about-3 back-contact back-deep eitaa کانال روبیکاخبرگزاری سایبربان
مطالب پربازدید
حمله
1405/07/19 - 19:06- جرم سایبری

حمله هکری به پلتفرم ارتباطات دفاعی استرالیا

هکرهای باج‌افزار به پلتفرم ارتباطات دفاعی استرالیا موسوم به سرویس «ForceNet» حمله کردند.

از
1405/06/18 - 20:26- ایران

از آسمان تا اعماق دریا؛ شکار زیردریایی پیشرفته آمریکا توسط ایران

از آسمان تا اعماق دریا؛ ایران با ارتقای یک تکنیک پیروز، زیردریایی پیشرفته آمریکا را شکار کرد.

حمله
1405/07/28 - 19:57- جنگ سایبری

حمله سایبری به یکی از شرکت‌های مهم رژیم صهیونیستی /فیلم

گروه هکری جبهه پشتیبانی سایبری اعلام کرد که یکی از مهم‌ترین شرکت‌های صنایع غذایی رژیم صهیونیستی را هدف قرار داده است.

پژوهشگران موفق به ایجاد رویکردی شده‌اند که با سرعتی بسیار بالا خطرات شناخته شده و ناشناخته را شناسایی کرده و حملات مهندسی اجتماعی را کاهش می‌دهد.

به گزارش کارگروه فناوری اطلاعات سایبربان؛ گروهی از محققان به تازگی برای شناسایی حملات دور زدن اعتبار در تنظیمات شرکت‌ها، راهی ایجاد کردند که خطرات را در زمان واقعی پیدا می‌کند. شرکت فیس‌بوک در زمان برگزاری نشست سالانه‌ی «USENIX» در ونکور کانادا به آن‌ها 100 هزار دلار جایزه اهدا کند.
محققان مذکور گرنت هو (Grant Ho)، مبین جواد (Mobin Javad) و ویوید وگنر (David Wagner) از دانشگاه کالیفرنیا برکلی، آشیش شارما (Aashish Sharma) از آزمایشگاه ملی لورنس برکلی، ورن پکسان (Vern Paxson) از دانشگاه کالیفرنیا و موسسه علوم رایانه بین‌المللی (International Computer Science Institute)، مقاله‌ای به نام «Detecting Credential Spearphishing Attacks in Enterprise Settings» را در 26 امین سمپزیون امنیتی USENIX، ارائه کردند.
محققان روش توسعه داده شده توسط خود را راهی برای رتبه‌بندی هشدارها می‌دانند. این روش «امتیازدهی آنومالی اداره شده» ( DAS) نام داشته و به صورت غیر پارامتری عمل می‌کند. هو از این موضوع به عنوان شناسایی رویدادهای مشکوک برچسب‌گذاری نشده یاد می‌کنند. در این دستاورد رویدادها با توجه به میزان خطری که ایجاد می‌کنند دسته‌بندی می‌شوند.
در گزارش محققان آمده است: «امتیازدهی آنومالی اداره شده، زمانی که همه‌ی رویدادها رتبه‌بندی شوند، مشکوک‌ترین رویدادها را بر می‌گزیند.»

محققان ادعا می‌کنند روش تشخیصی استاندارد تا 9 برابر هشدارهای بیشتری را برای تشخیص تعداد حملات مشابه دریافت می‌کند. در زمان آزمایش الگوریتم مذکور نه تنها همه‌ی حملات شناسایی شد، بلکه دو حمله‌ی فیشینگ ناشناخته نیز کشف گردید. برای انجام این آزمایش محققان از 370 میلیون ایمیل ناشناس آزمایشگاه ملی لارنس دانشگاه برکلی  (LBNL) استفاده کردند.
دفتر وزارت انرژی مدیریت علوم آزمایشگاهی دانشگاه کالیفرنیا در طول 4 سال گذشته هیچ محتوای بدافزاری را کشف نکرد؛ اما موفق شد تعدادی از اعتبارنامه‌های جعلی را شناسایی کند.
انجام حملات دور زدن اعتبارنامه ارزان‌تر و آسان‌تر از بسیاری از سو استفاده از علاقه‌مندی‌های کاربران است. در این روش مهاجم کاربر را تشویق می‌کند تا روی یک لینک کلیک کرده و مشخصات خواسته شده را در وبگاهی از پیش تعیین شده وارد بکنند.
محققان بیان می‌کنند تعداد ایمیل‌های دریافت شده در یک شرکت به صورت میانگین 263.086 عدد بوده و میزان هشدارهای کاذب آشکارساز الگوریتم آن‌ها تنها 0.004 درصد است. اگر چه با چنین درصد کمی، آشکارساز در 80 درصد مواقع، در هر روز تنها 10 هشدار یا حتی کمتر تولید می‌کند.
پژوهشگران توضیح دادند الگوریتم آن‌ها بسیار سریع است. به عنوان مثال برای تجزیه‌وتحلیلی که تا پیش از این ماه‌ها به طول می‌انجامید، تنها به 15 دقیقه زمان نیاز دارند. اگر هر تحلیلگر به بررسی هشدارهای یک روز بپردازد، این زمان به کمتر از یک دقیقه کاهش پیدا می‌کند.
آزمایشگاه ملی لارنس دانشگاه برکلی تصمیم گرفته است که از این روش استفاده کرده و آن را به صورت کامل اجرایی کند. فیس‌بوک نیز معتقد است این روش به محافظت از مردم در برابر حملات مهندسی اجتماعی کمک می‌کند.
نکتاریوس لئونتیادیس (Nektarios Leontiadis)، دانشمند محقق شبکه‌های اجتماعی اظهار کرد روش یاد شده در آینده به کاهش نشت اطلاعات کمک خواهد کرد.

تازه ترین ها
فیلتر
1405/08/25 - 22:55- تلگرام

فیلتر تلگرام در اردن و عراق

اردن و عراق اپلیکیشن تلگرام را به دلیل نگرانی‌های مربوط به امنیت ملی مسدود کردند.

محدودیت
1405/08/25 - 22:10- آمریکا

محدودیت دسترسی چین به تراشه‌های هوش مصنوعی آمریکا با دستور ترامپ

هم‌زمان با سفر ترامپ به چین، دولت ترامپ دسترسی چین به تراشه‌های هوش مصنوعی را محدود می‌کند.

حمایت
1405/08/25 - 21:04- آمریکا

حمایت ترامپ از بازگشت جنسن هوانگ به سمت مدیرعاملی انویدیا

ترامپ از احتمال بازگشت جنسن هوانگ به سمت مدیرعاملی انویدیا حمایت می‌کند.

مطالب مرتبط

در این بخش مطالبی که از نظر دسته بندی و تگ بندی مرتبط با محتوای جاری می باشند نمایش داده می‌شوند.