आरबीएस सिस्टम में चोरी की योजनाएँ और उनके प्रति प्रतिकार के पाँच स्तर

इस साल मई में, रूस के आंतरिक मामलों के मंत्रालय के के विभाग ने ग्रुप-आईबी की सहायता से वोल्गोग्राड क्षेत्र के 32 वर्षीय निवासी को एक फर्जी इंटरनेट बैंकिंग एप्लिकेशन का उपयोग करके रूसी बैंकों के ग्राहकों से धन के गबन का आरोप लगाया, जो वास्तव में एक दुर्भावनापूर्ण कार्यक्रम निकला। एक ट्रोजन। हर दिन, इसकी मदद से, उपयोगकर्ताओं से 100,000 से 500,000 रूबल चुराए गए थे, चोरी किए गए धन का कुछ हिस्सा आगे कैश करने के लिए और कपटपूर्ण गतिविधि को छिपाने के लिए क्रिप्टोक्यूरेंसी में स्थानांतरित किया गया था।

किए गए चोरी के "डिजिटल निशान" का विश्लेषण करते हुए, समूह-आईबी विशेषज्ञों ने पाया कि आपराधिक योजना में इस्तेमाल बैंकिंग ट्रोजन को "बैंकों में ताड़" वित्तीय अनुप्रयोग के रूप में प्रच्छन्न किया गया था, जो मोबाइल सिस्टम के "एग्रीगेटर" के रूप में कार्य करता है
देश के अग्रणी बैंकों का बैंकिंग। आपके सभी बैंक कार्ड को एप्लिकेशन में डाउनलोड करना संभव था, इसलिए उन्हें अपने साथ न ले जाएं, लेकिन साथ ही सभी लेनदेन के लिए आने वाले एसएमएस के आधार पर कार्ड बैलेंस देखने में सक्षम हों, कार्ड से कार्ड में पैसे ट्रांसफर करें, ऑनलाइन सेवाओं के लिए भुगतान करें और ऑनलाइन स्टोर में खरीदारी करें। ।

वित्तीय एग्रीगेटर की क्षमताओं में रुचि रखने वाले, बैंक ग्राहकों ने पाम ऐप में बैंकों को डाउनलोड किया और अपने कार्ड के विवरण दर्ज किए। लॉन्च किए गए ट्रोजन ने हमलावरों के लिए इंटरनेट बैंक में सर्वर में प्रवेश करने के लिए बैंक कार्ड डेटा या लॉगिन / पासवर्ड भेजे। उसके बाद, अपराधियों ने 12,000 से 30,000 रूबल तक की राशि में पूर्व-तैयार बैंक खातों में धन हस्तांतरित किया। एक अंतरण के लिए, पीड़ित के फोन से ऑपरेशन की पुष्टि के एसएमएस-कोड दर्ज करना। उपयोगकर्ताओं को खुद पर संदेह नहीं था कि वे साइबर अपराधियों के शिकार थे - लेनदेन के सभी एसएमएस पुष्टिकरण अवरुद्ध थे।

पाठ: पावेल क्रिलोव, उत्पाद विकास के प्रमुख
सिक्योर बैंक ग्रुप-आईबी

फिलहाल, बैंकिंग एंड्रॉइड ट्रोजन का "बाजार" सबसे गतिशील और सबसे तेजी से बढ़ रहा है। 2017 के लिए ग्रुप-आईबी की रिपोर्ट के अनुसार, पिछले रिपोर्टिंग अवधि की तुलना में रूस में एंड्रॉइड ओएस पर मैलवेयर से नुकसान 136% की वृद्धि हुई - इसकी राशि $ 13.7 मिलियन थी। यह आंकड़ा व्यक्तिगत कंप्यूटरों के ट्रोजन से नुकसान को 30% तक कवर करता है।

आरबीएस के माध्यम से चोरी की मुख्य योजनाएं: एंटीवायरस काम क्यों नहीं करते हैं

समूह-आईबी के फोरेंसिक विशेषज्ञों ने सात सामान्य चोरी योजनाओं की पहचान की है जो साइबर बैंकिंग द्वारा दूरस्थ बैंकिंग प्रणाली पर हमलों में उपयोग की जाती हैं:

