Операторы просят уменьшить штрафы за серые сим-карты

Операторы просят уменьшить штрафы за серые сим-карты

Операторы просят уменьшить штрафы за серые сим-карты

Игроки рынка сотовой связи написали в Госдуму. “Ростелеком”, МТС, “МегаФон”, Tele2 и “Вымпелком” с просьбой не вводить крупные штрафы за “серые сим-карты”. Поправки в закон “О связи” сейчас дорабатывает Минцифры.

С письмом “большой пятерки” председателю комитета Госдумы по госстроительству Павлу Крашенинникову ознакомился “Ъ”. Компании просят пересмотреть поправки к Кодексу об административных правонарушениях (КоАП). Их внесли еще в мае 2017 года и приняли в первом чтении в октябре прошлого года. Сейчас документ готовится ко второму чтению.

Поправки к закону “О связи” обязывают бизнес регистрировать данные о конечных пользователях в единой системе идентификации и аутентификации (ЕСИА) портала госуслуг. Компании могут оказывать услуги только абонентам, которые прошли идентификацию. Закон также предусматривает возможность покупки сим-карт через интернет с помощью простой электронной подписи при верифицировании пользователя через ЕСИА или Единую биометрическую систему (ЕБС).

Документ вводит штрафы в 200–300 тыс. руб. для операторов, нарушивших правила продажи сим-карт через интернет. Если оператор не отключил от услуг связи корпоративных клиентов, не прошедших ЕСИА, его оштрафуют на 300–500 тыс. руб.

Операторы в письме утверждают, что эти суммы в десять раз больше, чем ответственность за похожие административные нарушения и просят снизить их размер в период экономического кризиса.

В Tele2 подчеркивают, что повышенная административная нагрузка в условиях санкций препятствует развитию рынка мобильной связи. Нововведение повлечет за собой ухудшение клиентского опыта и замедлит развитие отрасли, согласны в “МегаФоне”. В “Вымпелкоме” считают введение штрафов преждевременным, потому что еще не утвержден порядок предоставления данных о корпоративных абонентах операторами Роскомнадзору. 

В комитете Госдумы по госстроительству отказались от комментариев.

Сейчас за такое нарушение операторов могут оштрафовать по статье о несоблюдении лицензионных требований на сумму 40 тыс. руб., то есть ответственность действительно вырастает примерно на порядок, уточняет преподаватель Moscow Digital School Никита Данилов.

Эксперт отмечает, что формально штраф может быть выписан за каждый факт продажи сим-карты с нарушением, а это потенциально может привести к многомиллиардным штрафам.

При этом для самих корпоративных клиентов операторов предусматривается штраф за невнесение данных в ЕСИА в размере до 70 тыс. руб., уточнил Данилов.

Партнер BGP Litigation Александр Панов считает размер штрафов оправданным. Он указывает на всплеск телефонного мошенничества и полагает, что меры как раз нацелены “на защиту граждан от злоупотреблений со стороны операторов и третьих лиц”.

Операторы будут перекладывать суммы этих штрафов на своих корпоративных абонентов, а те — на сотрудников, что не прошли идентификацию, предполагает управляющий партнер юридической компании ЭБР Александр Журавлев.

В то же время гендиректор «ТМТКонсалтинга» Константин Анкилов полагает, что через крупные штрафы государство фактически перекладывает ответственность за соблюдение закона о серых сим-картах на операторов, поскольку “ему проще работать с четырьмя крупными компаниями, чем с тысячами юрлиц”.

Positive Technologies научила ИИ замечать подозрительные сценарии в коде

Positive Technologies сообщила о разработке нейросети MOLOT, предназначенной для поиска вредоносного кода в проектах на Python, JavaScript и TypeScript. Технология уже используется в составе анализатора исходного кода PT Application Inspector версии 6.0.

В отличие от традиционных инструментов статического анализа, которые ищут опасные конструкции по заранее заданным правилам, новая модель анализирует последовательность действий, выполняемых программой.

Нейросеть оценивает не отдельные фрагменты кода, а их совокупность и пытается определить, формируют ли они подозрительный сценарий.

Проблема, которую пытаются решить разработчики, связана с так называемым намеренно внедрённым вредоносным кодом. В отличие от обычных уязвимостей, такой код не содержит ошибок, которые можно эксплуатировать извне. Он работает как легитимная часть приложения и использует те же права доступа, что и остальная программа.

 

По словам специалистов, именно поэтому многие подобные закладки остаются незамеченными при стандартных проверках безопасности.

Отдельные действия вредоносного кода сами по себе обычно не вызывают подозрений. Чтение файла, обращение к сети, шифрование данных или запуск процесса встречаются в тысячах обычных приложений. Однако если программа, например, считывает логины и пароли, кодирует их и затем отправляет на внешний сервер, такая последовательность уже может указывать на вредоносную активность.

 

Для анализа MOLOT строит цепочку действий программы — обращений к файлам, сетевых запросов, запуска процессов, использования криптографических функций и других операций. Затем эта последовательность передаётся в нейросеть, которая обучена отличать типичные сценарии работы приложений от поведения, характерного для вредоносного кода.

В компании утверждают, что тестирование проводилось на вредоносных пакетах из репозиториев PyPI и npm. По словам разработчиков, в ряде тестов модель показала более высокую точность по сравнению с существующими аналогами с открытым исходным кодом.

Одной из особенностей системы стала возможность объяснять свои выводы. Помимо самого вердикта нейросеть показывает строки кода, которые повлияли на решение. Это позволяет специалисту быстро перейти к подозрительному фрагменту и самостоятельно проверить результаты анализа.

Интерес к подобным инструментам растёт на фоне увеличения числа атак через цепочки поставок ПО, вредоносные пакеты в публичных репозиториях и распространения ИИ-инструментов для генерации программного кода.

RSS: Новости на портале Anti-Malware.ru