DataBreach.com берет верх над HaveIBeenPwned в области защиты данных
Утечки данных стали регулярным явлением, в результате которого миллионы людей подвергаются риску раскрытия своих личных данных.

Команда Socket Research Team обнаружила вредоносный пакет Python под названием 'fabrice', который выдает себя за популярную библиотеку автоматизации SSH 'fabric' и крадет учетные данные AWS у ничего не подозревающих разработчиков.
Это открытие подчеркивает сохраняющийся риск доставки вредоносных программ через библиотеки с обманчивыми названиями с открытым исходным кодом, после недавних масштабных атак, направленных на пользователей NPM.
С момента своего появления в репозитории PyPI в 2021 году библиотека 'fabrice' скрытно выуживала учетные данные AWS и накопила более 37 000 загрузок.
Легальная библиотека 'fabric ', созданная разработчиком bitprophet, имеет более 201 миллиона загрузок и завоевала доверие разработчиков по всему миру. Однако «fabrice» стремится воспользоваться этим доверием с помощью полезных нагрузок, предназначенных для кражи учетных данных, создания бэкдоров и выполнения команд на определенных платформах.
В отчете Socket рассматривается вредоносная деятельность 'fabrice' в системах Linux и Windows, предлагаются сведения о его тактике и стратегии, которые помогут снизить уровень подобных угроз.
Незаконный 'fabrice' использует различные стратегии для выполнения своих вредоносных операций в зависимости от базовой операционной системы, будь то Linux или Windows. Подробный анализ этих операций раскрывает его сложные и зловещие замыслы.
В системах Linux «fabrice» использует функцию `linuxThread()`, которая используется для загрузки, декодирования и выполнения скриптов с внешнего сервера. Она специально нацелена на скрытые каталоги и использует методы обфускации, чтобы избежать обнаружения.
Функция `linuxThread()` пытается создать скрытый каталог (`~/.local/bin/vscode`) для хранения загруженной вредоносной полезной нагрузки, что затрудняет обнаружение аномалий.
Для загрузки скриптов используется обфусцированный URL, составленный путем конкатенации строк, для подключения к IP-адресу (89.44.9.227, связанному с VPN-сервером M247 в Париже). Полученный текст затем разбирается на несколько исполняемых файлов, хранящихся в скрытом каталоге.
Установив права на выполнение, функция запускает один из этих скриптов (`per.sh`), что потенциально позволяет злоумышленникам выполнять команды с привилегиями пользователя.
Для платформ Windows 'fabrice' использует функцию `winThread()`, которая опирается на base64-кодированные полезные нагрузки для создания механизма выполнения и сохранения вредоносных скриптов.
Внутри этой функции находятся две ключевые полезные нагрузки в base64-кодировке, обозначенные как 'vv' и 'zz', каждая из которых декодируется для выполнения определенных вредоносных задач:
Основной целью «fabrice», по-видимому, является кража учетных данных AWS. Пакет использует библиотеку `boto3` для сбора ключей доступа и секретных ключей AWS, которые затем передаются на удаленный сервер. Получив эти учетные данные, злоумышленники потенциально могут открыть доступ к важным облачным ресурсам.
Эти данные, передаваемые на конечную точку VPN, помогают скрыть происхождение атаки и облегчают использование украденных учетных данных без возможности отследить личность злоумышленника.
Признавая серьезную опасность, которую представляет 'fabrice', исследовательская группа Socket сообщила о вредоносном пакете команде PyPI для его удаления. Socket призывает разработчиков сохранять бдительность, тщательно проверять зависимости и использовать средства обнаружения угроз для предотвращения несанкционированных вторжений в критически важные среды.
Утечки данных стали регулярным явлением, в результате которого миллионы людей подвергаются риску раскрытия своих личных данных.
Хакеры атакуют машины под управлением Windows, используя технику конкатенации ZIP-файлов для доставки вредоносной полезной нагрузки в сжатых архивах без обнаружения решениями безопасности.
Компания Google выкладывает в открытый доступ новую библиотеку дифференциальной конфиденциальности.