首页 文章 精选 留言 我的

精选列表

搜索[索引崩溃],共10000篇文章
优秀的个人博客,低调大师

Raccoon盗号者通过使用谷歌搜索引擎传播恶意软件

Raccoon Stealer平台幕后的犯罪分子已经更新了他们的服务,包括从目标计算机中盗窃加密货币的工具,以及用于投放恶意软件和窃取文件的远程访问功能。 这个服务平台的使用者通常是新秀黑客,该平台可以提供偷窃浏览器存储的密码和认证cookies的服务。根据Sophos实验室在周二公布的研究内容中,该平台目前已经发布了很多重要的功能更新,其中包括新的攻击工具和分发网络,同时也提高了对目标攻击的成功率。 首先,Raccoon Stealer已经从基于收件箱的感染方式转向利用谷歌搜索进行传播的感染方式。据Sophos称,攻击者现在已经能够熟练地对恶意网页进行了优化,使其在谷歌搜索的结果中排名靠前。在这一攻击活动中,引诱受害者的诱饵是盗版软件工具,如用于 "破解 "正版收费软件进行使用的程序,或用来生成注册密钥、解锁正版软件的激活程序。 Sophos公司高级威胁研究人员Yusuf Polat和Sean Gallagher写道:"虽然这些网站宣称自己是一个合法的软件网站,但提供下载的文件实际上是一个伪装的dropper。点击下载链接后会连接到托管在亚马逊网络服务上的JavaScripts重定向器,将受害者分流到多个不同的下载地点,提供不同版本的dropper进行下载。" Raccoon更新了新的攻击方式 Raccoon Stealer的攻击方式与其他通过收件箱对个人的信息窃取的恶意软件不同,Sophos追踪发现攻击活动是通过恶意网站传播的。 研究人员说,被骗的受害者会下载一个包含有效载荷的文档。该档案包含另一个受密码保护的文档和一个包含密码的文本文件,它们会在感染链的后面使用。包含可执行文件的文档是受密码保护的,这样就可以逃避恶意软件扫描。 该可执行文件提供了自解压安装程序。他们有与7zip或Winzip SFX等工具的自解压档案相关的签名,但不能被这些工具解压。索福斯认为:"签名要么是伪造的,要么文件的标题已经被投放者处理过,可以防止在没有执行文件的情况下解包。” Sophos说,交付给受害者的恶意软件可能包括加密货币挖矿工具、"Clippers"(在交易过程中通过修改受害者的系统剪贴板和改变目标钱包来窃取加密货币的恶意软件)、恶意的浏览器扩展程序、Djvu/Stop(一种主要针对家庭用户的勒索软件)。 偷窃者使用的基础设施 至于如何管理被感染的系统,Sophos说,攻击者使用安全信息平台Telegram,并使用RC4加密密钥对通信进一步进行了混淆。 通过使用硬编码的RC4密钥,Raccoon对通道中的信息进行解密,其中包含一个命令和控制(C2)的地址。 他们写道:"这个过程并不是直接执行就可以进行解密的,所产生的字符串在通道描述的开始和结束处会被删除,然后代码用RC4解密文本以获得C2的地址。” 犯罪分子会使用该工具进行地毯式的搜索,盗取有价值的文件,从基于浏览器的数据到加密货币钱包,都会使用C2进行窃取。同时,这个C2还被用来下载一个用Visual Basic .NET编写的SilentXMRMiner工具,该工具在运行时还会用Crypto Obfuscato进行混淆。 据Sophos称,自2020年10月以来,由Raccoon Stealer交付的第二级有效载荷包括18个恶意软件样本。最近的一个是名为QuilClipper的针对加密货币交易进行攻击的恶意软件。 研究人员写道:"在Virustotal上分析.Net加载器和clipper类似的样本时,我们发现很多的样本会托管在bbhmnn778[.fun]域名上。在调查相关文件并对其文件名进行搜索,我们发现了一个宣传《Raccoon Stealer》和《QuilClipper》的YouTube频道。" Raccoon的攻击特点 通过对Raccoon Stealer基础设施的研究显示,域名xsph[.]ru下有60个子域名,其中21个最近处于活跃状态,同时发现该域名通过俄罗斯主机提供商SprintHost[.]ru注册。 Polat和Gallagher写道:"这个Raccoon Stealer攻击活动表明犯罪活动现在已经变得非常专业化。他们说,威胁行为者越来越多地开始使用付费服务,如投放器即服务,来部署Raccoon和恶意软件托管平台。 据Sophos估计,这次Raccoon攻击活动幕后的犯罪分子部署恶意软件,窃取cookie和凭证,并在犯罪市场上出售这些被盗的凭证,窃取价值约13200美元的加密货币,并利用受害者的计算资源在六个月内挖掘2900美元的加密货币,该犯罪企业的运行成本估计为1250美元。 索福斯写道:"正是由于这种低成本的投入使这种类型的网络犯罪如此普遍”。 本文翻译自:https://threatpost.com/raccoon-stealer-google-seo/168301/ 鸿蒙官方战略合作共建――HarmonyOS技术社区 【责任编辑:赵宁宁 TEL:(010)68476606】

