Tag: OSINT

  • Tworzenie profili w mediach społecznościowych kosztuje obecnie szesnaście centów na osobę

    Tworzenie profili w mediach społecznościowych kosztuje obecnie szesnaście centów na osobę

    Spis treści

    Nadaj nazwę procesowi LLM i poczekaj osiem i pół minuty. Zautomatyzowana analiza profili w mediach społecznościowych wskaże następnie, w jaki sposób dana osoba pisze, jak ostrożnie zachowuje się w sieci, w jakim kierunku zmierza jej kariera i jakie sukcesy może osiągnąć w pracy.

    Większość z tego nigdy nie pojawiła się w żadnym wpisie.

    W raporcie podano cenę docelową na poziomie 0,16 dolara za akcję, a przedział cenowy wynosił od 14 do 18 centów.

    Pellegrino Casoria i Simon Pietro Romano Naukowcy z Uniwersytetu Federico II w Neapolu przeprowadzili badanie dotyczące profilowania w mediach społecznościowych na grupie 14 ochotników. Pobierali dane z profili każdej osoby na LinkedIn i Facebooku, a następnie prosili daną osobę o ocenę profilu wygenerowanego przez system.

    Przeczytałem ten przykładowy opis dwa razy, bo dzięki pracy w dziedzinie bezpieczeństwa i cotygodniowemu nawyku korzystania z LinkedIn od razu się w nim odnalazłem.

    tworzenie profili w mediach społecznościowych

    Wszyscy 14 ochotnicy byli specjalistami ds. cyberbezpieczeństwa o wysokiej świadomości w zakresie ochrony prywatności, a mimo to przyznali wywnioskowanym atrybutom ocenę 4,73 na 5.

    Twoje ustawienia prywatności nie zapobiegają profilowaniu w mediach społecznościowych

    Ustawienia prywatności określają, co publikujesz, a profilowanie w mediach społecznościowych opiera się na tym, co z tego wynika.

    W przypadku „łatwej warstwy”, obejmującej stanowiska i stopnie naukowe, skuteczność ekstrakcji wyniosła 97,3% według wskaźnika F1. Wyrażenia regularne osiągnęły wynik 28,0% na tych samych danych, a rozpoznawanie encji przez spaCy – 17,3%.

    Większą wagę przywiązuje się do świadomości w zakresie OPSEC oraz dostępu do zasobów organizacyjnych, a nikt nie wpisał żadnej z tych informacji w formularzu. Model analizuje dane z poszczególnych pozycji profilu i sam je uzupełnia. Świadomość w zakresie OPSEC uzyskała ocenę 4,79, a dostęp do zasobów organizacyjnych – 4,57 według własnych ocen osób objętych badaniem. Tę samą lukę zauważyłem w Prywatność agentów sztucznej inteligencji, gdzie kontrola dostępu określa, kto może przeglądać rekord, a pomija to, co model z nim robi.

    Żadna z tych linii bazowych nie wygenerowała ani jednej z 252 wywnioskowanych cech.

    Skryper pobrał maksymalnie dziesięć najnowszych wpisów, więc ilość danych wejściowych była niewielka.

    A Badanie z lutego Badanie przeprowadzone przez Simona Lermena i jego współautorów wykazało, że agenci LLM potrafią ustalić tożsamość użytkownika na podstawie anonimowych wpisów. Autor ostrzegł, że informacje o mieście zamieszkania i zawodzie składają się na całościowy obraz, a jego sformułowanie utkwiło mi w pamięci. “Ta kombinacja często stanowi unikalny odcisk palca”. Artykuł z Neapolu kontynuuje temat tam, gdzie kończy się to badanie, ponieważ gdy tylko znane jest imię i nazwisko, profilowanie w mediach społecznościowych kosztuje mniej niż znaczek pocztowy.

