Краткое содержание
В статье обсуждается использование поведенческих ML-моделей для непрерывной аутентификации пользователей в ответ на обход Face ID и MFA с помощью троянов удаленного доступа. Алгоритмы анализируют уникальные траектории свайпов и микрокоррекции пальцев на основе теории моторного контроля.
Темы
ИИ
кибербезопасность
биометрия
Теги
кибербезопасность
ИИ
поведенческая биометрия
ML
аутентификация
трояны
AppGate
Упомянутые сущности
AppGate
Face ID
Полный текст
Поведение как новый критерий идентификации пользователя: кибербезопасность в эпоху ИИИнженеры AppGate столкнулись с системным обходом Face ID и MFA через трояны удалённого доступа. Когда злоумышленник перехватывает чужой смартфон, банковский сервер всё равно фиксирует легитимный IP-адрес и правильные токены. Разовые проверки на входе теряют смысл.Для непрерывной валидации теперь используются поведенческие ML-модели. Защита базируется на теории моторного контроля — алгоритмы оценивают уникальную траекторию свайпа и микрокоррекции пальцев, где счёт идёт на миллисекунды.
Другие посты из habr_com
habr_com
2026-05-02T17:01:32+00:00
Пост описывает создание аппаратного Bluetooth-адаптера для USB-клавиатуры на базе Pico W, используя стеки TinyUSB и BTstack, для избавления от проводов.
Читать