Q1: Ποια ήταν η μέση πληρωμή λύτρων σύμφωνα με την αναφορά της Zscaler; A1: Η μέση πληρωμή λύτρων αυξήθηκε κατά 5,3% σε ετήσια βάση στα 431.995 $. Q2: Ποιο ποσοστό των θυμάτων ήταν επιπέδου manager ή άνω; A2: Τίτλοι επιπέδου manager και άνω αντιστοιχούσαν στο 62% των θυμάτων στις επιθέσεις που εξέτασε η Zscaler. Q3: Γιατί τα στελέχη στοχεύονται περισσότερο από άλλους εργαζόμενους; A3: Τα άτομα σε αυτούς τους ρόλους tend to έχουν ευρύτερη πρόσβαση σε αρχεία, εγκρίσεις και εσωτερικά συστήματα, και είναι πιο πιθανό να τα εμπιστεύονται οι συνάδελφοι, γεγονός που κάνει την πλαστοπροσωπία πιο πολύτιμη για τους επιτιθέμενους. Q4: Πώς χρησιμοποιούν οι επιτιθέμενοι την AI σύμφωνα με την αναφορά; A4: Η Zscaler λέει ότι οι δράσεις απειλών χρησιμοποιούν AI για να υποστηρίξουν τις επιχειρήσεις τους και κινούνται προς κλοπή δεδομένων μεγάλης κλίμακας, όχι μόνο κρυπτογράφηση αρχείων. Q5: Γιατί είναι δύσκολο να αποκλειστούν επιθέσεις που χρησιμοποιούν Teams και Quick Assist; A5: Αυτά τα εργαλεία είναι νόμιμο λογισμικό στο οποίο πολλοί οργανισμοί βασίζονται καθημερινά, οπότε ο κίνδυνος βρίσκεται στον τρόπο με τον οποίο χρησιμοποιούνται και στο ποιος βρίσκεται στην άλλη άκρη της συνομιλίας, όχι σε απλές λίστες αποκλεισμού. ---END---
Μια νέα αναφορά της Zscaler δείχνει σαφή αλλαγή στον τρόπο με τον οποίο δρουν οι συμμορίες εκβιασμού. Το ransomware με υποβοήθηση AI που στοχεύει απομακρυσμένους εργαζόμενους, ειδικά εκείνους με διοικητικούς τίτλους, παράγει μεγαλύτερες πληρωμές και βασίζεται σε εργαλεία που οι εργαζόμενοι ήδη εμπιστεύονται. Για όποιον εργάζεται από το σπίτι ή συνδέεται από ένα καφέ, τα ευρήματα είναι μια χρήσιμη υπενθύμιση ότι το πιο επικίνδυνο μήνυμα μπορεί να φτάσει μέσω μιας εφαρμογής που η εταιρεία σας ενέκρινε. ## Τι βρήκε η αναφορά της Zscaler Τα βασικά στοιχεία της αναφοράς είναι ξεκάθαρα. Η μέση πληρωμή λύτρων αυξήθηκε κατά 5,3% σε ετήσια βάση στα 431.995 $. Τίτλοι επιπέδου manager και άνω αντιστοιχούσαν στο 62% των θυμάτων στις επιθέσεις που εξέτασε η Zscaler, γεγονός που υποδηλώνει ότι οι επιτιθέμενοι επιλέγουν σκόπιμα εργαζόμενους με προνομιακούς ρόλους και επιρροή στις επιχειρήσεις. Η αναφορά περιγράφει επίσης μια ευρύτερη αλλαγή τακτικής. Η Zscaler λέει ότι οι δράσεις απειλών χρησιμοποιούν AI για να υποστηρίξουν τις επιχειρήσεις τους και κινούνται προς κλοπή δεδομένων μεγάλης κλίμακας, όχι μόνο κρυπτογράφηση αρχείων. Η κλοπή δεδομένων πρώτα δίνει στους εγκληματίες μια δεύτερη πηγή πίεσης: ακόμη κι αν μια εταιρεία μπορεί να επαναφέρει συστήματα από αντίγραφα ασφαλείας, η απειλή δημοσίευσης ευαίσθητων πληροφοριών παραμένει. Το υλικό πηγής που έχουμε