Майнеры составляют четверть всех зловредов в российских госорганизациях

Майнеры составляют четверть всех зловредов в российских госорганизациях

Майнеры составляют четверть всех зловредов в российских госорганизациях

Количество случаев заражения криптомайнерами в государственных организациях в IV квартале 2024 года увеличилось на 9% и составило четверть от общего числа выявленных вредоносных программ.

Высокий уровень распространения таких угроз связывают с нехваткой финансирования и квалифицированных специалистов.

Как сообщили «Коммерсанту» в ГК «Солар», на долю майнеров пришлось 27% всех зарегистрированных случаев заражения вредоносными программами в российских госструктурах за последний квартал 2024 года, что на 9% больше по сравнению с III кварталом.

По словам технического директора центра исследования киберугроз Solar 4RAYS Алексея Вишнякова, наиболее сложная ситуация наблюдается в образовательных и медицинских учреждениях.

В коммерческом секторе доля майнеров значительно ниже. Так, в телекоммуникационных компаниях на них приходится лишь 2% от общего количества вредоносных программ, а в пищевой промышленности — 11%.

Директор департамента расследований T.Hunter Игорь Бедеров связывает ситуацию с кадровым дефицитом и недостаточным финансированием госструктур, что делает их уязвимыми для киберпреступников. Кроме того, на распространение майнеров влияет ситуация на криптовалютном рынке.

«В 2022 году, на фоне падения рынка, интерес к криптоджекингу снизился на 15%, и хакеры переключились на использование шифровальщиков. Однако к концу 2024 года, с ростом стоимости криптовалют, активность майнеров вновь увеличилась, поскольку возросла рентабельность скрытого майнинга», — отметил Бедеров.

Эксперты, опрошенные «Коммерсантом», считают, что основным способом проникновения вредоносных программ в ИТ-инфраструктуру является фишинг. Также распространены заражения через поддельные обновления программного обеспечения и использование нелицензионных программ со встроенными вредоносными элементами.

Эксперт по кибербезопасности «Лаборатории Касперского» Дмитрий Кондратьев также указал на рост атак на цепочки поставок, при которых злоумышленники встраивают вредоносный код в легитимные продукты.

Современные криптомайнеры активно применяют методы маскировки, позволяющие скрывать их деятельность. Они всё чаще становятся бестелесными, не оставляя явных следов в системе. Кроме того, хакеры могут изменять конфигурацию заражённых систем, снижая их уровень защищённости.

Эксперты предупреждают, что наличие криптомайнера в сети может свидетельствовать о более серьёзном компрометации инфраструктуры. Так, в 2020 году была выявлена кибершпионская группировка, которая использовала маскировку под майнеры для сокрытия реальных целей атак.

ИИ экономит 11 часов в неделю, но 6 из них уходят на присмотр за ботом

Искусственный интеллект попал в неудобную статистику. Новое исследование Work AI Institute показало, что сотрудники действительно экономят время благодаря ИИ — в среднем около 11 часов в неделю. Но есть нюанс: более шести часов из этой экономии приходится тратить на проверку, исправление и контроль работы самого ИИ.

Исследование охватило 6000 офисных сотрудников из США, Великобритании и Австралии.

Опрос показал, что 75% работников заметили рост личной продуктивности после внедрения ИИ-инструментов. Однако только 13% компаний сообщили о заметном росте бизнеса благодаря этим технологиям.

 

Получается любопытный парадокс. Формально сотрудники работают быстрее, но бизнес почему-то не получает сопоставимой выгоды.

По словам профессора Калифорнийского университета Пола Леонарди, многие недооценивают объём скрытой работы, которая появляется вместе с ИИ. Нужно собирать данные, подготавливать контекст, перепроверять ответы чат-ботов, искать ошибки и дорабатывать результаты вручную.

Фактически современные сотрудники всё чаще выступают не исполнителями, а менеджерами собственных цифровых помощников.

Согласно исследованию, 37% времени взаимодействия с ИИ уходит непосредственно на работу с ботами, а ещё 36% — на применение полученных результатов в реальных задачах. Более того, 41% опрошенных признались, что не могут объяснить, каким образом ИИ пришёл к своим выводам.

Авторы приводят показательный пример. Молодой разработчик перед уходом домой интегрировал в проект тысячи строк кода, сгенерированного ИИ. После этого система перестала работать, а разбираться в причинах пришлось старшему инженеру. Сам автор изменений не смог объяснить, что именно сделал искусственный интеллект.

RSS: Новости на портале Anti-Malware.ru