Malware im Jahr 2016: Ein Rückblick

2016 wurden fast 1,4 Milliarden Datensätze weltweit kompromittiert. Dabei wurden erstaunliche und beängstigende Trends festgestellt. [...]

Der digitale Sicherheitsexperte Gemalto hat seinen Breach Level Report für 2016 vorgelegt. Der darin enthaltene Breach Level Index (BLI) zeigt einen Anstieg von 86 Prozent der Cyberangriffe im Vergleich zum Vorjahr. Der BLI ist eine weltweite Datenbank für Datenschutzverletzungen. Die Angriffe werden unterschieden nach Anzahl der betroffenen Datensätze, Datentyp, Ursprung des Angriffs, Verwendung der erbeuteten Daten sowie deren Verschlüsselungsstatus.
Im Rahmen des Breach Level Reports verglich Gemalto 2013 zum ersten Mal öffentlich bekanntgegebene Datenschutzverletzungen. Seither wurden rund 7 Milliarden Datensatz-Offenlegungen dokumentiert. Der grösste Coup gelang Cyberkriminellen 2016 mit der Erbeutung von 400 Millionen Datensätzen. Dabei handelte es sich um E-Mail-Adressen, IP-Adressen, Logins sowie Passwörter von Nutzern der Seite Adult FriendFinder. Gemalto stufte diesen Angriff mit dem höchstmöglichen Schweregrad von 10 ein.
59 Prozent aller 2016 verübten Datenschutzverletzungen entfallen auf Identitätsdiebstahl. Am zweithäufigsten wurde der Finanzsektor angegriffen. 330 Attacken in diesem Bereich sind für 2016 dokumentiert. Damit ist ein leichter Rückgang im Vergleich zu 2015 zu bemerken. Hier waren es noch 413 Angriffe. Trotz des Rückgangs gelang es den Cyberkriminellen bei ihren Angriffen auf mehr Datensätze zuzugreifen. 2015 wurden 4,1 Millionen Datensätze gestohlen, 2016 sogar 5,4 Millionen.

Am häufigsten betroffen ist mit 1443 Angriffen Nordamerika (80 Prozent), Europa treffen lediglich 161 Angriffe (9 Prozent), dicht gefolgt von Asien mit 145 Attacken (8 Prozent). 2 Prozent der Cyberangriffe wurden auf Afrika und den Mittleren Osten gestartet. Hier waren es 38 Attacken. In Südamerika waren es lediglich 7 Angriffe (weit unter 1 Prozent).
*Die Autorin Alexandra Lindner ist Redakteurin von PCTIPP.


Mehr Artikel

News

Große Sprachmodelle und Data Security: Sicherheitsfragen rund um LLMs

Bei der Entwicklung von Strategien zur Verbesserung der Datensicherheit in KI-Workloads ist es entscheidend, die Perspektive zu ändern und KI als eine Person zu betrachten, die anfällig für Social-Engineering-Angriffe ist. Diese Analogie kann Unternehmen helfen, die Schwachstellen und Bedrohungen, denen KI-Systeme ausgesetzt sind, besser zu verstehen und robustere Sicherheitsmaßnahmen zu entwickeln. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*