στη διάθεσή μας περιορίζεται σε μια σύνοψη της αναφοράς, οπότε μένουμε στα στοιχεία και τους ισχυρισμούς που έχει δημοσιοποιήσει η Zscaler αντί να συμπληρώνουμε λεπτομέρειες που δεν έχει αποκαλύψει. ## Πώς καταχρώνται τα Teams και Quick Assist Ένα από τα πιο πρακτικά ευρήματα είναι ότι οι επιτιθέμενοι καταχρώνται όλο και περισσότερο αξιόπιστα εργαλεία επιχειρήσεων, συμπεριλαμβανομένων των Microsoft Teams και Quick Assist. Σύμφωνα με την αναφορά, αυτά τα εργαλεία χρησιμοποιούνται για να διευκολύνουν κοινωνική μηχανική, πλάγια μετακίνηση, κλοπή δεδομένων και κρυπτογράφηση αρχείων. Η λογική είναι εύκολη να την ακολουθήσει κανείς. Ένα μήνυμα στο Teams μοιάζει με συνηθισμένη συνομιλία στον χώρο εργασίας. Μια συνεδρία Quick Assist μοιάζει με συνήθη υποστήριξη IT. Κανένα από τα δύο δεν προκαλεί την υποψία που θα προκαλούσε ένα παράξενο συνημμένο email. Όταν ένας επιτιθέμενος μπορεί να πείσει έναν πολυάσχολο εργαζόμενο να αποδεχθεί ένα αίτημα συνομιλίας ή ένα αίτημα απομακρυσμένης υποστήριξης, μπορεί να αποκτήσει πάτημα χωρίς να χρειαστεί ποτέ να παραβιάσει ένα firewall. Αυτός είναι επίσης ο λόγος για τον οποίο αυτά τα εργαλεία είναι δύσκολο να ελεγχθούν με απλές λίστες αποκλεισμού. Είναι νόμιμο λογισμικό στο οποίο πολλοί οργανισμοί βασίζονται καθημερινά. Ο κίνδυνος βρίσκεται στον τρόπο με τον οποίο χρησιμοποιούνται και στο ποιος βρίσκεται στην άλλη άκρη της συνομιλίας. ## Γιατί τα στελέχη είναι οι κύριοι στόχοι Με τους managers και άνω να αποτελούν το 62% των θυμάτων, το μοτίβο είναι δύσκολο να αγνοηθεί. Τα άτομα σε αυτούς τους ρόλους tend to έχουν ευρύτερη πρόσβαση σε αρχεία, εγκρίσεις και εσωτερικά συστήματα. Είναι επίσης πιο πιθανό να τα εμπιστεύονται οι συνάδελφοι, γεγονός που κάνει μια πειστική πλαστοπροσωπία πιο πολύτιμη για έναν επιτιθέμενο. Αυτό ευθυγραμμίζεται με προηγούμενη κάλυψη στον ιστότοπο. Η ματιά μας στο [πώς οι συμμορίες ransomware στοχεύουν μεσήλικες managers](/en/zscaler-data-ransomware-gangs-target-46-year-old-managers) περιγράφει μια στροφή μακριά από την παλιά εστίαση αποκλειστικά στα ανώτατα στελέχη, και η νέα αναφορά ενισχύει ότι οι επιτιθέμενοι δίνουν προσοχή στους ανθρώπους που βρίσκονται στη μέση των καθημερινών επιχειρηματικών λειτουργιών. Η AI φαίνεται να κάνει αυτή τη στόχευση φθηνότερη και ταχύτερη. Η Zscaler περιγράφει επιτιθέμενους με υποβοήθηση AI, και ενώ η σύνοψη δεν περιγράφει κάθε τεχνική, η γενική κατεύθυνση είναι σαφής: καλύτερα προσαρμοσμένα μηνύματα και ταχύτερες επιχειρήσεις σημαίνουν λιγότερη προσπάθεια ανά θύμα. ## Τι προστατεύει και τι δεν προστατεύει ένα VPN Ένα VPN κρυπτογραφεί την κίνηση μεταξύ της συσκευής σας και