    “Nie mam nic do ukrycia” skupia się na niewłaściwej kwestii

    Większość ludzi ocenia stopień ujawnienia informacji na podstawie pojedynczych wpisów, a z tej perspektywy zdjęcie z konferencji czy nowy certyfikat wydają się nieszkodliwe.

    Atakujący analizują treść tych wpisów, a rozpoznanie rozpoczyna łańcuch ataku. W klasyfikacji MITRE ATT&CK etap ten jest ujęty w kategorii T1593.001, oddział ds. mediów społecznościowych firmy Search Open Websites/Domains. W artykule wskazano na „Dream Job” i „Contagious Interview” – dwie kampanie powiązane z Koreą Północną, które rozpoczęły się od utworzenia fałszywych profili na LinkedIn i innych platformach, jeszcze przed jakimkolwiek włamaniem technicznym.

    Kiedyś ten etap wymagał udziału ludzkiego analityka, a autorzy szacują obecnie koszt profilowania w mediach społecznościowych na mniej niż 20 dolarów za sto celów. Jak piszą, atakujący dysponujący ograniczonymi zasobami zyskują “to, co kiedyś wymagało dobrze finansowanych operacji”.”

    W ramach tego badania nikt nie padł ofiarą ataku phishingowego, co potwierdzają sami autorzy. Zespół zbadał wskaźnik zastępczy, w ramach którego każdy ochotnik oceniał cztery opcje w 12 pytaniach, a system przewidywał kolejność tych ocen.

    Wyniki wykazały umiarkowaną zgodność – współczynnik tau Kendalla wyniósł 0,36, a pierwszy wybór okazywał się trafny w około 52% przypadków. To dwukrotnie więcej niż w przypadku losowego wyniku bazowego, a wszyscy 14 ochotnicy uzyskali wynik powyżej zera, wliczając w to nawet słabe ślady.

    W tym kontekście “podatność” należy rozumieć jako wybór odpowiedniego pretekstu – jest to pierwszy krok, który atakujący musi wykonać prawidłowo.

    Jakie zmiany czekają Twój zespół ds. bezpieczeństwa

    Najwyższy wynik uzyskała kategoria „Komunikacja” (0,54), wyprzedzając kategorię „Kariera” (0,30). Na ostatnim miejscu znalazła się kategoria „Zainteresowania” (0,23) – i właśnie tę część wyników badania profilowania w mediach społecznościowych pokazałbym zespołowi ds. bezpieczeństwa.

    Twój ton i sposób przekazywania informacji pozostają spójne we wszystkich postach, dzięki czemu model najlepiej je rozpoznaje. Moim zdaniem osłabia to dotychczasową wskazówkę pozwalającą rozpoznać phishing – czyli wiadomość, która brzmi podejrzanie. Jeśli sformułowania są zgodne ze sposobem, w jaki mówi Twój zespół, styl przestaje być dowodem.

    Warto więc sprawdzić samą prośbę i potwierdzić wszelkie informacje dotyczące pieniędzy lub danych uwierzytelniających za pośrednictwem innego kanału, niezależnie od tego, kto wydaje się o to prosić.

    Wyobraź sobie firmę zatrudniającą 500 osób, w której za około 80 dolarów osoba atakująca może przeprowadzić analizę profili wszystkich pracowników w mediach społecznościowych. Następnie, na podstawie uprawnień organizacyjnych i świadomości w zakresie OPSEC, wybiera pięć osób o największym zasięgu i najmniejszej ostrożności. Ten scenariusz jest moim pomysłem, a podana w nim cena za każdy cel pochodzi z artykułu.

    Jak działa profilowanie w mediach społecznościowych i jakie są jego ograniczenia

    W artykule rozwiązanie to określono mianem “głupiego scrapera, inteligentnego LLM” – Playwright pobiera surowe strony za pomocą plików cookie sesji. Ekstrakcja danych odbywa się na modelu gpt-4o-mini, a profilowanie na gpt-5-mini, natomiast model gpt-5 odpowiada za interakcję z użytkownikami. Zmiany w układzie strony praktycznie nie wpływają na działanie scrapera, dzięki czemu koszty utrzymania pozostają niskie.

