Ondsindede PDF-filer er svære at beskytte sig mod, fordi det er relativt nemt at skjule ondsindede URL'er, koder og andet indhold i dokumenterne. Traditionelle sikkerhedsløsninger scanner dokumenter og leder efter allerede kendte angreb, men det indlejrede materiale kan undslippe opdagelse.
For at imødegå denne type angreb bruger dagens strategi AI med indlæringsalgoritmer til at analysere hele strukturen af PDF-dokumenter. AI-værktøjet undersøger billeder, URL'er og andet indhold på et dybere niveau for at opdage potentielle tricks brugt af cyberkriminelle. Ofte fremstilles dokumenterne som værende fra en troværdig kilde, men teknologien kan opfange små nuancer, som kan være svære for en person at opdage. Det kan fx dreje sig om et ekstra tegn i en URL eller lignende.
- At disse typer angreb fortsætter med at stige i den hastighed, de gør, er et tegn på, at det virker for cyberkriminelle. Et vellykket angreb kan føre til tyveri af data, som derefter kan bruges til forskellige formål eller videresælges. Derfor er det vigtigt for organisationer at have moderne systemer, der beskytter deres følsomme data og deres medarbejdere, siger Mats Ekdahl, sikkerhedsekspert hos Check Point Software.
Sverige