του διακομιστή VPN, και μπορεί να μειώσει την έκθεση σε μη αξιόπιστα δίκτυα όπως το δημόσιο Wi-Fi. Αυτό είναι πολύτιμο, αλλά αντιμετωπίζει ένα διαφορετικό πρόβλημα από αυτό που περιγράφεται σε αυτή την αναφορά. Αν ένας επιτιθέμενος σας πείσει να αποδεχθείτε ένα αίτημα Teams ή να ξεκινήσετε μια συνεδρία Quick Assist, η σύνδεση είναι μία που επιλέξατε να ανοίξετε. Η κρυπτογραφημένη κίνηση δεν βοηθά όταν το άτομο στην άλλη άκρη είναι η απειλή. Ένα VPN επίσης δεν σας εμποδίζει να παραδώσετε διαπιστευτήρια, να εγκρίνετε ένα αίτημα απομακρυσμένου ελέγχου ή να εκτελέσετε ένα αρχείο που σας είπαν να ανοίξετε. Με άλλα λόγια, ένα VPN είναι ένα επίπεδο προστασίας της ιδιωτικότητας, όχι άμυνα κατά της κοινωνικής μηχανικής μέσα σε νόμιμες πλατφόρμες. Θεωρήστε το ως συμπλήρωμα καλών συνηθειών λογαριασμού και συσκευής, όχι ως υποκατάστατό τους. ## Τι σημαίνει αυτό για εσάς Αν εργάζεστε απομακρυσμένα, ειδικά σε ρόλο με εξουσία έγκρισης ή ευρεία πρόσβαση σε αρχεία, ταιριάζετε στο προφίλ που περιγράφει η αναφορά. Το πρακτικό συμπέρασμα είναι να επιβραδύνετε τη στιγμή που κάποιος σας ζητά να παραχωρήσετε πρόσβαση. - Αντιμετωπίστε με προσοχή απροσδόκητα μηνύματα Teams από άγνωστους ή εξωτερικούς λογαριασμούς, ακόμη κι αν αναφέρουν IT ή έναν γνωστό συνάδελφο. - Μην ξεκινάτε ποτέ μια συνεδρία Quick Assist εκτός αν εσείς αρχίσατε το αίτημα υποστήριξης μέσω καναλιού που επαληθεύσατε μόνοι σας. - Επιβεβαιώστε ασυνήθιστα αιτήματα επικοινωνώντας με το άτομο μέσω ξεχωριστής, γνωστής μεθόδου. - Χρησιμοποιήστε μοναδικούς κωδικούς πρόσβασης και έλεγχο ταυτότητας πολλαπλών παραγόντων σε επαγγελματικούς και προσωπικούς λογαριασμούς. - Αναφέρετε ύποπτες επαφές στην ομάδα IT ή ασφάλειάς σας γρήγορα, ακόμη κι αν δεν είστε σίγουροι. ## Βασικά συμπεράσματα Τα ευρήματα της Zscaler δείχνουν ότι το ransomware με υποβοήθηση AI που στοχεύει απομακρυσμένους εργαζόμενους αφορά λιγότερο εξωτικές εκμεταλλεύσεις και περισσότερο το να πειστεί το σωστό άτομο να ανοίξει την πόρτα. Μια μέση πληρωμή 431.995 $ και ένα ποσοστό 62% θυμάτων επιπέδου manager κάνουν το κίνητρο προφανές. Αφιερώστε λίγα λεπτά αυτή την εβδομάδα για να εξετάσετε πώς χειρίζεστε τα αιτήματα απομακρυσμένης πρόσβασης και την υγιεινή των διαπιστευτηρίων: ελέγξτε ποια εργαλεία μπορούν να ελέγξουν τη συσκευή σας, ενισχύστε τον έλεγχο ταυτότητας πολλαπλών παραγόντων και συμφωνήστε σε μια συνήθεια επαλήθευσης με την ομάδα σας. Για περισσότερο πλαίσιο σχετικά με το ποιοι πλήττονται και γιατί, διαβάστε την προηγούμενη κάλυψή μας για [συμμορίες ransomware που στοχεύουν μεσαία στελέχη](/en/zscaler-data-ransomware-gangs-target-46-year-old-managers).