    Pliki cookie sesji zmieniają również znaczenie pojęcia “publiczne”, ponieważ potok widzi wszystko to, co widzi każdy zalogowany użytkownik.

    Próba składa się z 14 osób z sieci kontaktów autorów, a badanie ogranicza się do dwóch platform i jednego zrzutu ekranu. Oceny zostały podane przez samych uczestników, a 29% z nich zgłosiło nieprawidłowe dane. Najbogatszy profil uzyskał najgorszy wynik – 84,1%.

    Traktuję to jako projekt pilotażowy, który ma na celu sprawdzenie ceny i wykonalności. Ile osób by to kliknęło, to wciąż kwestia otwarta.

    Najpierw sprawdź, jak wygląda Twój profil w mediach społecznościowych

    Wybierz swoje dziesięć ostatnich publicznych postów i przekaż je lokalnej modelce. Zapytaj, co mogą one powiedzieć o Twoim dostępie w pracy i jak ona sama by do Ciebie podeszła.

    Cokolwiek powraca i sprawia, że czujesz się niekomfortowo, stanowi twoją ekspozycję.

    Test nie wskaże, jakie informacje atakujący dodaje na podstawie danych uzyskanych w wyniku włamania, a usunięcie wpisu nie ma żadnego wpływu na kopie, które zostały już zebrane.

    Załóżmy, że ktoś przeczytał twoje ostatnie dziesięć postów, bo przy cenie szesnastu centów może sobie na to pozwolić.

    Źródło | https://arxiv.org/abs/2610.31573


    Chcesz więcej? Subskrybuj The Dossier

    Co tydzień w skrzynce odbiorczej:

    📡 KANAŁ WYWIADOWCZY - 3-5 wyselekcjonowanych linków: [Badania] [Polityka] [Narzędzia] [Incydenty]
    💡 JEDNA RADA - Jedna praktyczna wskazówka dotycząca AI/cyberbezpieczeństwa, z której możesz skorzystać już dziś

  • Koniec anonimowości w sieci

    Spis treści

    Możesz myśleć, że twoja anonimowość w sieci jest kuloodporna, gdy publikujesz komentarz na Hacker News pod fałszywym nazwiskiem, narzekając na nowy framework JavaScript. Na subreddicie horrorów narzekasz na straszne zakończenie. Gdzieś na starym, zapomnianym forum wspominasz o silnym wietrze podczas porannej podróży pociągiem. Czujesz się jak duch. Nikt nie połączy tych kropek. Dlaczego miałby to zrobić?

    Błąd.

    Właśnie udowodniono, że ten rozproszony ślad jest więcej niż wystarczający. Maszyny nauczyły się bawić w detektywów, a długo utrzymywana anonimowość online wyparowała w ułamku sekundy.

    Koniec praktycznej niewidzialności

    Przez lata chroniła nas matematyka i ludzkie lenistwo. Jasne, agencje wywiadowcze mogły ścieżka w dół. Ale dlaczego mieliby marnować czas na przeciętną osobę? Wymagało to istoty ludzkiej, która usiadłaby, przeczytała twoje posty, zrobiła notatki i żmudnie przeszukała wiele baz danych. Koszty pracy ludzkiego śledczego tworzyły naturalną, niewidzialną tarczę.

    Ta tarcza obróciła się w pył.

    Simon Lermen oraz naukowcy z ETH Zurich i firmy Anthropic przetestowali rozwiązanie przerażająco proste i skuteczne. Podłączyli duże modele językowe do internetu i pozwolili im „zabawić się” w profilowanie. Autonomiczne agenty sztucznej inteligencji analizowały luźne fragmenty tekstu, losowo dobrane zdania oraz konta użytkowników posługujących się pseudonimami. Następnie ustaliły prawdziwe imiona, nazwiska i życiorysy zawodowe tych użytkowników.