1) सामाजिक इंजीनियरिंग;
2) कार्ड से कार्ड में स्थानान्तरण;
3) ऑनलाइन बैंकिंग के माध्यम से स्थानांतरण;
4) मोबाइल बैंकिंग तक पहुंच का अवरोधन;
5) नकली मोबाइल बैंकिंग;
6) ऐप्पल पे और Google पे का उपयोग करके खरीद;
7) एसएमएस बैंकिंग के माध्यम से चोरी।

सामान्य एंटीवायरस सुरक्षा उपकरण ऐसी चोरी योजनाओं के खिलाफ व्यावहारिक रूप से बेकार हैं। उदाहरण के लिए, सोशल इंजीनियरिंग का उपयोग करने के मामले में, जब एक ग्राहक, जो पकड़ा गया, एक धोखेबाज पर विश्वास करता था और अपने खाते में अपने स्वयं के खाते में धन हस्तांतरित करता था (यानी, "खुद को हैक किया गया"), या जब पीड़ित का विवरण किसी तीसरे पक्ष के उपकरण से हटा दिया गया हो, तो एंटीवायरस नहीं करते मदद करते हैं।

रक्षा का अंतिम सोपान प्रतिफलन है। अधिकांश एंटी-फ्रॉड सिस्टम ट्रांसेक्शनल जानकारी या डेटा के विश्लेषण पर केंद्रित होते हैं जो सीधे बैंक के सर्वर (क्लाइंट के आईपी पते, उसके ब्राउज़र के बारे में जानकारी, वेब या मोबाइल एप्लिकेशन में काम करने की गति, आदि) पर जाते हैं। यह देखते हुए कि इस तरह की धोखाधड़ी एक निश्चित प्रक्रिया है जिसमें न केवल लेन-देन का क्षण शामिल है, बल्कि तैयारी के चरण और
धन की निकासी, यह स्पष्ट हो जाता है कि लेन-देन की एंटीफ्राड सिस्टम केवल सीमित रेंज के स्कैमर हैं।

गार्टनर विश्लेषकों ने धोखाधड़ी की रोकथाम के पांच स्तरों की पहचान की है। हम उनमें से प्रत्येक का विस्तार से और उदाहरणों से विश्लेषण करेंगे:

1) उपयोगकर्ता के डिवाइस (संक्रमित डिवाइस, डिवाइस पहचान) का विश्लेषण;
2) सत्र स्तर पर उपयोगकर्ता कार्यों की निगरानी (उपयोगकर्ता के काम में विसंगतियां: नेविगेशन, समय, भूगोल);
3) किसी विशेष चैनल में उपयोगकर्ता का व्यवहार विश्लेषण (चैनल में क्या क्रियाएं की जाती हैं? कैसे (व्यवहार)? कौन उन्हें करता है?)?
4) उपयोगकर्ताओं और उनके व्यवहार का क्रॉस-चैनल विश्लेषण (विभिन्न चैनलों में उपयोगकर्ता के व्यवहार का विश्लेषण, डेटा सहसंबंध);
5) उपयोगकर्ताओं और खातों के बीच संबंधों का विश्लेषण (विभिन्न संसाधनों पर व्यवहार, वैश्विक ग्राहक प्रोफ़ाइल)।

स्तर एक: उपयोगकर्ता के उपकरण का विश्लेषण करें

धोखाधड़ी की रोकथाम के इस स्तर में सभी समापन बिंदु सुरक्षा प्रौद्योगिकियां शामिल हैं, जैसे एंटीवायरस, इलेक्ट्रॉनिक हस्ताक्षर उत्पन्न करने के लिए टोकन, दो-कारक प्रमाणीकरण उपकरण, अतिरिक्त उपकरण पहचान उपकरण, आदि। आवाज, फिंगरप्रिंट या चेहरे से पहचान के बॉयोमीट्रिक साधन समान स्तर के हैं।