 περιγράφει μια στροφή μακριά από την παλιά εστίαση αποκλειστικά στα ανώτατα στελέχη, και η νέα αναφορά ενισχύει ότι οι επιτιθέμενοι δίνουν προσοχή στους ανθρώπους που βρίσκονται στη μέση των καθημερινών επιχειρηματικών λειτουργιών.
Η AI φαίνεται να κάνει αυτή τη στόχευση φθηνότερη και ταχύτερη. Η Zscaler περιγράφει επιτιθέμενους με υποβοήθηση AI, και ενώ η σύνοψη δεν περιγράφει κάθε τεχνική, η γενική κατεύθυνση είναι σαφής: καλύτερα προσαρμοσμένα μηνύματα και ταχύτερες επιχειρήσεις σημαίνουν λιγότερη προσπάθεια ανά θύμα.
## Τι προστατεύει και τι δεν προστατεύει ένα VPN
Ένα VPN κρυπτογραφεί την κίνηση μεταξύ της συσκευής σας και του διακομιστή VPN, και μπορεί να μειώσει την έκθεση σε μη αξιόπιστα δίκτυα όπως το δημόσιο Wi-Fi. Αυτό είναι πολύτιμο, αλλά αντιμετωπίζει ένα διαφορετικό πρόβλημα από αυτό που περιγράφεται σε αυτή την αναφορά.
Αν ένας επιτιθέμενος σας πείσει να αποδεχθείτε ένα αίτημα Teams ή να ξεκινήσετε μια συνεδρία Quick Assist, η σύνδεση είναι μία που επιλέξατε να ανοίξετε. Η κρυπτογραφημένη κίνηση δεν βοηθά όταν το άτομο στην άλλη άκρη είναι η απειλή. Ένα VPN επίσης δεν σας εμποδίζει να παραδώσετε διαπιστευτήρια, να εγκρίνετε ένα αίτημα απομακρυσμένου ελέγχου ή να εκτελέσετε ένα αρχείο που σας είπαν να ανοίξετε.
Με άλλα λόγια, ένα VPN είναι ένα επίπεδο προστασίας της ιδιωτικότητας, όχι άμυνα κατά της κοινωνικής μηχανικής μέσα σε νόμιμες πλατφόρμες. Θεωρήστε το ως συμπλήρωμα καλών συνηθειών λογαριασμού και συσκευής, όχι ως υποκατάστατό τους.
## Τι σημαίνει αυτό για εσάς
Αν εργάζεστε απομακρυσμένα, ειδικά σε ρόλο με εξουσία έγκρισης ή ευρεία πρόσβαση σε αρχεία, ταιριάζετε στο προφίλ που περιγράφει η αναφορά. Το πρακτικό συμπέρασμα είναι να επιβραδύνετε τη στιγμή που κάποιος σας ζητά να παραχωρήσετε πρόσβαση.
- Αντιμετωπίστε με προσοχή απροσδόκητα μηνύματα Teams από άγνωστους ή εξωτερικούς λογαριασμούς, ακόμη κι αν αναφέρουν IT ή έναν γνωστό συνάδελφο.
- Μην ξεκινάτε ποτέ μια συνεδρία Quick Assist εκτός αν εσείς αρχίσατε το αίτημα υποστήριξης μέσω καναλιού που επαληθεύσατε μόνοι σας.
