Инструмент для отслеживания пользователей WhatsApp по номеру попал в Сеть

Инструмент для отслеживания пользователей WhatsApp по номеру попал в Сеть

Инструмент для отслеживания пользователей WhatsApp по номеру попал в Сеть

Исследователи бьют тревогу: в открытом доступе появился инструмент, который позволяет отслеживать активность пользователей WhatsApp (принадлежит признанной в России экстремистской организации и запрещённой корпорации Meta) и Signal, зная только номер телефона. Речь идёт не о взломе аккаунта или перехвате переписки — достаточно «пинговать» устройство и анализировать время отклика мессенджера.

Метод основан на особенностях работы протоколов доставки сообщений. WhatsApp и Signal автоматически отправляют служебные подтверждения получения данных (delivery receipts).

Эти ответы уходят ещё до того, как приложение проверит, существует ли сообщение или реакция на него. В итоге атакующий может измерять round-trip time (RTT) — время между отправкой запроса и получением ответа — и по этим значениям делать весьма точные выводы о состоянии устройства.

Уязвимость получила название Silent Whisper. Её подробно описали учёные из Венского университета и исследовательского центра SBA Research ещё в прошлом году.

Однако теперь история вышла за пределы научных публикаций: исследователь под псевдонимом gommzystudio выложил на GitHub PoC-инструмент, наглядно показывающий, насколько просто всё это работает на практике.

По словам автора, можно отправлять до 20 «пингов» в секунду, не вызывая у жертвы ни уведомлений, ни всплывающих окон, ни каких-либо видимых следов в интерфейсе приложения. При этом устройство активно отвечает на запросы, а показатели RTT меняются в зависимости от ситуации.

Картина получается довольно показательная. Низкое время отклика обычно означает, что телефон в руках пользователя, экран включён и подключение идёт по Wi-Fi. Чуть более высокий RTT — активное использование через мобильную сеть. Большие задержки говорят о режиме ожидания с выключенным экраном, а тайм-ауты — о том, что устройство офлайн или в авиарежиме. Если значения постоянно «прыгают», можно предположить, что человек в движении.

 

Со временем такие замеры позволяют восстановить повседневный распорядок: когда человек приходит домой, когда ложится спать, когда выходит из дома и пользуется мобильной связью. И это уже не просто статус «онлайн» или «офлайн», а полноценное профилирование поведения.

Отдельная проблема — нагрузка на устройство. Частые запросы быстро разряжают аккумулятор и расходуют мобильный трафик. В экспериментах исследователей iPhone и Android-смартфоны теряли от 14 до 18% заряда батареи в час. Signal в этой ситуации выглядит чуть лучше: из-за встроенного ограничения частоты ответов потери составили около 1% в час. У WhatsApp такой защиты, к сожалению, нет.

Кроме того, анализ RTT позволяет грубо определять географическое положение пользователя (например, страна или регион), тип устройства и даже операционную систему. При использовании нескольких точек зондирования точность таких выводов может заметно вырасти.

Сам разработчик инструмента подчёркивает, что проект создан исключительно в исследовательских и образовательных целях, и напоминает о возможных нарушениях законодательства при слежке за людьми без их согласия. Тем не менее репозиторий уже собрал сотни звёзд и десятки форков, а значит, доступ к инструменту есть у кого угодно.

Что можно сделать обычному пользователю? Минимум — включить в WhatsApp настройку «Блокировать сообщения от неизвестных аккаунтов» (Настройки → Конфиденциальность → Расширенные).

Это может снизить интенсивность подобных атак, хотя полностью проблему не решает. Отключение отчётов о прочтении и индикаторов активности тоже полезно, но от Silent Whisper не спасает на сто процентов.

По состоянию на декабрь 2025 года уязвимость остаётся актуальной как для WhatsApp, так и для Signal. Эксперты советуют по возможности ограничивать статусную информацию в мессенджерах и следить за обновлениями — теперь мяч явно на стороне разработчиков сервисов.

Нейросеть для ЖКХ научилась материться в первый месяц обучения

Разработчикам отечественного голосового помощника для сферы ЖКХ пришлось «переучивать» систему после того, как в процессе обучения бот освоил ненормативную лексику. Этот случай наглядно показал, насколько критично качество данных, на которых обучаются нейросети.

О возникшей проблеме рассказал ТАСС президент Национального объединения организаций в сфере технологий информационного моделирования (НОТИМ) Михаил Викторов на Сибирском строительном форуме, который проходит в Новосибирске.

«Приведу забавный случай: нейросеть учится, и буквально уже в первый месяц разработчики обнаружили такую коллизию — нейросеть научилась мату. Как говорится, с кем поведёшься, от того и наберёшься. Эту проблему, конечно, пришлось устранять. Но это в том числе показатель активного взаимодействия с нашими гражданами», — рассказал Михаил Викторов.

При этом, по его словам, внедрение ботов позволило сократить число операторов кол-центров в 5–6 раз без потери качества обслуживания. Нейросетевые инструменты способны обрабатывать до 90% входящих обращений.

Уровень удовлетворённости качеством обслуживания, по оценке Викторова, составляет около 80%. Передавать звонки операторам целесообразно лишь в экстренных случаях — например, при аварийных ситуациях.

Эксперты ранее отмечали, что именно данные, на которых обучается ИИ, являются ключевой причиной появления некорректных или предвзятых ответов нейросетевых инструментов.

RSS: Новости на портале Anti-Malware.ru