दूरस्थ बैंकिंग प्रणालियों पर हमलों का एक महत्वपूर्ण उदाहरण लर्क समूह की गतिविधि थी, जो 2016 में अपने "कैरियर" के अंत में एक प्रभावशाली पैमाने पर पहुंच गया: लगभग 50 लोगों ने इसके लिए काम किया। आरबीएस ("मोटी" क्लाइंट) के डेस्कटॉप संस्करणों के लिए ऑटो-लोडिंग के साथ अपना करियर शुरू करने के बाद, 2014 के अंत में उन्होंने इंटरनेट बैंकों के लिए इस चोरी के तरीके को लागू किया ("पतले" ग्राहक जिन्हें उपयोगकर्ता के पीसी पर इंस्टॉलेशन की आवश्यकता नहीं होती है), जिसने इस क्षेत्र का विस्तार किया है समूह की गतिविधियाँ। क्लाइंट ने केवल प्राप्तकर्ता के विवरण के साथ भुगतान का गठन किया, लेकिन यह भुगतान बैंक द्वारा पहले ही प्राप्त कर लिया गया था कि ट्रोजन प्रोग्राम के विवरण बदल गए हैं। कई विशेषज्ञ अभी भी इस प्रकार के हमले को सबसे खतरनाक मानते हैं, क्योंकि यह आपको क्लाइंट के डिवाइस से सीधे सबसे पतले स्तर पर अपने व्यवहार और डेटा को हेरफेर करने की अनुमति देता है। यह कैसे हुआ?

ट्रोजन को सीधे क्लाइंट के ब्राउज़र में इंजेक्ट किया गया था और मेमोरी में सीधे इसके कोड में बदलाव किए गए थे, जिससे क्लाइंट के लिए एक HTTPS कनेक्शन का उपयोग करते हुए, एक जालसाज़ के लिए आवश्यक मूल HTML पृष्ठों को एक तरह से अवरोधन और संशोधित करने के लिए बैंक की आधिकारिक वेबसाइट पर जाना संभव हो गया।

अंजीर में। चित्र 1 एक दुर्भावनापूर्ण इंजेक्शन का एक उदाहरण दिखाता है जो एक ट्रोजन द्वारा पृष्ठों के कोड में जोड़ा गया था। ग्रे में हाइलाइट की गई लाइनें वे URL हैं जिनके द्वारा इस स्क्रिप्ट ने जालसाज़ के कमांड सर्वर के साथ बातचीत की, जहाँ लॉगिन / पासवर्ड, शेष और अन्य जानकारी भेजी गई थी, और ग्राहक के मूल भुगतान में स्थानापन्न के जवाब में जालसाज़ के भुगतान विवरण भेजे गए थे।


अंजीर। 1 स्क्रिप्ट क्लाइंट के ब्राउज़र में ट्रोजन द्वारा इंटरनेट बैंक के मूल पृष्ठ पर पेश की गई है।

पैसे चुराने का एक कम परिष्कृत लेकिन प्रभावी तरीका एक ग्राहक के उपकरण (छवि 2) को दूरस्थ रूप से नियंत्रित करना है। सभी आवश्यक लॉगिन / पासवर्ड, पिन से टोकन, आदि के कीगलर प्रोग्राम (शाब्दिक रूप से, "कुंजी इंटरसेप्टर") की मदद से स्वचालित संग्रह के बाद। धोखेबाज, रिमोट कंट्रोल के माध्यम से, क्लाइंट के डिवाइस (छवि 3) से जुड़ता है और क्लाइंट के डिवाइस की ओर से सीधे धोखाधड़ी का भुगतान करता है।


अंजीर। 2. रैनबाय ट्रोजन से संक्रमित कंप्यूटर इंटरफ़ेस का एक उदाहरण



अंजीर। 3. एक्सप्लोरर में VNC रिमोट मैनेजमेंट लागू करना

तो धोखाधड़ी रोकथाम तकनीक का पहला स्तर क्या है? सबसे पहले, वे जो आपको कई स्वतंत्र तरीकों का उपयोग करके दूरस्थ बैंकिंग प्रणालियों में काम करते समय रिमोट कंट्रोल को प्रभावी ढंग से पहचानने की अनुमति देते हैं। हालांकि, उन्हें क्लाइंट डिवाइस पर अतिरिक्त सॉफ़्टवेयर की स्थापना की आवश्यकता नहीं है।