    Zrobili to bez ustrukturyzowanych danych z arkuszy kalkulacyjnych. Wykorzystali tylko myśli, które bezmyślnie wpisujemy w postach i komentarzach.

    Dlaczego żyjesz w iluzji bezpieczeństwa

    Prawdopodobnie myślisz teraz: “Nigdy nie używam swojego prawdziwego imienia i nazwiska. Zawsze używam VPN. Mam osobne e-maile i nazwy użytkowników dla każdego forum”.”

    Wiele osób uważa, że anonimowość online polega wyłącznie na ukrywaniu imienia i nazwiska. To nie ma żadnego znaczenia. Zakładamy, że jeśli usuniemy naszą datę urodzenia i numer telefonu, staniemy się niewidzialni. To fatalny błąd w ocenie. Zapominamy, że nasza tożsamość to tak naprawdę suma tysięcy drobnych nawyków, opinii i codziennych mikro-wydarzeń.

    anonimowość online

    Sztuczna inteligencja nie szuka twojego dowodu osobistego. Szuka unikalnego wzorca zachowań użytkownika. Prawdziwa anonimowość online wymaga całkowitego usunięcia śladu stylu życia.

    Wyobraźmy sobie konkretny scenariusz. Piszesz na forum o awarii bazy danych PostgreSQL o godzinie 2:00 czasu środkowoeuropejskiego. Dwa miesiące później, na platformie z recenzjami restauracji, przyznajesz jedną gwiazdkę kawiarni na ulicy Floriańskiej w Krakowie, dodając, że “espresso było kwaśne”. Maszyna łączy te dwa fakty. Wie, że jesteś programistą z Krakowa, który pracuje do późnych godzin nocnych. Jeśli ktoś z Krakowa napisze na LinkedIn dokładnie w tym samym czasie o “ciężkiej nocy łatania bazy danych”, system ma 99% pewności, że to ty.

    Żaden człowiek nie byłby w stanie przetworzyć milionów kont, aby wyłapać ten jeden drobny wzorzec. Maszynie zajmuje to 14 sekund. Ludzie błędnie wierzą, że gigantyczny szum informacyjny chroni ich anonimowość online. Tymczasem dla dużych modeli językowych ten szum jest ogromnym, bardzo czytelnym kodem kreskowym z imieniem i nazwiskiem.

    Cena twoich sekretów to filiżanka kawy

    Przejdźmy do efektów drugiego rzędu. Odkąd koszt de anonimizacji pojedynczego profilu spadł do zaledwie czterech dolarów, wszystkie stare zasady nie mają już zastosowania. Pełna anonimowość online stanowiła kiedyś barierę przed masową inwigilacją. Ta bariera zniknęła.

    Sprawdzanie przeszłości pracowników

    Pracodawca może wrzucić do systemu Twoje dopracowane, oficjalne CV i nakazać algorytmowi znalezienie wszystkich Twoich pseudonimowych kont na Reddicie lub innych forach dyskusyjnych. Zrobi to prewencyjnie, dla tysięcy kandydatów dziennie. Sprawdzą, czy w wolnym czasie wyrażasz poglądy, które mogłyby zaszkodzić wizerunkowi firmy. Koszt weryfikacji 100 kandydatów będzie niższy niż wydatek rekrutera na lunch.

    Składki ubezpieczeniowe i zdrowotne

    Firma ubezpieczeniowa bez trudu połączy twoje zmagania z przewlekłą chorobą, opisane na forach wsparcia, z twoim oficjalnym profilem zawodowym. Następnie system automatycznie podniesie składkę zdrowotną o 30%. Będziesz się kłócić, ale usłyszysz tylko wyćwiczony korporacyjny scenariusz o “kalkulacji ryzyka”.”

