Новый Linux-вредонос PyLoose майнит крипту прямо из памяти

Новый Linux-вредонос PyLoose майнит крипту прямо из памяти

Новый Linux-вредонос PyLoose майнит крипту прямо из памяти

PyLoose — новый бесфайловый вредонос, атакующий облачные системы с целью использовать чужие вычислительные ресурсы для майнинга цифровой валюты. Операторы зловреда охотятся за Monero.

PyLoose представляет собой относительно простой Python-скрипт с предварительно скомпилированным зашифрованным base64 майнером XMRig.

Как отметили исследователи из Wiz, изучившие новую киберугрозу, PyLoose очень сложно детектировать. Вредоносная программа действует максимально незаметно именно благодаря принципу своего выполнения — напрямую из памяти.

Стоит также помнить, что бесфайловые зловреды не оставляют следов на системных дисках, так что сигнатурный детект здесь практически бесполезен. Специалисты Wiz впервые зафиксировали атаки PyLoose 22 июня 2023 года, и с тех пор они отметили как минимум 200 случаев заражения.

«Насколько нам известно, это первый задокументированный бесфайловый Python-вредонос, атакующий облачные системы. Мы собрали доказательства около 200 случаев удачных атак, результатом которых стала вредоносная добыча криптовалюты», — гласит отчет Wiz.

Операторы PyLoose используют GET-запрос по HTTPS, который фетчит бесфайловый пейлоад с похожего на Pastebin ресурса — «paste.c-net.org». После этого вредонос загружается непосредственно в память. Майнер XMRig тоже выполняется в памяти с помощью Linux-утилиты «memfd».

Эксперты пока не могут сказать, какая именно кибергруппа стоит за распространением PyLoose.

Cloud.ru представила фильтр, скрывающий конфиденциальные данные от ИИ

На конференции GoCloud 2026 компания Cloud.ru анонсировала Guardrails Filter — инструмент для более безопасной работы с генеративным ИИ. Его задача довольно понятная: не дать конфиденциальным данным случайно утечь в большую языковую модель.

Схема работы выглядит так: сервис проверяет текст запроса, ищет в нём конфиденциальные данные — например, персональные сведения, банковские реквизиты, API-ключи и другие секреты, — затем маскирует их и только после этого отправляет обезличенный запрос в модель. Когда модель возвращает ответ, система подставляет реальные значения обратно.

Иначе говоря, пользователь получает нормальный результат, но сами чувствительные данные не уходят за пределы корпоративного контура в исходном виде.

Сейчас инструмент рассчитан на работу с моделями из сервиса Cloud.ru Foundation Models. В этой платформе доступно более 20 моделей разных типов, включая text-to-text, audio-to-text и image-text-to-text. При этом Cloud.ru отдельно уточняет, что механизм фильтрации будет доступен и в формате on-premise, то есть для установки на стороне самого заказчика.

Появление такого инструмента хорошо вписывается в общий тренд: компании всё активнее используют генеративный ИИ, но тема утечек данных остаётся одной из главных причин, почему внедрение идёт не так быстро, как хотелось бы. Особенно это чувствительно для отраслей, где много персональной и служебной информации, — например, для здравоохранения, ретейла и госсектора.

Кроме того, Cloud.ru сообщила, что добавила в Foundation Models LLM-модель российской компании HiveTrace с Guardrails-механизмом. По заявлению компании, такая модель должна лучше справляться с рисками вроде промпт-инъекций, утечки системных инструкций и некорректной обработки выходных данных.

RSS: Новости на портале Anti-Malware.ru