#ssmjp キタガワナイト「公開情報から読み解くWnnaCry騒動」にブログ枠で参加してきた - Blog::koyhoge::Tech
本日10月26日に開催されたssmjpにブログ枠で参加してきました。 ssmjp.connpass.com 競争率3倍以上の人気イベントで、抽選で勝ち残れる気がまったくしなかったので、先着3名で空いていた「ブログ枠」というものにさくっと申し込みました。ブログ枠というからにはブログを書かなければいけません。イベント中はひたすらメモを Markdown で書いてて、イベント終了とほぼ同時に gist で公開といういつものパターンをやったのですが、なにせブログ枠なので、はてなブログの機能で gist を貼り付けてブログエントリに仕上げました。 北河さんによる発表内容は本当に広く深くて、頑張ってメモりましたがそれでも全体の3〜4割くらいだと思います。 今年5月に社会を大きく騒がせた WannaCry ですが、不正確な情報や明確な間違いが結果的に多く流れました。公開情報を丹念に追うことで、それらがど
Unprotect Project - Unprotect Project
Introduction Welcome to Unprotect Project: The database about malware self-defending and protection Malware are one of the most aggressive threats in the IT field. They are often used to cause damage, steal data, or spy on a target. Companies and Security Industry are working to be more effective against this threat and detecting new variants. Malware authors spend a great deal of time and effort
検知を回避するマルウェアが使用するメカニズムを徹底解説
マルウェアの作者の多くは、複雑なコードを開発するために多大な時間と労力をかけています。彼らの成功は、脅威として長時間検出されず、サンドボックス での解析、アンチウイルス対策、またはマルウェアの解析者を回避できるかにかかっています。このブログでは、検知を回避するためにマルウェアが使用するメカニズムの概要を紹介します。 マルウェアが簡単に検知されると、データを盗み取りインパクトを最大化するための時間がなくなります。ITセキュリティの市場は成熟しており、現在のセキュリティ対策ツールやアプリケーションの性能は非常に向上しています。ただし、攻撃者もセキュリティツールの動作を理解し、監視を続けています。また、企業や組織は必ずしもベストプラクティスを実践していません。マルウェア対策ツールが最新状態ではない場合も多く、サンドボックスが設定ミスにより簡単に検知されることもあります。 マルウェアの自己防衛機能
エフセキュアブログ : ブラウザとメール：マルウェア配信における最大の攻撃経路
ブラウザとメール：マルウェア配信における最大の攻撃経路 2016年04月28日00:00 ツイート fsecure_corporation ヘルシンキ発 by：パトリシア エフセキュアラボでは、顧客が一般的に遭遇するような普及している脅威について継続的に監視している。脅威の大勢を観察する際、我々はサイバー犯罪者が用いる感染経路を調査する。また、こうした攻撃から顧客を保護する効果的な方法を探る。 以下は、当社の顧客を保護した検知の上位10件である。なお、上位2つはエクスプロイトとスパムメールに関連している。 まず、最上位にランクされた検知について見ていこう。 ブラウザ経由での攻撃：Angler EK（エクスプロイトキット） 当社における検出でExploit:JS/AnglerEK.DとなるAngler EK（現在もっとも活動的なエクスプロイトキット）は、当社の世界地図上の統計で最上位の1つ
Kaggle: Bag-of-words と Ensemble 学習でマルウェア分類 (Microsoft Malware Classification Challenge) - Qiita
Kaggle: Bag-of-words と Ensemble 学習でマルウェア分類 (Microsoft Malware Classification Challenge)機械学習MachineLearningKaggle Kaggle の Microsoft Malware Classification Challenge に参加してました。最終結果は 383 チーム中 26 位。初の Achievement (top 10%) が貰えました。 以下、構築したモデルについてのラフな説明です。 タスク マルウェアのクラス分類 入力：hexdump ファイル (.bytes) と assembly ファイル (.asm) 出力：マルウェアのクラス確率 (9種類) データ数 訓練データ：10,868 評価データ：10,873 詳細 https://www.kaggle.com/c/malwa
MDL - Malware Domain List
Business Name Generator uses artificial intelligence to create an unlimited number of creative and memorable business names for nearly every industry. Simply submit a few keywords related to your brand and our technology will not only provide you with unique and brandable business names but also website domains and custom logos to match — all within seconds.
マルウェアの侵入を阻止する――システム監視編
攻撃者たちは、ネットワークやシステムの防御をすり抜けたり、業務に混乱を引き起こしたり、センシティブなデータを会社や個人のコンピュータから流出させたりするのに、悪質なソフトウェア（マルウェア）を利用する。残念ながら、マルウェアの侵入を簡単に検知、防止する方法は存在しない。マルウェアの防止には、警戒とコントロールに基づくアプローチが必要となる。 自社のネットワークとシステムの状態に注意を払う ボットやスパイウェアなどの悪質なソフトウェアは、非常に長い間、気付かれないまま社内のシステムに潜んでいることも多い。手の込んだマルウェアの中には、ウイルス対策ソフトウェアや侵入検知システム（IDS）で検出できないものもある。こういった強敵に対する最初の防衛ラインは、自社のITインフラの通常の状態を熟知した上で、常時監視によって異常を感知することだ。 ITインフラに対する警戒態勢を確立・維持するには、以下の
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Naked Security – Sophos News
SANS - Internet Storm Center - Cooperative Cyber Threat Monitor And Alert System