ИИ начал составлять досье на пользователей скомпрометированных устройств
- CNews FORUM 12 ноября
- CNews AWARDS 12 ноября
- Школа Роста
- Российский рынок облаков за 20 лет
- 30 лет рынку ERP в России
- Главные
ИТ-сценарии 2026 - Цифровизация
- Импортозамещение
- Безопасность
- ИТ в госсекторе
- ИТ в банках
- ИТ в торговле
- Телеком
- Интернет
- ИТ-бизнес
- Рейтинги
- Инфографика
|
На теневых площадках появились стилеры — вредоносные программы для кражи данных — со встроенной функцией автоматического ИИ-профилирования жертв. В сентябре 2026 г. зафиксированы уже два таких предложения. Об этом CNews сообщили представители Bi.Zone.
Стандартные стилеры собирают пароли, cookie-файлы активных сессий, данные банковских карт и криптовалютных кошельков, а также другие сведения об устройстве и пользователе. Эксперты Bi.Zone Threat Intelligence выявили новое поколение стилеров — ВПО, которое позволяет атакующим извлекать из ИИ-ассистентов историю чатов и аутентификационные данные. Среди таких данных: исходный код, внутренние документы, токены и информация об учетных записях.
Затем языковая модель проводит анализ. Она не просто передает оператору массив информации, а формирует краткий профиль владельца устройства, куда входят предполагаемая профессия, интересы, посещаемые ресурсы и другие характеристики, которые можно определить по содержимому лога — набора данных, собранного стилером.
Например, Bee Stealer стоимостью $300 обрабатывает часть украденной информации с помощью ИИ на стороне злоумышленника. Согласно данным разработчика ВПО, в одном из случаев нейросеть определила жертву как ИT-специалиста и веб-разработчика с интересом к кибербезопасности и выделила связанные с его деятельностью домены. Аналогичная функция заявлена в стилере AVENGER для macOS: он анализирует историю браузера, содержимое терминала, сообщения, почту и конфигурационные файлы и на основе всей этой информации формирует профиль жертвы.
Олег Скулкин, руководитель Bi.Zone Threat Intelligence: «Для оператора, который получает логи сразу от множества скомпрометированных устройств, ИИ-профилирование помогает быстро определить наиболее ценных жертв. Так, LLM может выделить разработчика с доступом к корпоративным системам или пользователя с ценными криптоактивами. В результате вместо необработанного набора данных злоумышленник получает готовое описание жертвы, которое можно использовать для сортировки и перепродажи. При этом оператору не требуется глубоко разбираться в содержимом каждого лога».
Пока зафиксированы отдельные примеры стилеров с ИИ-профилированием. Однако несколько подобных объявлений за короткий период показывают, что ИИ становится привычным инструментом для атакующих.
В дальнейшем языковые модели могут использоваться не только для описания жертвы, но и для выбора способа монетизации украденных данных — например, для поиска ценных сессий, восстановления доступа с помощью собранных токенов или подготовки атак от имени скомпрометированного пользователя. При этом базовые меры защиты от стилеров не меняются: при подозрении на компрометацию необходимо завершить активные сессии, отозвать токены и сбросить учетные данные. Поскольку анализ украденной информации может происходить уже после ее извлечения с устройства, организациям также важно контролировать исходящий трафик.
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.