Анализ вредоносных вложений в фишинговых рассылках для ВКР по кибербезопасности: методика детектирования и метрики защищённости
Атака, о которой сообщает CNews, — классический пример гибридного фишинга: злоумышленники используют домен .ru для отправки писем и скомпрометированные марокканские сайты для хостинга полезной нагрузки, маскируя трояны и криптомайнеры под PDF-резюме. Для выпускника ИБ-специальности это не просто новость, а готовый сценарий для эмпирической главы: есть вектор (email), есть образец вредоноса, есть тактика MITRE ATT&CK (T1566 Phishing, T1204 User Execution, T1496 Resource Hijacking). Ниже — как превратить эту историю в защищаемую ВКР и не утонуть в нормоконтроле.
Что чаще всего спрашивают студенты ИБ, прежде чем взяться за тему
Где брать реальные образцы фишинговых писем и вложений для исследования?
Легальные источники: PhishTank, MalwareBazaar (abuse.ch), URLhaus, наборы VirusTotal Academic, тренировочные датасеты Kaggle (Email Spam/Phishing). Ни в коем случае не запускайте сэмплы на рабочей машине — только изолированная ВМ/песочница (Cuckoo, CAPE). В ВКР обязательно опишите этическую сторону и политику обращения с IOC.
Какой стек подойдёт, если кафедра требует «свою реализацию»?
Минимальный и защищаемый набор: Python + eml_parser + oletools + YARA. Плюс Elastic Stack для визуализации IOC. Если хотите ML — scikit-learn на фичах (размер вложения, энтропия, тип MIME, наличие макросов). Этого достаточно для второй и третьей главы.
Как посчитать эффективность детектора, если нет своего SOC?
Соберите собственную размеченную выборку: 300–500 писем (200 легитимных + 100–200 фишинговых). Считайте Precision, Recall, F1, ROC-AUC и False Positive Rate — именно FPR критичен для почтового шлюза. Формулы в главе 3, таблица confusion matrix в приложении.
Чем усилить актуальность, сославшись на статью CNews?
Покажите тренд: рост «резюме-фишинга» совпал с активностью кластеров FakeBat, Lumma Stealer и румынских/российских майнер-дропперов. Именно эта новость — пример TTP, которые вы формализуете через MITRE ATT&CK.
Три темы ВКР, вытекающие прямо из кейса
-
Тема 1. Система детектирования вредоносных вложений в корпоративном почтовом трафике
Актуальность: атака через поддельные резюме обходит классические спам-фильтры — письмо легитимно по структуре, вредоносен только вложенный файл.
Цель: разработать модуль анализа вложений на базе YARA + статической эвристики.
Задачи:
- Обзор TTP фишинговых кампаний (кейс CNews + MITRE ATT&CK).
- Проектирование архитектуры анализатора (C4 + UML deployment).
- Реализация парсера .eml/.msg и правил YARA.
- Оценка Precision/Recall/FPR на размеченном датасете.
Структура: Гл.1 — теория фишинга и MITRE; Гл.2 — архитектура и код; Гл.3 — тестирование и метрики.
-
Тема 2. Формализация тактик социальной инженерии через MITRE ATT&CK на примере «резюме-кампаний»
Актуальность: нужна воспроизводимая карта TTP, чтобы SOC реагировал по сигнатурам, а не по интуиции.
Цель: построить матрицу ATT&CK-покрытия для email-вектора и предложить правила SIEM.
Задачи: анализ кластера атак, маппинг на техники, разработка запросов Splunk/Elastic, верификация на sandbox-логax.
Структура: Гл.1 — социальная инженерия и ATT&CK; Гл.2 — карта детекций; Гл.3 — пилотное внедрение в SIEM.
-
Тема 3. Изолированная песочница для автоматического анализа вложений
Актуальность: в кейсе CNews полезная нагрузка хостилась на взломанных сайтах — значит, нужен динамический анализ с изоляцией.
