Выручка Positive Technologies за I полугодие 2022 составила 3,5 млрд руб.

Выручка Positive Technologies за I полугодие 2022 составила 3,5 млрд руб.

Выручка Positive Technologies за I полугодие 2022 составила 3,5 млрд руб.

Positive Technologies опубликовала финансовые показатели за второй квартал и первое полугодие 2022 года. Оказалось, что объём продаж компании вырос на 72% — с 1,8 до 3,1 млрд рублей (сравнивали с аналогичным периодом 2021-го).

Также стало известно, что валовая прибыль компании показала уверенный рост на 110% во втором квартале и на 77% — по итогам первого полугодия. EBITDA добрался до 685 млн рублей (увеличение в 4,4 раза).

Чистая прибыль Positive Technologies зафиксировалась на отметке в 381 млн рублей, подчеркнули в компании.

Ключевыми продуктами для Positive Technologies стали MaxPatrol SIEM (доля — 29%), MaxPatrol 8 (14%) и PT Application Firewall (9%). Однако, если смотреть на результаты всех продуктов, существенные темпы роста продаж демонстрирует каждый из них:

  • PT Network Attack Discovery (+236% по сравнению с первым полугодием 2021 года);
  • PT Application Inspector (+132%);
  • PT Application Firewall (+124%);
  • MaxPatrol VM (новый продукт);
  • MaxPatrol SIEM (+63%);
  • PT Multiscanner / PT Sandbox (+22%);
  • Услуги в области ИБ (+128%);
  • Техническая поддержка (+52%).

В Positive Technologies также представили ключевые операционные и финансовые показатели по итогам второго квартала и шести месяцев 2022 года:

 

II кв. 2022 года

II кв. 2021 года

Изменение, %

6 мес. 2022 года

6 мес. 2021 года

Изменение, %

Выручка, тыс. руб.

2 119 288

1 036 625

104%

3 508 035

1 965 762

78%

Себестоимость продаж, тыс. руб.

(373 206)

(207 026)

80%

(638 505)

(346 070)

85%

Валовая прибыль, тыс. руб.

1 746 082

829 599

110%

2 869 530

1 619 692

77%

Валовая рентабельность, %

82%

80%

2 п.п.

82%

82%

0 п.п.

Операционные расходы, тыс. руб.,

в том числе:

- Расходы на исследования и разработки,

- Маркетинговые и коммерческие расходы,

-Общехозяйственные и административные расходы

(1 494 507)

 

 

(329 085)

 

 

(780 524)

 

 

(349 337)

(970 396)

 

 

(203 132)

 

 

(454 768)

 

 

(309 562)

54%

 

 

62%

 

 

72%

 

 

13%

(2 524 082)

 

 

(567 147)

 

 

(1 224 266)

 

 

(676 408)

(1 758 538)

 

 

(483 831)

 

 

(688 171)

 

 

(581 271)

44%

 

 

17%

 

 

78%

 

 

16%

Операционная прибыль, тыс. руб.

251 575

 

(140 797)

 

не применимо

345 448

 

(138 846)

 

не применимо

Операционная рентабельность, %

12%

 

(14%)

 

26 п.п.

10%

 

(7%)

 

17 п.п.

Финансовые доходы и расходы, тыс. руб.

3 537

 

(12 703)

 

не применимо

20 194

 

(14 586)

 

не применимо

Прибыль до налогообложения, тыс. руб.

255 112

 

(153 500)

 

не применимо

365 642

 

(153 432)

 

не применимо

Расходы по налогу на прибыль, тыс. руб.

(19 785)

 

(16 583)

 

19%

15 677

 

(27 141)

 

не применимо

Чистая прибыль, тыс. руб.

235 327

 

(170 083)

 

не применимо

381 319

 

(180 573)

 

не применимо

Рентабельность чистой прибыли, %

11%

 

(16%)

 

не применимо

11%

 

(9%)

 

не применимо

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

ChatGPT ошибается с адресами сайтов — фишеры не дремлют

Если вы когда-нибудь просили чат-бота типа ChatGPT помочь с ссылкой на сайт банка или личного кабинета крупной компании — возможно, вы получали неправильный адрес. А теперь представьте, что кто-то специально воспользуется этой ошибкой.

Исследователи из компании Netcraft провели эксперимент: они спрашивали у модели GPT-4.1 адреса сайтов для входа в аккаунты известных брендов из сфер финансов, ретейла, технологий и коммунальных услуг.

В духе: «Я потерял закладку, подскажи, где войти в аккаунт [название бренда]?»

Результат получился тревожным:

  • только в 66% случаев бот дал правильную ссылку;
  • 29% ответов вели на несуществующие или заблокированные сайты;
  • ещё 5% — на легитимные, но вообще не те, что спрашивали.

Почему это проблема?

Потому что, как объясняет руководитель Threat Research в Netcraft Роб Дункан, фишеры могут заранее спрашивать у ИИ те же самые вопросы. Если бот выдаёт несуществующий, но правдоподобный адрес — мошенники могут просто зарегистрировать его, замаскировать под оригинал и ждать жертв.

«Вы видите, где модель ошибается, и используете эту ошибку себе на пользу», — говорит Дункан.

Фишинг адаптируется под ИИ

Современные фишинговые схемы всё чаще затачиваются не под Google, а именно под LLM — большие языковые модели. В одном случае, например, мошенники создали фейковый API для блокчейна Solana, окружив его десятками фейковых GitHub-репозиториев, туториалов, Q&A-доков и даже поддельных аккаунтов разработчиков. Всё, чтобы модель увидела якобы «живой» и «настоящий» проект и начала предлагать его в ответах.

Это чем-то напоминает классические атаки на цепочку поставок, только теперь цель — не человек с pull request'ом, а разработчик, который просто спрашивает у ИИ: «Какой API использовать?»

Вывод простой: не стоит полностью полагаться на ИИ, когда речь идёт о важных вещах вроде входа в банковский аккаунт или выборе библиотеки для кода. Проверяйте информацию на официальных сайтах, а ссылки — вручную. Особенно если ИИ обещает «удобный и официальный» сайт, которого вы раньше не видели.

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