Хакеры из Северной Кореи придумали новый способ, как обмануть криптанов

cryptonews.ruDipublikasikan tanggal 2025-09-04Terakhir diperbarui pada 2025-09-05

Новые отчеты показывают, что северокорейские криптохакеры используют фальшивые вакансии как фишинговую уловку. Эта опасная тенденция демонстрирует изменения в их методах

Несколько месяцев назад они провели эксперимент в Индии, который был менее изощренным. Однако главная угроза остается: вредоносное ПО, скрытое в поддельных приложениях для видеоконференций.

Новые методы северокорейских хакеров

Согласно отчету Reuters, северокорейские хакеры создают фальшивые предложения о работе. Вместо проникновения в компании Web3 они нацеливаются на сотрудников этой отрасли. Хакеры связываются через социальные сети с поддельными предложениями, которые часто содержат фишинговые атаки.

Несколько месяцев назад северокорейские криптохакеры запустили аналогичную атаку в меньшем масштабе. Группа «Famous Chollima» нацелилась на соискателей в Индии. С тех пор их методы значительно изменились.

Схема в обоих случаях одинакова: соискателю предлагают скачать поддельное ПО для видеоконференций или задание с вредоносным кодом. Однако теперь оформление стало более изощренным.

Сотрудники криптоиндустрии под угрозой

В июне хакеры выдавали себя за компании Web3, такие как Coinbase или Robinhood, нацеливаясь на тех, кто искал работу. Теперь они охотятся на более опытных специалистов, используя более убедительные легенды.

Северокорейские хакеры обращаются к успешным людям в криптоиндустрии с заманчивыми предложениями о работе, якобы в поисках специалистов для нового стартапа. Их цели — основатели, руководители, программисты, инфлюенсеры, консультанты и другие.

Затем они наносят удар:

«Со мной это происходит постоянно, и я уверен, что это случается со всеми в этой сфере. Пугает, насколько далеко они продвинулись», — сказал Карлос Яньес, руководитель компании Global Ledger, в интервью Reuters. Хотя его еще не взломали, он предупредил, насколько хороши эти мошенничества.

Крупные криптокомпании уже предложили спорные контрмеры для защиты от северокорейских хакеров, но это может не сработать. Частные компании могут обучать сотрудников распознавать такие угрозы, но сложно защитить каждого работника.

Точных данных об успехе этих мошенничеств нет. Один из пострадавших анонимно признался, что потерял $1 000, но многие вовремя распознают опасность. Если хакеры не добьются успеха, они могут прекратить свои действия.

Bacaan Terkait

AI Juga Bisa "Moody"! Penelitian Baru USTC: Kebingungan dan Kecemasan Bikin AI Makin Jago Bekerja

AI punya "emosi" dan itu bisa meningkatkan kemampuannya bekerja? Penelitian terbaru dari Universitas Sains dan Teknologi Tiongkok (USTC), Oxford, dan lainnya menunjukkan bahwa dengan membiarkan AI mengenali "emosi internal" seperti kebingungan, ketegangan, atau kekecewaan, dan menggunakan sinyal ini sebagai dasar untuk memilih tindakan atau keterampilan berikutnya, kinerjanya dalam menyelesaikan tugas dapat meningkat drastis. Dalam eksperimen, AI (agent) ditugaskan untuk berbelanja online. Peneliti mengamati bahwa kondisi emosional tertentu secara konsisten memicu pemilihan keterampilan tertentu: 1. Rasa ingin tahu dan keinginan → secara spontan mencari produk. 2. Kebingungan dan ketegangan → mengajukan ulang pertanyaan atau kueri. 3. Rasa percaya diri dan optimis → mengonfirmasi pembelian. 4. Kekecewaan dan kekesalan → membandingkan harga. Emosi "negatif" seperti kebingungan dan ketegangan ternyata berfungsi sebagai sinyal metakognitif yang berguna. Mereka menandakan ketidaksesuaian antara strategi saat ini dan lingkungan, memicu mekanisme pemulihan yang tepat *sebelum* kesalahan benar-benar terjadi. Dalam tugas-tugas rumit yang rentan gagal (seperti "mememanaskan barang" atau "mengambil dua item" di lingkungan simulasi), metode berbasis emosi ini meningkatkan tingkat keberhasilan secara signifikan, dari di bawah 10% menjadi lebih dari 30% bahkan 56%. Penelitian terpisah dari Universitas Tianjin juga mengintegrasikan emosi ke dalam "Model Dunia" (World Model) untuk prediksi yang lebih baik dalam lingkungan berpusat pada manusia. Hasilnya, akurasi prediksi meningkat, dan menghilangkan data emosi justru menurunkan kinerja AI bahkan dalam tugas penalaran logis. Temuan ini menunjukkan bahwa representasi emosional dalam model bahasa besar (LLM) tidak hanya fenomena yang diamati, tetapi semakin menjadi sinyal fungsional yang dapat diekstraksi dan dimanfaatkan untuk meningkatkan ketangguhan dan kemampuan AI dalam menyelesaikan tugas.

marsbit1j yang lalu

AI Juga Bisa "Moody"! Penelitian Baru USTC: Kebingungan dan Kecemasan Bikin AI Makin Jago Bekerja

marsbit1j yang lalu

Trading

Spot
活动图片