प्रौद्योगिकी के पहले स्तर पर सिस्टम और समाधान हैं जो डिवाइस और उपयोगकर्ता की पहचान का उत्पादन करते हैं। यह आपको किसी विशेष क्लाइंट द्वारा उपयोग किए जाने वाले उपकरणों के बारे में जानकारी एकत्र करने और विश्लेषण करने की अनुमति देता है (चित्र 4 में बाईं ओर, खातों और उनके द्वारा उपयोग किए जाने वाले उपकरणों के बीच कनेक्शन के ग्राफ का एक टुकड़ा है)। उदाहरण के लिए, पहले से ज्ञात क्लाइंट में एक अज्ञात डिवाइस की उपस्थिति भुगतान के निलंबन पर निर्णय लेने और अतिरिक्त नियंत्रण प्रक्रियाओं का संचालन करने के लिए एक महत्वपूर्ण कारक है।


चित्र 4। ग्राफिकल अकाउंट रिलेशनशिप

अंजीर में। दाईं ओर चित्रा 4 मनी लॉन्ड्रिंग के लिए कानूनी संस्थाओं की सक्रिय पहचान के लिए एक उपकरण की पहचान का एक और उदाहरण दिखाता है। इस उदाहरण में, बैंक कर्मचारियों ने वित्तीय विश्लेषण का उपयोग करते हुए पहचान की, एक कंपनी जो मनी लॉन्ड्रिंग (दाईं ओर स्तंभ के निचले हिस्से) में लगी हुई थी। इसके अतिरिक्त, कानूनी इकाई के पहचानकर्ता द्वारा, आप उन उपकरणों के पहचानकर्ता प्राप्त कर सकते हैं, जिनका उन्होंने उपयोग किया था (दाएं स्तंभ का केंद्र)। और फिर - सभी अन्य खाते जो एक ही डिवाइस (दाएं कॉलम के ऊपरी भाग) से उपयोग किए गए थे और जिसके साथ "लॉन्डर्ड" काम किया था। यह स्कैमर के काम की प्रकृति के साथ बहुत अच्छी तरह से फिट बैठता है। धोखेबाज के पास हमेशा स्टॉक कंपनियों में होता है जो अभी तक मनी लॉन्ड्रिंग के लिए इस्तेमाल नहीं किया गया है। बैंक को चिन्हित कानूनी संस्थाओं के संचालन पर ध्यान देना चाहिए।

दूसरा स्तर: उपयोगकर्ता कार्यों की निगरानी करना

इस स्तर पर, यह विश्लेषण किया जाता है कि एक व्यक्ति दूरस्थ बैंकिंग प्रणाली या अन्य प्रणाली में कार्य सत्र के भाग के रूप में सीधे क्या करता है। इस स्तर पर, हम असामान्य उपयोगकर्ता व्यवहार या विशिष्ट जालसाज़ परिदृश्यों की पहचान कर सकते हैं। विशेष रूप से, इस तरह के विश्लेषण पहले से ही सोशल इंजीनियरिंग का उपयोग करके धोखाधड़ी का पता लगाने की दक्षता को बढ़ाने की अनुमति देता है (यानी जब कोई जालसाज़ उपयोगकर्ता की विश्वसनीयता, प्रतिशोध या अज्ञानता का उपयोग करता है, तो उसे जानकारी से लुभाने के लिए या जालसाज को लाभकारी कार्य करने के लिए उसे मजबूर करने के लिए)।

उदाहरण के लिए, एक सामान्य मामला जमा करने के बहाने लोकप्रिय वर्गीकृत साइटों के माध्यम से महंगे सामान खरीदने की प्रक्रिया में कार्ड विवरण और एसएमएस कोड का मोह है। वास्तव में, धोखेबाज इस डेटा का उपयोग आरबीएस में पंजीकरण प्रक्रिया के माध्यम से जाने और पीड़ित के खातों तक पहुंच प्राप्त करने के लिए करता है। इस तरह के परिदृश्य का एक वास्तविक उदाहरण अंजीर में दिखाया गया है। 5।


अंजीर। 5. बैंकिंग प्रणाली में एक जालसाज की पंजीकरण प्रक्रिया को पारित करना और पीड़ित के खातों तक पहुंच प्राप्त करना।

