Nyelvészek segíthetnek azonosítani a névtelenségbe burkolózó felhasználókat

Kutatók úgy vélik, hogy az anonim underground fórumokon megfordulók 80%-át is képesek azonosítani nyelvészeti módszereket használva. Az eljárás azon alapul, hogy különböző fórumokon megjelent posztokat hasonlítanak össze. “Ha az adatbázisunk 100 embert tartalmaz, akkor abból legalább 80-at képesek vagyunk azonosítani. A function word-ök nagyon specifikusak az íróra nézve. akár szakdolgozatot ír az illető, akár egy chat üzentet, ugyanazokat a szavakat fogja használni”, mondta Sadia Afroz egy németországi konferencián.

http://www.scmagazine.com.au/News/328135,linguistics-identifies-anonymous-users.aspx


Legfrissebb sérülékenységek
CVE-2026-22769 – Dell RecoverPoint for Virtual Machines (RP4VMs) Use of Hard-coded Credentials sérülékenység
CVE-2021-22175 – GitLab Server-Side Request Forgery (SSRF) sérülékenység
CVE-2008-0015 – Microsoft Windows Video ActiveX Control Remote Code Execution sérülékenység
CVE-2024-7694 – TeamT5 ThreatSonar Anti-Ransomware Unrestricted Upload of File with Dangerous Type sérülékenység
CVE-2020-7796 – Synacor Zimbra Collaboration Suite (ZCS) Server-Side Request Forgery sérülékenység
CVE-2026-1731 – BeyondTrust Remote Support (RS) and Privileged Remote Access (PRA) OS Command Injection sérülékenység
CVE-2026-2441 – Google Chromium CSS Use-After-Free sérülékenysége
CVE-2025-40536 – SolarWinds Web Help Desk Security Control Bypass sérülékenység
CVE-2025-15556 – Notepad++ Download of Code Without Integrity Check sérülékenység
CVE-2024-43468 – Microsoft Configuration Manager SQL Injection sérülékenység
Tovább a sérülékenységekhez »