В МФТИ создали ML-алгоритм для выявления криптокошельков мошенников

В МФТИ создали ML-алгоритм для выявления криптокошельков мошенников

В МФТИ создали ML-алгоритм для выявления криптокошельков мошенников

Выпускник Физтеха разработал алгоритм машинного обучения, позволяющий выявить и заблокировать сибил-аккаунты, созданные мошенниками для кражи криптовалютных токенов, которые бесплатно раздают в рамках рекламных акций.

Разработка протестирована на 2,5 млн криптокошельков и показала точность обнаружения фальшивок 90% — в два раза выше аналогов, используемых в криптоиндустрии с целью защиты airdrop-кампаний от атак злоумышленников.

Для незаконного получения вознаграждений, предлагаемых при продвижении криптопроектов, мошенник может создать целую сеть фейковыз кошельков (сибил-аккантов). Подобные злоупотребления искажают метрики, провоцируют падение курса токенов и в итоге подрывают доверие к проекту.

«Мой алгоритм анализирует десятки параметров: от поведенческих паттернов и кросс-чейн-активности до сетевых связей между кошельками, — пояснил автор дипломной работы Алексей Саплин. — Это позволяет выявлять даже сложные кластеры, которые остаются незамеченными при использовании стандартных методов. Алгоритм показал точность 90%, а большинство существующих решений показывают эффективность на уровне 45–60%».

Тестирование разработки проводилось в рамках открытого конкурса, организованного Layer Zero, благодаря этому проект смог аннулировать несправедливое распределение токенов на сумму $10,2 миллиона.

Созданный Саплиным ML-алгоритм можно заточить и под другие криптопроекты; в МФТИ уже ведутся работы в этом направлении. Сам автор собирается продолжить исследования в аспирантуре и надеется, что ему в итоге удастся создать универсальный инструмент выявления мошеннических схем в различных блокчейн-экосистемах.

Психологический тест с сюрпризом: хакеры атакуют госсектор через BusySnake

Психологический тест в письме может оказаться не заботой о ментальном здоровье, а входным билетом для стилера. Эксперты «Лаборатории Касперского» обнаружили активную вредоносную кампанию, нацеленную на государственный и электроэнергетический секторы России, Казахстана и Бразилии.

По данным исследователей, за атаками может стоять ранее не упоминавшаяся группировка Armored Likho.

Злоумышленники используют новый стилер BusySnake, который крадет данные с зараженных Windows-устройств, делает скриншоты, вытаскивает пароли из браузеров и отправляет конфиденциальные файлы на командный сервер.

Основной способ заражения — фишинговые письма с архивами. Легенды меняются: где-то жертве предлагают пройти психологический тест, где-то — оформить заявку на гуманитарную помощь. Названия архивов подгоняются под тему письма, чтобы всё выглядело убедительнее.

 

После запуска содержимого на экране может открыться приложение-приманка с опросом или документ, соответствующий легенде. Пока пользователь смотрит на психологию или помощь, в фоне запускается многоэтапная цепочка загрузки, которая приводит к установке BusySnake.

Сам стилер написан на Python и уже существует в нескольких версиях. Он умеет красть данные из буфера обмена, перехватывать пароли из Firefox и Chromium-браузеров, похищать cookie через отдельный модуль и собирать файлы с устройства. В коде также предусмотрены механизмы, которые мешают обнаружению и усложняют анализ.

Любопытная деталь: загрузчики, через которые BusySnake попадает на устройство, судя по анализу кода, могли быть сгенерированы с помощью ИИ. Исследователи отмечают характерные избыточные комментарии и блоки кода.

В «Лаборатории Касперского» считают, что Armored Likho совмещает кибершпионаж против организаций с финансово мотивированными атаками на частных пользователей. Группировка развивает инструменты и встраивает в них функции, которые раньше использовала отдельно.

RSS: Новости на портале Anti-Malware.ru