आरबीएस में उपयोगकर्ता द्वारा किए गए चरणों के अनुक्रम का विश्लेषण आपको ऊपर वर्णित परिदृश्य की पहचान करने की अनुमति देता है। इस प्रक्रिया में, प्रथम-स्तरीय प्रौद्योगिकियों (उपयोगकर्ता के डिवाइस का विश्लेषण) के परिणामों को ध्यान में रखा जाता है: किस डिवाइस का उपयोग किया गया था, क्या यह किसी दिए गए ग्राहक के लिए विशिष्ट है, क्या भूगोल बदल गया है; सत्र समय को ध्यान में रखा जाता है और इसके अलावा - परिदृश्य जो जालसाज उपयोग करता है।

यह अन्य घोटाला योजनाओं पर भी लागू होता है। उदाहरण के लिए, एक समान विधि "लॉन्डर्स" के कुछ परिदृश्यों की पहचान करती है। यह स्पष्ट है कि मनी लॉन्ड्रिंग के सभी मामलों को केवल व्यवहारिक विशेषताओं द्वारा ट्रैक नहीं किया जा सकता है। उदाहरण के लिए, यदि कोई कंपनी पारगमन में लगी हुई है, तो व्यवहार का केवल एक विश्लेषण - इंटरनेट बैंकिंग में एक व्यक्ति क्या करता है - यह समझने के लिए पर्याप्त नहीं होगा कि क्या यह एक पारगमन भुगतान है या एक मानक है। लेकिन ज्यादातर मामलों में यह स्पष्ट है कि कुछ असामान्य हो रहा है और, सबसे अधिक संभावना है, यह गतिविधि धोखाधड़ी है।


अंजीर। 6. धोखाधड़ी योजना के कार्यान्वयन के लिए तैयारी: बैंक कार्ड जारी करने के अनुरोध के साथ 100 से अधिक कानूनी संस्थाओं का प्रवेश।

तो, अंजीर में। दाईं ओर चित्रा 6 एक उदाहरण दिखाता है जब एक डिवाइस से आप कानूनी संस्थाओं के सौ से अधिक खातों में लॉग इन होते हैं, जिसकी एकमात्र गतिविधि बैंक कार्ड जारी करने और इसकी सीमा का विस्तार करने का अनुरोध था। जैसा कि बाद में पुष्टि की गई थी - इस तरह मनी लॉन्ड्रिंग के लिए कार्ड का आधार तैयार किया गया था। साथ ही दूसरे स्तर पर बॉट्स की समस्या है। यदि ग्राहक के पास बॉट की सुरक्षा के लिए कोई प्रणाली नहीं है, तो, एक नियम के रूप में, बहुत ही आदिम बॉट (सीधे एपीआई तक पहुंच) बैंक के वेब एप्लिकेशन को दरकिनार करते हुए सभी आवश्यक कार्य (क्रूरता, पासवर्ड-जांच) करते हैं। लेकिन एंटी-बॉट सुरक्षा को बायपास करने के लिए स्कैमर द्वारा उपयोग किए जाने वाले "स्मार्ट" बॉट अधिक हैं।

इस तरह के बॉट उपयोगकर्ता के काम की नकल करते हैं। इसके लिए अक्सर बॉटनेट का इस्तेमाल किया जाता है। यही है, बॉट्स का काम वितरित किया जाता है, और किसी विशेष होस्टिंग में केंद्रित नहीं है। ऐसे बॉट की पहचान साइटों पर उनके काम के परिदृश्य और कार्रवाई की प्रकृति से होती है। यह आसानी से हमें तीसरे स्तर पर लाता है।

तीसरा स्तर: हम एक विशिष्ट चैनल में उपयोगकर्ता के व्यवहार का विश्लेषण करते हैं

यदि दूसरे स्तर पर हम विश्लेषण करते हैं कि उपयोगकर्ता सिस्टम में क्या करता है, तो तीसरे स्तर पर हम इसके अतिरिक्त विश्लेषण करते हैं कि उपयोगकर्ता कुछ कार्यों को कैसे करता है। हम इसे एक वास्तविक उदाहरण (चित्र 7) के साथ दिखाते हैं।


