Зловреды чаще атаковали пищевую отрасль, транспорт и здравоохранение

Зловреды чаще атаковали пищевую отрасль, транспорт и здравоохранение

Зловреды чаще атаковали пищевую отрасль, транспорт и здравоохранение

По данным Solar JSOC за 2024 год, более половины атак на предприятия пищевой промышленности, транспорта и здравоохранения были связаны с использованием вредоносных программ. Для ИТ-компаний основную угрозу представляют попытки компрометации учетных записей, а в финансовом секторе преобладают сетевые атаки.

Всего Solar JSOC зафиксировал 31 тысячу атак, каждая из которых была подтверждена заказчиками. Наибольшая активность злоумышленников пришлась на конец года, что повторяет тенденцию 2023 года. Однако доля критичных инцидентов выросла — с 2% в 2023 году до 5% в 2024 году.

Самые уязвимые отрасли

В 2024 году чаще всего подвергался атакам государственный сектор, на который пришлось 55% всех инцидентов. Финансовые организации столкнулись с 18% атак, а транспортная отрасль — с 16%.

Использование зловредных программ в различных сферах:

  • Транспорт — в 86% атак злоумышленники применяли вредоносные программы.
  • Здравоохранение — 70% атак связано с заражением систем.
  • Пищевая промышленность — 55% атак пришлось на использование зловредного кода.

Ключевые угрозы в разных сферах

Для госсектора, финансовой отрасли и ИТ-компаний характерны иные типы атак.

  • ИТ-компании в 29% случаев сталкивались с компрометацией учетных записей. Злоумышленники используют уязвимости подрядчиков, чтобы проникнуть в сети крупных организаций. Получив доступ, атакующие могут использовать учетные данные подрядчиков для проникновения в критически важные сегменты инфраструктуры заказчиков.
  • В финансовом секторе уровень защиты от базовых угроз выше, чем в других отраслях, поэтому атаки с зловредными программами здесь занимают лишь третье место. Однако банки становятся целью высококвалифицированных злоумышленников, которые реализуют сложные целевые атаки.
  • Основными угрозами для финансовых организаций в 2024 году стали сетевые атаки и эксплуатация уязвимостей. Чаще всего фиксировались случаи несанкционированного внутреннего сканирования, когда злоумышленники изучали инфраструктуру жертвы. Уязвимости использовались на всех этапах атак, от проникновения до закрепления в сети.

Почему промышленность и здравоохранение остаются уязвимыми?

«В вопросах кибербезопасности транспорт, здравоохранение и промышленность регулируются слабее, чем, например, финансовый сектор. Компании этих отраслей часто ограничиваются базовыми средствами защиты и не всегда внедряют полноценные процессы управления уязвимостями. Кроме того, их инфраструктура распределена, и в ней могут оставаться неучтенные ИТ-активы, не попадающие в поле зрения служб информационной безопасности», — объясняет Евгения Хамракулова, руководитель направления по развитию бизнеса Solar JSOC.

Злоумышленники используют такие неучтенные системы для развертывания вредоносных программ. Например, на зараженных устройствах может запускаться майнинг криптовалют или формирование ботнетов. Организации здравоохранения нередко сталкиваются с программами-стилерами, которые похищают конфиденциальные данные, впоследствии используемые в новых атаках.

Подпишитесь на новости

Роскомнадзор встроил машинное обучение в систему фильтрации трафика

Роскомнадзор внедрил механизм фильтрации интернет-трафика на основе машинного обучения и потратил на него 2,27 млрд рублей. Это следует из паспорта ведомственной программы цифровой трансформации на 2026-2028 годы. В документе указано, что РКН использует отечественную модель, развернутую на собственной инфраструктуре.

Ее название не раскрывается, большая языковая модель в системе не применяется.

С паспортом программы ознакомился Forbes. Механизм встроен в автоматизированную систему обеспечения безопасности российского сегмента интернета (АСБИ).

Через нее Роскомнадзор управляет ТСПУ, оборудованием для фильтрации трафика на сетях операторов связи. На установку новых и модернизацию действующих ТСПУ в 2026 году заложено 3,99 млрд рублей основного финансирования и еще 6,2 млрд рублей дополнительного.

О планах использовать ИИ для фильтрации стало известно в январе. В мае ведомство собиралось взять для этого модель Astra AI от «Группы Астра».

VPN в описании механизма прямо не упоминается. Дмитрий Кутейников из RKS Global считает, что модель может оценивать вероятность использования VPN по внешним признакам, например по размеру и ритму пакетов или длительности сессии, без чтения содержимого. По его словам, под ошибочную блокировку могут попасть корпоративные VPN и облачные сервисы.

RSS: Новости на портале Anti-Malware.ru