优秀的个人博客,低调大师

手把手丨输验证码输到崩溃?教你15分钟黑掉全球最流行的验证码插件

验证码这种东西真的是反人类。虽然它在保证账号安全、反作弊以及反广告有着至关重要的作用,但对于普通用户来说,输验证码很多时候实在是让人抓狂。 文摘菌18岁的时候帮朋友刷QQ空间留言就天天和验证码作斗争,前几天传一个视频又创下了连续7次输错验证码的记录。不过好在文摘菌最近发现,用机器学习破解简单验证码已经是妥妥的小事了。 今天,文摘菌就带来了一个15分钟黑掉世界上最受欢迎的验证码插件的小教程。欢迎开启新年第一黑。 先给大家介绍一下今天我们要黑的验证码插件。在Wordpress官网的插件注册页面(https://wordpress.org/plugins/)搜索“captcha”,返回的第一条结果“Really Simple CAPTCHA”就是今天我们要开刀的插件了。 由于这个插件是开源的,我们可以用它的源代码任意生成我们训练需要的验证码图片了。为了让这件事更有一点挑战性,我们不如给自己设定一个问题解决的时间限制——就15分钟吧! 插播:我绝对没有任何批评“Really Simple CAPTCHA”这个插件或它的作者的意思。这个插件的作者本人也承认这个插件已难以保证安全性了,并建议大家使用别的方法。本文只是在单纯地阐述一个有趣而快捷的技能挑战。然而,如果你正好是这个插件的100万多个用户里的一个,可能你是时候换个别的工具了。 热身准备 为了制定一个作战计划,让我们先来看看“Really Simple CAPTCHA”这个插件能够生成的是什么类型的图片吧。 好吧,看来这是个由4个字母组成的验证图片。让我们核实一下它的PHP源代码: 没错,它用了任意混合4种不同的字体的方式来生成了4个字符的验证码。我们可以看到,这个系统为了避免用户混淆字母和数字,在代码中设定了从来不使用O和I这两个字母。所以算下来我们需要识别的字母和数字共有32个。 目前用时:2分钟。 工具一览 工欲善其事,必先利其器。要解决我们的问题,我们需要用到以下工具: Python 3 Python有很多机器学习和计算机视觉库可以调用。 OpenCV OpenCV是一个目前流行的用于计算机视觉和图像处理的框架,我们需要用到它去处理CAPTCHA验证码图像。这个框架拥有Python API,因此我们可以直接使用Python调用它。 Keras Keras是一个用Python编写的深度学习框架,它使用极少的代码就可以简单地实现对深度神经网络的定义、训练和应用。 TensorFlow TensorFlow是谷歌的机器学习库。虽然我们将会在Keras中编码,但Keras自己实际上并不会执行神经网络的逻辑,而是背地里把所有的脏活累活都丢给谷歌的TensorFlow机器学习库去处理。 好了,说完工具,让我们回到挑战本身吧。 创建数据集 为了训练机器学习系统,我们首先需要训练数据。而为了破解CAPTCHA系统,我们需要的训练数据应该长这样: 由于我们已经有了WordPress插件的源代码了,因此我们只需要对其源代码小作改动,就可以得到10,000张验证码图片及其相对应的答案。 在花费了数分钟来捣腾代码并增加了一个简单的“for”循环之后,我得到了一个装满了训练数据的文件夹,里面有10,000个PNG格式的文件,文件名就是与之匹配的正确答案: 这是全文唯一一个我不会给你们示范代码的部分。我们在做的事情是出于学习和教育目的,并非真的要你们在现实中去黑掉WordPress的网站。不过,我将会给你们我在最后生成的那10,000张图片,以便你们可以复制我的结果。 目前用时:5分钟 简化问题 现在已经有了可用的训练数据,我们可以直接用这些数据去训练一个神经网络: 在训练数据足够多的情况下,这个方法应该是可行的,但我们还能把问题进一步简化。在仅有15分钟的情况下,问题越简单,我们所需要的训练数据和计算能力也就越少。 幸运的是这些CAPTCHA图片始终只有4个字母组成,如果我们能够把图片分割开让每个字母成为一张独立的图片,那么我们就可以训练神经网络让它逐个识别字母。 手动用PS分割图片显然是不现实的——我们现在只剩下10分钟了。同时,我们也无法把那些图像进行四等分的切割,因为CAPTCHA系统为了防止如下情况(如左侧动图),会随机地把字符放置在不同水平高度的位置上。 字符在每张图片中是随机放置的,使得分开这些字符变得略为困难 幸运的是,我们仍可以自动化实现这个过程。在图像处理的过程中,我们通常需要探测出那些颜色相同的像素“斑点”,而环绕这些连续的像素斑点的边界则被称为“轮廓线”。OpenCV恰好有一个自带的叫做findContours()的函数,可以用于检测那些连续的区域。 