चित्र 7। कानूनी उपयोगकर्ता और जालसाज़ की प्रणाली में काम की तुलना: अप्रतिस्पर्धी और संदिग्ध कार्यों की पहचान

आकृति के ऊपरी भाग में, कानूनी उपयोगकर्ता के कार्यों का क्रम दिखाई देता है। यही है, वह आरबी सिस्टम तक पहुंचने के लिए पेज पर जाता है, लॉगिन और पासवर्ड दर्ज करने के लिए ऊपरी संख्यात्मक कीपैड का उपयोग करता है, फिर "एंटर" पर क्लिक करता है। आकृति का निचला हिस्सा एक जालसाज के काम का एक विशिष्ट संस्करण दिखाता है जो किसी तरह लॉगिन और पासवर्ड एकत्र करते थे, उदाहरण के लिए, नकली (फ़िशिंग) साइटों का उपयोग करके या ट्रोजन का उपयोग करके। उसके पास उनका पूरा आधार है। स्वाभाविक रूप से, जालसाज़ उस डेटा को प्राप्त नहीं करता है जो उसने प्राप्त किया है, लेकिन आरबी में प्रवेश करते समय इसे क्लिपबोर्ड से कॉपी करता है। और यह स्क्रीनशॉट में स्पष्ट रूप से देखा गया है।

इसके अलावा, पिछले स्तरों पर वर्णित डिवाइस और उपयोगकर्ता के व्यवहार का विश्लेषण करने के सभी तरीकों का उपयोग किया जाता है। इस स्तर पर, मशीन लर्निंग एल्गोरिदम सक्रिय रूप से उपयोग किया जाता है। सबसे हड़ताली उदाहरणों में से एक है बायोमेट्रिक तकनीक जैसे कीबोर्ड और कर्सर हैंडराइटिंग, सिस्टम में उपयोगकर्ता के कार्य की व्यवहारिक प्रकृति और आदतों को ध्यान में रखना। अंजीर में। चित्र 8 उपयोगकर्ता प्राधिकरण पृष्ठ पर कीबोर्ड लिखावट का उपयोग करने के लिए स्क्रिप्ट दिखाता है, ग्रुप-आईबी सिक्योर बैंक सिस्टम से "कैप्चर किया गया"।


चित्र 8। उपयोगकर्ता प्राधिकरण पृष्ठ पर कीबोर्ड लिखावट का उपयोग करने के लिए स्क्रिप्ट।


अक्ष के साथ ग्राफ पर, लॉग और पासवर्ड दर्ज करते समय एक वैध उपयोगकर्ता की संचित लिखावट पर प्रकाश डाला गया है। अधिक ध्यान देने योग्य उतार-चढ़ाव जालसाज़ी की कीबोर्ड लिखावट की विशेषता है। यह देखा जाता है कि कीबोर्ड की लिखावट अलग है। ग्राफ़ के ऊपर, उनके बीच के अंतरों के दो अभिन्न अनुमान हैं। अनुमानों का मान स्थापित थ्रेशोल्ड से अधिक है, जो वैध उपयोगकर्ता के लिए असामान्य व्यवहार को दर्शाता है।

व्यवहार विश्लेषण की उपरोक्त तकनीकों का संयोजन आपको सामाजिक इंजीनियरिंग का उपयोग करके धोखाधड़ी की पहचान करने की अनुमति देता है। साथ ही, ये प्रौद्योगिकियां ट्रांसेक्शनल एंटीफ्राड सिस्टम की झूठी सकारात्मकता को कम कर सकती हैं। उदाहरण के लिए, 91% की सटीकता के साथ, यह सोशल इंजीनियरिंग के मामलों के लिए ट्रांसेक्शनल एंटीफ़्रॉड सिस्टम की झूठी सकारात्मकता के 78% को छोड़ने के लिए निकला, जो बैंक के आंतरिक संसाधनों को काफी हद तक मुक्त करता है, जिसमें नाराज ग्राहकों के कॉल से बड़े पैमाने पर शामिल है।

चौथा स्तर: हम उपयोगकर्ताओं और उनके व्यवहार के क्रॉस-चैनल विश्लेषण को लागू करते हैं

