Новая кибергруппа ReaverBits ворует данные российских компаний

Новая кибергруппа ReaverBits ворует данные российских компаний

Новая кибергруппа ReaverBits ворует данные российских компаний

Киберпреступная группировка, которой присвоили имя ReaverBits, рассылает вредоносные письма российским организациям, маскируя их под уведомления от различных компаний и министерств.

На активность ReaverBits обратили внимание специалисты F.A.C.C.T. Threat Intelligence. В отчёте отмечается, что группировка использует инфостилер MetaStealer — шпионский софт, позволяющий красть данные с устройств жертв.

На сегодняшний день было зафиксировано пять рассылок ReaverBits: две прошли в декабре 2023 года, ещё две — в январе 2024-го, одна — в мае текущего года.

Киберпреступников интересуют российские организации из сферы розничной торговли, телекоммуникаций и процессинга. Среди атакованных компаний встречались также агропромышленное объединение и федеральный фонд.

Как подчёркивают специалисты, ReaverBits сосредоточилась исключительно на российских организациях. Одна из излюбленных техник злоумышленников — спуфинг.

В одном из эпизодов группировка применяла лоадер LuckyDownloader, видимо, воспользовавшись услугой его автора — LuckyBogdan.

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