至顶网网络与安全频道 03月12日 综合消息: 最近几周,凭借广大医护工作者的无私奉献,以及全国各地每个人的点滴努力,肆虐多时的新冠病毒在我国已经持续呈现下降趋势。然而,不得不引起人们警惕的是在互联网上,基于新冠病毒的各种恶意攻击还在不断攀升。
众所周知,黑客往往会利用公众急切关注的心理实施网络侵害。正如我们Check Point最新报告指出:全球黑客发现冠状病毒可以为他们的攻击活动提供伪装。冠状病毒疫情的突然爆发和持续传播为黑客们提供可乘之机。同时报告显示,网络犯罪分子正在利用新冠病毒疫情这一热点来进行恶意活动,全球爆发了多起与该病毒相关的垃圾邮件活动。
根据 Check Point 威胁情报数据显示,自 2020 年 1 月以来,全球注册了超过 4,000 个冠状病毒相关域名。在这些网站中3% 为恶意域名,另有 5% 非常可疑。较之同期注册的所有域名的总恶意率,冠状病毒相关域名高出 50%,甚至高于情人节等近期季节性主题。
这其中有许多域名可能会被用于网络钓鱼。目前,Check Point 已发现并防止网上用户访问许多与恶意活动有关的网站,这些网站会利用与病毒相关讨论诱骗受害者访问其网站,还有一些声称出售口罩、疫苗和家庭病毒检测试剂的诈骗网站。
此外,随着意大利疫情的进一步恶化。Check Point研究人员还发现了一场针对意大利组织的以冠状病毒为主题的网络钓鱼活动,超过 10% 的意大利组织遭到攻击。以下是邮件内容示例:
邮件内容:鉴于您所在地区已公布的冠状病毒感染病例数量,世界卫生组织给出了一份文档,其中包含预防冠状病毒感染的所有必要措施。
我们强烈建议您阅读此消息所附文档。
此致,
Penelope Marchetti 博士(世界卫生组织 – 意大利)
这封电子邮件包含一份名为 f###########.doc(# = 数字)的恶意文档文件,其主题是“Coronavirus: Informazioni importanti su precauzioni”(冠状病毒:有关预防措施的重要信息),并由一名意大利的世界卫生组织 (WHO) 博士签发。但经Check Point研究人员网上核查,没有找到世界卫生组织有一位名叫 Penelope Marchetti 或 Organizzazione Mondiale della Sanità 的博士。此外,发件人的电子邮件地址也不是来自 WHO 或 OMS 官方域名,而且大部分内容根本不是意大利语。
以下是恶意文档文件截图:
点击“enable editing(启用编辑)”和“enable content(启用内容)”将导致下载 Ostap 木马下载程序,这就是臭名昭著的 Trickbot 下载程序。Trickbot 是一种使用广泛的银行木马,不断添加新的功能、特性和传播向量。这让它成为一种灵活的可自定义的恶意软件,广泛用于多目的攻击活动。
在未来一段时间内,新冠病毒仍将成为全球关注的焦点。航线停飞、体育赛事停摆、美股熔断……疫情已经从卫生安全转移到社会各个层面,互联网领域势必无法独善其身。因此,Check Point将持续利用业内领先的信息安全技术与威胁情报系统,帮助全球用户远离互联网疫情威胁,保障数字资产安全。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。