Сводка за 19.07.2026
1. Уязвимость больших языковых моделей
Большие языковые модели (LLM) уязвимы к атакам типа 'prompt injection'. Злоумышленники могут манипулировать поведением модели, используя специальные текстовые команды, что ставит под угрозу их безопасность. Эта проблема сложна в решении, так как попытки ограничить модель могут нарушить ее функциональность.
Совет: Будьте осторожны при использовании LLM для критически важных задач.
2. Фишинг через поддельный сайт верификации
Пользователь потерял 500 долларов, перейдя по ссылке, полученной в сообщении от якобы администраторов проекта Handshake. Мошенники создали поддельный сайт, имитирующий легитимный, и под предлогом проверки данных выманили у жертвы информацию о банковской карте.
Совет: Никогда не вводите банковские данные на подозрительных сайтах.
3. Мошенничество под видом службы поддержки Uber
Водитель Uber получил звонок от человека, представившегося сотрудником службы поддержки. Мошенник под предлогом отмены заказа и компенсации пытался получить конфиденциальные данные водителя, включая информацию о банковском счете и номере дебетовой карты.
Совет: Не сообщайте личные финансовые данные по телефону, даже если звонящий представляется сотрудником известной компании.
Аналитика дня
Сегодняшние кейсы демонстрируют два основных вектора атак: уязвимости новых технологий, таких как LLM, и классические мошеннические схемы, адаптированные под современные реалии. Атака на LLM показывает, что даже передовые системы могут иметь фундаментальные недостатки, не поддающиеся простому исправлению. В то же время, мошенничество с поддельными сайтами и звонками от 'службы поддержки' говорит о постоянной эволюции старых схем, использующих социальную инженерию и доверие к известным брендам. Главный вывод: безопасность требует комплексного подхода, сочетающего технические меры и постоянную осведомленность пользователей.
1. Уязвимость больших языковых моделей
Большие языковые модели (LLM) уязвимы к атакам типа 'prompt injection'. Злоумышленники могут манипулировать поведением модели, используя специальные текстовые команды, что ставит под угрозу их безопасность. Эта проблема сложна в решении, так как попытки ограничить модель могут нарушить ее функциональность.
Совет: Будьте осторожны при использовании LLM для критически важных задач.
2. Фишинг через поддельный сайт верификации
Пользователь потерял 500 долларов, перейдя по ссылке, полученной в сообщении от якобы администраторов проекта Handshake. Мошенники создали поддельный сайт, имитирующий легитимный, и под предлогом проверки данных выманили у жертвы информацию о банковской карте.
Совет: Никогда не вводите банковские данные на подозрительных сайтах.
3. Мошенничество под видом службы поддержки Uber
Водитель Uber получил звонок от человека, представившегося сотрудником службы поддержки. Мошенник под предлогом отмены заказа и компенсации пытался получить конфиденциальные данные водителя, включая информацию о банковском счете и номере дебетовой карты.
Совет: Не сообщайте личные финансовые данные по телефону, даже если звонящий представляется сотрудником известной компании.
Аналитика дня
Сегодняшние кейсы демонстрируют два основных вектора атак: уязвимости новых технологий, таких как LLM, и классические мошеннические схемы, адаптированные под современные реалии. Атака на LLM показывает, что даже передовые системы могут иметь фундаментальные недостатки, не поддающиеся простому исправлению. В то же время, мошенничество с поддельными сайтами и звонками от 'службы поддержки' говорит о постоянной эволюции старых схем, использующих социальную инженерию и доверие к известным брендам. Главный вывод: безопасность требует комплексного подхода, сочетающего технические меры и постоянную осведомленность пользователей.