Sunnuntai 27.5.2012

Hakkerit “vain katselivat” Suomen pörssiyhtiön palvelimella

Luotu: 
5.2.2011 08:51
Päivitetty: 
5.2.2011 09:00
  • Kuva: EPA / All Over Press
    Meklari pohtii New Yorkin pörssissä.

Yhdysvalloissa teknologiapörssi Nasdaq on joutunut vakavan tietomurron kohteeksi, kertoo Wall Street Journal. Lehden mukaan Nasdaqiin on onnistuttu tunkeutumaan useita kertoja viimeisen vuoden aikana.

Nyt viranomaiset selvittävät, kuinka hakkerit ovat päässeet Nasdaqin järjestelmiin ja mitä he ovat pörssissä tehneet. Itse osakekauppaa pyörittävä alusta on WSJ:n teitojen mukaan koskematon.

- Nyt näyttää siltä, että tunkeutujat ovat vain katselleet, WSJ:n lähde kertoo.

Murron motiiveista ei vielä ole tietoa, kuten ei ole tekijöistäkään. Viranomaiset tietävät toistaiseksi lähinnä sen, että joku on käynyt järjestelmässä.

Nasdaqin tietomurto on hätäänyttänyt Yhdysvaltojen teitoturvallisuudesta vastaavat viranomaiset, sillä pörssejä pidetään sähköverkkoa ja lennonjohtoa vastaavana perusinfrana.

Nasdaq OMX pyörittää myös Helsingin pörssiä. Uusi Suomi ei ole vielä tavoittanut yhtiön edustajaa kommentoimaan, onko tietomurrolla vaikutuksia Suomeen.

Yritykset: 
Jaa artikkeli: 

Kommentit

Htalk

Linkki

"Tom Kellermann, a former computer security official at the World Bank who now works at a firm called Core Security Technologies, said the most advanced hackers in the world are increasingly targeting financial institutions, particularly those involved in trading.

"Many sophisticated hackers don't immediately try to monetize the situation; they oftentimes do what's called local information gathering, almost like collecting intelligence, to ascertain what would be the best way in the long term to monetize their presence,'' he said."

Read more:

http://online.wsj.com/article/SB1000142405274870470930457612450235163469...

Aruvela Niyogi

Dataa voisi käyttää näin: "An HTM system, by contrast, is trained rather than programmed. HTMs learn about objects in the world in the same way that people do, through a stream of sensory data."

"By modeling the pattern discovery mechanisms of the human brain, HTMs offer a means to solve pattern recognition and prediction problems in messy, large, real world data sets."
http://www.numenta.com/