    Precyzyjne ataki hakerskie

    Przestępcy nie muszą już masowo wysyłać pocztą elektroniczną słabo przetłumaczonych oszustw od nigeryjskich książąt. Zamiast tego zlecą maszynom zbudowanie bazy danych tysięcy zamożnych osób ukrywających się za kryptonimami na forach kryptowalutowych. Przestępca prosi model o listę osób skarżących się na konkretne błędy w portfelu sprzętowym Trezor.

    Następnie system wysyła im wiadomości udające oficjalne wsparcie, cytując dokładnie te błędy, o których pisali pod fałszywymi nazwami użytkowników. Wskaźnik powodzenia takiego ataku wzrasta z ułamka procenta do kilkudziesięciu procent.

    Szantaż na skalę przemysłową staje się tani i łatwo dostępny. Twoje najgłębiej skrywane sekrety właśnie zyskały oficjalną cenę.

    Jak maszyny łączą punkty (krok po kroku)

    Jak ta de anonimizacja działa pod maską? Tradycyjna anonimowość online opierała się na silosowaniu danych, ale algorytmy mogą doskonale łączyć te silosy. Nie ma tu żadnej magii. To czysta, bezwzględna dedukcja.

    1. Pobieranie danych: Agent czyta twoje chaotyczne komentarze i tworzy szczegółowy profil. Zapisuje twój wiek (wywnioskowany z żartu o kasetach VHS), ulubione dzielnice i skargi na konkretne błędy w kodowaniu.
    2. Generowanie zapytań: System tworzy serię zapytań wyszukiwania na podstawie tych fragmentów. Ignoruje nazwy użytkowników. Wyszukuje kombinacje: “Python developer” + “Kraków” + “rower szosowy”.
    3. Autonomiczne polowanie: Algorytm uzyskuje pełny dostęp do wyszukiwarki. Przegląda wyniki, analizuje je i porównuje z profilem użytkownika.
    4. Analiza probabilistyczna: Model oblicza szanse. Jeśli w Polsce jest 100 000 programistów, ale tylko 50 używa języka Elixir, a tylko jeden z nich wspominał ostatnio o zakupie konkretnego modelu kasku rowerowego, to pula podejrzanych kurczy się do dokładnie jednej osoby.

    Aktywna dezinformacja to jedyna obrona

    Ponieważ pasywna anonimowość online należy już do przeszłości, musisz zmienić taktykę. Ukrywanie się już nie działa. Celowe tworzenie chaosu już tak.

    • Zatrucie danych: Zmieniaj nieistotne szczegóły w swoich historiach. Jeśli masz 32 lata, napisz na forum, że masz 38. Jeśli masz córkę, wspomnij, że musisz odebrać syna z przedszkola.
    • Zmodyfikuj swój styl pisania: Twój unikalny językowy odcisk palca to wyrok śmierci. Użyj narzędzi i prostych skryptów, aby przepisać swoje posty przed publikacją, usuwając swoje specyficzne nawyki językowe.
    • Tworzenie fałszywych ścieżek geograficznych: Komentujesz głównie wydarzenia z Londynu? Regularnie narzekasz na korki w Manchesterze i pogodę w Szkocji.

    Praktyczna niewidzialność przestała istnieć. Jeśli chcesz zachować anonimowość w sieci, zacznij aktywnie okłamywać systemy. W przeciwnym razie pogódź się z faktem, że każda Twoja cyfrowa wypowiedź została już na stałe powiązana z Twoim prawdziwym imieniem i nazwiskiem.


    Chcesz więcej? Subskrybuj The Dossier

    Co tydzień w skrzynce odbiorczej:

    📡 KANAŁ WYWIADOWCZY - 3-5 wyselekcjonowanych linków: [Badania] [Polityka] [Narzędzia] [Incydenty]
    💡 JEDNA RADA - Jedna praktyczna wskazówka dotycząca AI/cyberbezpieczeństwa, z której możesz skorzystać już dziś