Android 16 научится маскировать ваше местоположение в деревне

Android 16 научится маскировать ваше местоположение в деревне

Android 16 научится маскировать ваше местоположение в деревне

Многие Android-приложения просят доступ к вашей геолокации — якобы чтобы показывать более точные результаты. Но была проблема: Android выдавал одинаково «приблизительные» координаты везде — хоть в центре Москвы, хоть в деревне на сто жителей. В городе это выглядело безопасно — вокруг тысячи людей, и вы теряетесь в толпе. А вот в селе, где одна улица и три дома, даже «примерная» точка могла легко выдать вас.

Правда в том, что далеко не всем программам нужно знать, где вы находитесь с точностью до метра.

Поэтому в Android уже давно есть два уровня: Precise (точное) и Approximate (приблизительное) местоположение. Первое — для навигаторов и карт, второе — для всех остальных, кому достаточно просто знать, что вы где-то в городе.

В Android 16 появилась новая функция density-based coarse location — «приблизительное местоположение на основе плотности населения». Она работает просто: система проверяет, насколько густо заселён район, и если рядом мало людей, то делает координаты ещё более размытыми.

 

Чем меньше вокруг жителей — тем шире зона, которую Android покажет приложению. Технически за это отвечают так называемые population density providers — модули, которые определяют плотность населения в текущей точке.

 

 

Обычно их поставляет Google Play Services, но производители телефонов (особенно в Китае, где сервисы Google недоступны) смогут реализовать свои.

Пока неизвестно, запущена ли функция на всех устройствах. На смартфонах Pixel она вроде бы включена, но доказательств, что она реально работает, пока нет. Проверить можно просто — поехать куда-нибудь в глушь и посмотреть, станет ли «приблизительная» точка на карте ещё менее точной.

И это не всё. По слухам, Google также тестирует новую систему позиционирования Bluewave — она должна точнее определять координаты, комбинируя данные GPS и сигналов от базовых станций. Если верить источникам, точность вырастет примерно в 2,25 раза. Правда, компания пока ничего официально не объявляла.

Leek Likho подключила ИИ к атакам на российские организации

Киберпреступная группировка Leek Likho решила, что обычных вредоносных скриптов уже мало, и начала активно подключать ИИ к своим атакам. По данным «Лаборатории Касперского», в 2026 году злоумышленники использовали большие языковые модели для тонкой настройки вредоносных инструментов под конкретные цели — в основном организации из российского госсектора.

Теперь зловреды тоже проходят персонализацию. Исследователи отмечают, что Leek Likho остаётся активной как минимум с 2025 года и постоянно меняет инфраструктуру, методы маскировки и инструменты.

Но сама схема атак остаётся классической: социальная инженерия, многоступенчатая загрузка и использование легитимных сервисов, чтобы не вызывать лишних подозрений.

Главный входной билет — Telegram. Именно через него злоумышленники обычно выходят на жертв. Они рассылают ссылки, которые маскируются под файлообменники или страницы загрузки файлов Telegram. Иногда используют и Dropbox. После перехода жертва скачивает архив с сюрпризом внутри.

В архиве находится LNK-файл с двойным расширением вроде Proekt_prikaza_681_o_pooshchrenii.pdf.lnk. В стандартном интерфейсе Windows он выглядит как обычный PDF-документ — например, приказ о назначении или поощрении. Классика корпоративного жанра: срочно ознакомьтесь.

 

Но после открытия запускается цепочка заражения. Дополнительные вредоносные инструменты маскируются под популярные приложения, например софт для работы с базами данных. Затем данные с устройства собираются и отправляются атакующим через rclone — вполне легитимный инструмент для работы с облачными хранилищами, который хакеры давно полюбили за удобство и низкий уровень подозрений со стороны защиты.

Самое интересное — поведение самих вредоносных скриптов. По данным «Лаборатории Касперского», для каждой цели Leek Likho слегка меняет код, названия файлов и структуру инструментов. Иногда отличаются только номера приказов в названиях документов, иногда — сами сценарии выполнения вредоносных действий. В код могут добавляться бессмысленные операции, которые ничего не делают, кроме одной вещи: мешают детектированию.

Исследователи считают, что именно здесь группировка активно использует ИИ. Большие языковые модели помогают быстро генерировать новые варианты скриптов, менять названия файлов и слегка перестраивать код, чтобы сигнатурная защита и аналитики каждый раз видели чуть-чуть другую атаку.

RSS: Новости на портале Anti-Malware.ru