चौथे स्तर पर, बैंक के साथ बातचीत के विभिन्न चैनलों के माध्यम से काम करते समय अपने उपकरणों पर उपयोगकर्ता के व्यवहार पर डेटा का विश्लेषण और सहसंबंधी बनाने के लिए तकनीकों का उपयोग किया जाता है।
वास्तविक मामलों में से एक में यह कितना प्रभावी है, यह दिखाया गया है, जिसके ग्राफिक कनेक्शन को अंजीर में दिखाया गया है। 9।


अंजीर। 9. ग्राफिक कनेक्शन उपयोगकर्ता के विभिन्न उपकरणों के साथ काम दिखा रहा है, जिसके बीच एक धोखाधड़ी डिवाइस है।

स्कैमर मूल रूप से एक मोबाइल डिवाइस पर पाया गया था। उन्होंने अनधिकृत भुगतान के लिए बैंक से लॉगइन और पासवर्ड, भुगतान कार्ड विवरण और अवरोधन एसएमएस पुष्टिकरण एकत्र करने के लिए एक मोबाइल ट्रोजन का उपयोग किया। खातों और उन उपकरणों के बीच संबंध का विश्लेषण जो एक जालसाज़ के मोबाइल डिवाइस का पता लगाने के लिए संभव बनाता है, जो केंद्र में दिखाया गया है और खाता क्लाउड में चित्र के नीचे दिखाया गया है। जैसा कि आप देख सकते हैं, पहले किए गए समझौता किए गए खातों का केवल एक हिस्सा मोबाइल एप्लिकेशन के माध्यम से काम करता था। पहचान किए गए खातों का एक अन्य महत्वपूर्ण हिस्सा पहले इंटरनेट बैंकिंग में इस्तेमाल किया गया था। बाद में यह पता चला कि उसी घोटालेबाज ने उनसे समझौता करने के लिए सोशल इंजीनियरिंग के तरीकों का इस्तेमाल किया। धोखेबाज के उपकरण, जिसका उपयोग वह पीड़ितों के ऑनलाइन बैंक तक पहुंचने के लिए करता था, की भी पहचान की गई थी। उनका समूह आकृति के ऊपरी बाएँ भाग में स्थित है।

धोखेबाज ने अपने काम के निशान को कवर करने की कोशिश करते हुए, क्रमिक रूप से 3 से 8 खातों का उपयोग करने के बाद ब्राउज़र के इतिहास को मिटा दिया। लेकिन सभी उपकरणों में समान डिजिटल फिंगरप्रिंट (स्तर 1 याद रखें) था। यह इस धोखाधड़ी उपकरण के माध्यम से था कि अन्य पीड़ितों की पहचान की गई थी। इसके अलावा, संबंधों के इस विश्लेषण के माध्यम से, एक मामला सामने आया, जब एक जालसाज, सोशल इंजीनियरिंग के तरीकों का उपयोग करते हुए, जारी किए गए क्रेडिट फंड की चोरी के साथ एक पीड़ित को "ऋण" प्राप्त करने के लिए "नस्ल"।

इस उदाहरण में, हम निम्नलिखित परिणामों को संक्षेप में प्रस्तुत कर सकते हैं:

• सबसे पहले, मोबाइल ट्रोजन का उपयोग करके चोरी के प्रयासों का एक क्रॉस-चैनल विश्लेषण ने चोरी के प्रयासों को पहचानना और रोकना संभव बना दिया, जो किसी भी तरह से दुर्भावनापूर्ण कोड से संबंधित नहीं हैं, लेकिन सामाजिक इंजीनियरिंग का उपयोग करके किया जाता है;
• दूसरी बात, उसने जालसाज़ के काम की पूरी तस्वीर बनाने और रिमोट बैंकिंग चैनल की परवाह किए बिना पूरे ग्राहक आधार से चोरी रोकने में मदद की;
• तीसरा, हमें आगे की जांच के लिए अधिक डेटा प्राप्त हुआ।

, iOS , , , , .

:

, , — , , - .. , , , , .


अंजीर। 10. : ( )

, . , , . ( . 10 ), ( . 10 B). , , , . , .

(Threat Intelligence), , ,
, . , , , .

, . , , .

« », No3 (145)\ 2018.