Злодеи выкрали токены сотрудников Slack, добрались до репозиториев кода

Злодеи выкрали токены сотрудников Slack, добрались до репозиториев кода

Злодеи выкрали токены сотрудников Slack, добрались до репозиториев кода

Владельцы корпоративного мессенджера Slack сообщили о киберинциденте, в ходе которого злоумышленникам удалось утащить содержимое ряда частных репозиториев исходного кода. В компании подчеркнули, что взлом никак не затронул клиентов.

В официальном уведомлении Slack разработчики пишут следующее:

«На днях нам стало известно о киберинциденте, в ходе которого третьи лица получили несанкционированный доступ к ряду репозиториев кода Slack. 29 декабря 2022 года мы получили уведомление о подозрительной активности в нашем GitHub-аккаунте».

«Внутреннее расследование установило, что злоумышленники смогли добраться до токенов сотрудников. Именно эти токены и использовались для доступа к нашим репозиториям. Также мы выяснили, что киберпреступники выкрали данные 27 декабря».

В Slack отметили, что основная кодовая база осталась нетронутой. Сразу после уведомления об инциденте компания аннулировала скомпрометированные токены и начала изучать, насколько действия злоумышленников могли затронуть клиентов.

К счастью, выяснилось, что данные клиентов, а также основные сервисы корпоративного мессенджера никак не пострадали. В ходе атаки киберпреступники не задействовали эксплойты, поскольку в системах Slack пока не было выявлено подходящей уязвимости. Расследование продолжается.

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

Челябинские ученые предложили систему защиты от сбоев промышленных систем

Чтобы защитить промышленные системы от атак и сбоев, коллектив исследователей из Южно-Уральского государственного университета (ЮУрГУ) предложил подход, основанный на принципах поведенческой аналитики. В основе решения лежит нейросеть Кохонена.

Результаты исследования российских специалистов опубликованы в сборнике International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM).

Разработанная в ЮУрГУ система работает в два этапа. Сначала она анализирует функционирование объекта в нормальном режиме и формирует эталонную модель. Затем переходит в режим мониторинга и оценивает поступающие данные, сравнивая их с полученной «нормой». При обнаружении значительных отклонений нейросеть подаёт сигнал о потенциально опасной ситуации.

Во время тестирования система правильно классифицировала 94% данных. Обучение нейросети заняло около 3,5 минут. Кроме того, решение успешно выявило действия, характерные для кибератак на промышленные объекты.

Разработчики планируют повысить точность модели и расширить её возможности для распознавания различных, в том числе сложных, сценариев атак.

«Ключевое преимущество нашего подхода — использование нейросети Кохонена, которая способна работать с большими массивами данных, когда показателей много и они тесно взаимосвязаны. Классические алгоритмы часто не справляются с такими объёмами и сложностью», — рассказал РИА Новости заведующий кафедрой «Защита информации» ЮУрГУ Александр Соколов.

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