Фальшивые «девушки» в Telegram втягивают в криптоскам

 Фальшивые «девушки» в Telegram втягивают в криптоскам

 Фальшивые «девушки» в Telegram втягивают в криптоскам

Мошенники придумали новую схему: знакомятся с жертвами под видом девушек и втягивают их в криптоаферу через телеграм-ботов. Чаще всего такие «знакомства» начинаются на сайтах для общения или в тематических телеграм-ботах. Девушки из анкет якобы «успешны, независимы и ищут интересного собеседника».

Чтобы казаться настоящими, мошенники используют заранее заготовленные аудио и видео, записанные настоящими людьми.

Выявить фейковую анкету можно по ряду признаков: возраст — чаще всего 23–27 лет, общие фразы в описании («люблю путешествовать, фильмы, ЗОЖ»), качественные фотографии, город — обычно средний по размерам (от 200 до 600 тысяч жителей).

Иногда указывается профессия — трейдер, но не всегда. После публикации анкеты исполнителям советуют поставить пару лайков и ждать, когда жертва напишет первой.

Переписка начинается с лёгкого флирта, пересылаются голосовые сообщения и «кружочки» — короткие видео. Это может длиться от пары часов до нескольких дней. Задача — вызвать доверие и интерес. В какой-то момент «девушка» упоминает, что сделала дорогую покупку или помогла семье. Когда жертва интересуется, откуда деньги — она говорит, что давно занимается криптотрейдингом и может научить.

Далее жертве присылают ссылку на телеграм-бот якобы для торговли криптой. «Девушка» подсказывает, как «ставить»: например, выбрать TRON, 30 секунд, ставка 2000 ₽, вниз. Всё выглядит так, будто деньги растут прямо на глазах. Но когда человек пытается их вывести, возникают «технические ошибки». Тогда «техподдержка» (тоже мошенники) просит внести ещё немного — чтобы якобы разблокировать вывод.

Есть и другой вариант. «Девушка» говорит, что её доступ к боту заблокировали, и просит «помочь»: зарегистрироваться и по её просьбе выполнить пару действий. Обещает пополнить счёт сама. Жертва, думая, что ничем не рискует, соглашается. В результате снова втягивается в подставную торговлю. Деньги якобы растут, появляется фейковый чек, но на самом деле всё это — постановка. При попытке действовать самостоятельно пользователь просто теряет свои деньги.

Схемы такого рода используют как минимум шесть крупных группировок. Только за первую половину 2024 года они выманили у россиян больше 40 миллионов рублей.

Такие схемы стали сложнее: мошенники используют нейросети, чтобы поддерживать реалистичную переписку, добавляют в общение шутки, флирт и терпеливо подстраиваются под поведение жертвы. Всё это маскирует суть обмана, но не отменяет факта: это обычное мошенничество, и лучше держаться от него подальше.

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

Российские учёные ускорили обучение нейросетей в распределённых системах

Российские исследователи из Центра практического искусственного интеллекта Сбербанка и МФТИ предложили метод, который помогает снизить нагрузку на вычислительные ресурсы и ускорить обучение нейросетей в распределённых системах. Работа «Ускоренные методы со сжатыми коммуникациями для гомогенных задач распределённой оптимизации» будет представлена на международной конференции AAAI’25.

Сейчас крупные нейросети содержат миллиарды параметров, и для их обучения часто используют распределённые системы: данные разделяют между тысячами машин.

Однако в таких условиях значительная часть времени уходит на обмен информацией между устройствами, и при неэффективной передаче данных обучение может идти медленнее, чем в централизованном варианте.

Предложенный метод уменьшает количество обменов данными между устройствами, используя гомогенность локальных выборок и сжатие передаваемой информации. Это позволяет синхронизироваться реже и пересылать меньше данных без потери качества модели. Такой подход особенно полезен, если пропускная способность сети ограничена, а задержки мешают быстрому обучению.

По словам Глеба Гусева, директора Центра практического искусственного интеллекта Сбербанка, ключевая задача разработки — снизить коммуникационные издержки. Использование похожести данных и методов сжатия даёт возможность ускорить обучение и уменьшить энергозатраты.

Александр Безносиков, доцент МФТИ, отметил, что в алгоритме объединили ускорение, сжатие и учёт схожести данных. Это позволило добиться рекордно низкой коммуникационной сложности и при правильных настройках значительно сократить время обучения без потери точности — что важно для внедрения ИИ в системах с ограниченными ресурсами, включая сети с edge-устройствами.

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