- Επιβεβαιώστε ασυνήθιστα αιτήματα επικοινωνώντας με το άτομο μέσω ξεχωριστής, γνωστής μεθόδου.
- Χρησιμοποιήστε μοναδικούς κωδικούς πρόσβασης και έλεγχο ταυτότητας πολλαπλών παραγόντων σε επαγγελματικούς και προσωπικούς λογαριασμούς.
- Αναφέρετε ύποπτες επαφές στην ομάδα IT ή ασφάλειάς σας γρήγορα, ακόμη κι αν δεν είστε σίγουροι.
## Βασικά συμπεράσματα
Τα ευρήματα της Zscaler δείχνουν ότι το ransomware με υποβοήθηση AI που στοχεύει απομακρυσμένους εργαζόμενους αφορά λιγότερο εξωτικές εκμεταλλεύσεις και περισσότερο το να πειστεί το σωστό άτομο να ανοίξει την πόρτα. Μια μέση πληρωμή 431.995 $ και ένα ποσοστό 62% θυμάτων επιπέδου manager κάνουν το κίνητρο προφανές.
Αφιερώστε λίγα λεπτά αυτή την εβδομάδα για να εξετάσετε πώς χειρίζεστε τα αιτήματα απομακρυσμένης πρόσβασης και την υγιεινή των διαπιστευτηρίων: ελέγξτε ποια εργαλεία μπορούν να ελέγξουν τη συσκευή σας, ενισχύστε τον έλεγχο ταυτότητας πολλαπλών παραγόντων και συμφωνήστε σε μια συνήθεια επαλήθευσης με την ομάδα σας. Για περισσότερο πλαίσιο σχετικά με το ποιοι πλήττονται και γιατί, διαβάστε την προηγούμενη κάλυψή μας για [συμμορίες ransomware που στοχεύουν μεσαία στελέχη](/en/zscaler-data-ransomware-gangs-target-46-year-old-managers).](/api/img?p=articles%2F7699%2Fimage-0.jpg&w=1200)
// FAQ
Ποια ήταν η μέση πληρωμή λύτρων σύμφωνα με την αναφορά της Zscaler;
Η μέση πληρωμή λύτρων αυξήθηκε κατά 5,3% σε ετήσια βάση στα 431.995 $.
Ποιο ποσοστό των θυμάτων ήταν επιπέδου manager ή άνω;
Τίτλοι επιπέδου manager και άνω αντιστοιχούσαν στο 62% των θυμάτων στις επιθέσεις που εξέτασε η Zscaler.
Γιατί τα στελέχη στοχεύονται περισσότερο από άλλους εργαζόμενους;
Τα άτομα σε αυτούς τους ρόλους tend to έχουν ευρύτερη πρόσβαση σε αρχεία, εγκρίσεις και εσωτερικά συστήματα, και είναι πιο πιθανό να τα εμπιστεύονται οι συνάδελφοι, γεγονός που κάνει την πλαστοπροσωπία πιο πολύτιμη για τους επιτιθέμενους.
Πώς χρησιμοποιούν οι επιτιθέμενοι την AI σύμφωνα με την αναφορά;
Η Zscaler λέει ότι οι δράσεις απειλών χρησιμοποιούν AI για να υποστηρίξουν τις επιχειρήσεις τους και κινούνται προς κλοπή δεδομένων μεγάλης κλίμακας, όχι μόνο κρυπτογράφηση αρχείων.
Γιατί είναι δύσκολο να αποκλειστούν επιθέσεις που χρησιμοποιούν Teams και Quick Assist;
Αυτά τα εργαλεία είναι νόμιμο λογισμικό στο οποίο πολλοί οργανισμοί βασίζονται καθημερινά, οπότε ο κίνδυνος βρίσκεται στον τρόπο με τον οποίο χρησιμοποιούνται και στο ποιος βρίσκεται στην άλλη άκρη της συνομιλίας, όχι σε απλές λίστες αποκλεισμού.