Цель: развернуть Cuckoo/CAPE-подобный конвейер и интегрировать результат в почтовый шлюз.
Задачи: построение виртуального стенда, отчётность по IOC, метрика времени анализа и доли детекций.
Структура: Гл.1 — обзор песочниц; Гл.2 — проектирование и развёртывание; Гл.3 — нагрузочное тестирование и оценка TCO.
Как встроить материал статьи в главы ВКР
Глава 1. Теория — от новости к модели угроз
Не пересказывайте CNews целиком. Возьмите три факта (домен .ru, взломанные сайты, маскировка под резюме) и оформите их как STRIDE-модель или диаграмму потока угроз. Отдельный подраздел — сравнение со стандартом ISO/IEC 27005 и OWASP Top 10 (A03 Injection, A08 Software & Data Integrity). Здесь же уместна схема BPMN процесса «получение письма → открытие вложения → заражение».
Глава 2. Проектирование — архитектура и псевдокод
Опишите архитектуру анализатора по C4 (контекст, контейнеры, компоненты). Пример ядра парсера:
import email
from hashlib import sha256
from pathlib import Path
def analyze_eml(path: Path):
msg = email.message_from_bytes(path.read_bytes())
report = {"from": msg["From"], "subject": msg["Subject"], "ioc": []}
for part in msg.walk():
fname = part.get_filename()
if not fname:
continue
payload = part.get_payload(decode=True) or b""
digest = sha256(payload).hexdigest()
# статическая эвристика: макросы, энтропия, исполняемые расширения
suspicious = part.get_content_type() in (
"application/x-msdownload", "application/vnd.ms-office"
) or fname.lower().endswith((".exe", ".js", ".lnk", ".iso"))
report["ioc"].append({"file": fname, "sha256": digest,
"suspicious": suspicious})
return report
Глава 3. Тестирование — метрики и валидация
Соберите confusion matrix по детекциям, посчитайте:
| Метрика | Формула | Целевое значение |
|---|---|---|
| Precision | TP / (TP + FP) | ≥ 0.95 |
| Recall | TP / (TP + FN) | ≥ 0.90 |
| FPR | FP / (FP + TN) | ≤ 0.02 |
| MTTD | время до детекта | ≤ 30 сек |
Сравните базовую сигнатуру (только расширения) и гибрид (YARA + энтропия). Разница в F1 — ваш главный практический вывод.
YARA-правило под конкретную кампанию
rule Resume_Lure_Dropper {
meta:
author = "VKR_Student"
mitre = "T1566.001"
strings:
$s1 = "curriculum" nocase
$s2 = "resume" nocase
$hex = { 4D 5A 90 00 } // MZ header
condition:
uint16(0) == 0x5A4D and 2 of ($s*) and $hex
}
- Задачи в главах 2–3 совпадают с задачами, сформулированными во введении.
- Каждая метрика (Precision, Recall, FPR) присутствует в выводах.
- Схемы C4/UML/BPMN подписаны и экспортированы в едином стиле.
- Ссылки на MITRE ATT&CK, NIST, OWASP оформлены по ГОСТ Р 7.0.5-2008.
- ГОСТ 19.201-78 — ТЗ и руководство оператора приложены.
- Датасеты и сэмплы описаны этически, без реальных персональных данных.
- Уникальность текста ≥ 80%, антиплагиат пройден в трёх системах.
- Покупают «датасет» из случайных Telegram-каналов. Итог — сомнительная легальность и вирусы на ноутбуке. Используйте MalwareBazaar и описания из открытых отчётов.
- Пересказывают новость вместо анализа. CNews — это триггер для модели угроз, а не глава 1. Всегда выводите TTP через MITRE.
- Считают только Accuracy. При дисбалансе классов (99% легитимных писем) метрика бесполезна — нужен F1 и ROC-AUC.
Источник: Европу атакуют с помощью поддельных резюме с майнерами и троянами (опубликовано 2026-03-27)