 18 из 68 в первом случае, 18 из 61 во втором.

ИИ научился выявлять депрессию по голосовым сообщениям в WhatsApp

Учёные показали, что депрессию можно распознать буквально «по голосу» — и для этого не нужны ни долгие опросники, ни визит к врачу. Достаточно короткого голосового сообщения в WhatsApp (принадлежит Meta, признанной экстремистской и запрещенной в России).

Исследователи из Медицинской школы Санта-Каса-де-Сан-Паулу и компании Infinity Doctors разработали медицинскую языковую модель, которая с высокой точностью определяет наличие депрессивного расстройства по аудиосообщениям.

Результаты работы опубликованы 21 января 2026 года в открытом журнале PLOS Mental Health.

В эксперименте модель анализировала короткие голосовые сообщения, где участники просто рассказывали, как прошла их неделя. И результат оказался неожиданным: у женщин с диагностированной депрессией точность распознавания превысила 91%.

Это один из лучших показателей среди подобных исследований, особенно с учётом того, что речь идёт о бытовых сообщениях, а не специально записанных медицинских интервью.

Для обучения и тестирования использовались два набора данных с WhatsApp-аудио от носителей португальского. В них вошли записи пациентов с подтверждённым диагнозом «большое депрессивное расстройство» и контрольной группы без депрессии.

Часть сообщений была максимально простой — участникам предлагали досчитать от одного до десяти, другая часть — более естественной: свободный рассказ о прошедшей неделе.

Лучше всего модель справлялась именно со «спонтанной речью». У мужчин точность в этом же сценарии оказалась ниже — около 75%, что авторы связывают с меньшим числом мужских голосов в обучающей выборке и возможными различиями в речевых паттернах. При анализе простого счёта до десяти разница между полами почти исчезала: точность составляла около 80% у женщин и чуть меньше у мужчин.

По словам авторов, модель улавливает тонкие акустические признаки — темп речи, интонации, паузы, — которые сложно заметить человеку, но хорошо видит машинное обучение. И главное — всё это происходит в привычном для людей формате повседневного общения.

Исследователи считают, что при дальнейшем развитии технология может лечь в основу недорогих и удобных инструментов раннего скрининга депрессии, не требующих сложных процедур и не нарушающих повседневные привычки пользователей.

Как отметил старший автор исследования Лукас Маркес, «незаметные акустические особенности обычных голосовых сообщений могут с неожиданной точностью указывать на депрессивные состояния».

Напомним, в недавнем исследовании метаданные WhatsApp показали: мы плохо понимаем, как ведём себя в чатах.

RSS: Новости на портале Anti-Malware.ru