那么,我们首先从一张未经处理的CAPTCHA图片开始: 然后为了方便我们找到那些连续的区域,我们要将这种图片转化成纯粹的黑白图像(这个过程被称作二值化): 接下来,我们将要使用OpenCV的findContours()函数去检测出那些包含了连续且颜色相同的像素斑点的部分: 之后我们需要做的事情很简单,只要把每个区域作为独立的图像文件保存下来就好了。同时,因为我们已知每张图片包含了从左到右排列的四个字母,在保存每个字母图像的时候我们可以按照排列的顺序来进行标记。只要我们保存图片的顺序是无误的,那么我们就能够保证用正确的字母来标注每个图片。 但在这时,我突然发现了一个问题!这些验证码图片的字母有的时候是重叠在一起的: 这意味着某些提取出来的图像,在一个独立的区域里实际上混合了两个字母: 如果我们不及时解决这个问题,那么我们生产出来的将是一堆劣质的训练数据。为了防止机器误以为这种由两个字母挤成一团的图像当成是一个字母,我们必须要修正这个问题。 这里有一个简单的小技巧:如果一个单独等高线内的区域的宽度远远大于它的高度,那么我们可以推测这个区域内可能有两个字母挤压在一起了。在这种情况下,我们可以直接把合并的字母对半切割并当作两个独立分开的字母: 我们将会对半分开任何宽度远大于高度的区域,并将其按两个独立的字母来处理。这个技巧听起来有点不靠谱,但是应用在这些CAPTHCA验证码图片上的效果却很不错。 现在我们已经有了提取单独字母的方法了,接下来可以用来处理我们手头上所有的CAPTCHA验证码图片了。我们的目标是收集每个字母的不同变体,并且把这些变体统一整理归类在其所属字母的文件夹里。 下面这张图展示的就是我在对所有图片进行字母提取之后装着所有“W”的文件夹: 其中有些“W”字母是从那10,000 CAPCHA图片中提取出来的,我最后得到了1,147个不同的“W”图像。 目前用时:10分钟 训练神经网络 由于我们只需要辨识单个字母和数字的图片,我们不需要用到非常复杂的神经网络结构,毕竟辨识字符要比辨识一些如小猫小狗之类的较复杂的图片简单得多了。 我们将要使用的是一个结构简单的卷积神经网络,里面有两个卷积层和两个完全连接的隐藏层和输出层: 如果大家想知道更多关于卷积神经网络如何运作,以及为什么它们是图像识别的理想方法,可以去看看这篇文章 (https://medium.com/@ageitgey/machine-learning-is-fun-part-3-deep-learning-and-convolutional-neural-networks-f40359318721)或者这本书 (https://www.pyimagesearch.com/deep-learning-computer-vision-python-book/)。定义这个神经网络结构只需要利用Keras来写上几行代码: 现在,我们可以进行训练了! 在对训练数据集进行了10个循环的训练之后,我们得到了几乎100%的准确率。这时候,我们应该就能够随时随地自动绕过这个CAPTCHA系统了! 目前用时:15分钟(哈! 牛刀小试 好了,现在我们有一个已经训练好的神经网络模型了,接下来破解一个真正的CAPTCHA系统就相当简单了: 从一个网站上抓取一个使用WordPress插件的真实CAPTCHA图像。 利用我们刚刚创建训练数据集的方法,把一张CAPTCHA验证码图片分成四张独立的字符图片。 让我们的神经网络对每个字母图片进行预测。 将模型预测出的4个字符作为验证问题的答案。 新年第一黑完美收工! 我们最后得到的验证码破解系统长这样: 也可以用终端实现破解: 动手来试试吧! 这篇教程每个步骤设计的代码都保存在了这儿: https://s3-us-west-2.amazonaws.com/mlif-example-code/solving_captchas_code_examples.zip 压缩包中的REAME文件说明了这些代码该如何运行。里面也包含了10,000训练样本图片。 简直不敢信,全球最流行的验证码就这么被我们黑掉了。不过也没啥好高兴的,毕竟面对下面这种验证插件,现在的AI是一点脾气也没有的。 原文发布时间为:2018-01-02 本文作者:文摘菌 本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“大数据文摘”微信公众号

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长,特征是大鼻子、头戴帽子、身穿背带裤,还留着胡子。与他的双胞胎兄弟路易基一起,长年担任任天堂的招牌角色。

腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称,一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集,帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

用户登录
用户注册