2021 年 6 月网络安全解决方案提供商 Check Point 软件技术有限公司(纳斯达克股票代码:CHKP)的威胁情报部门 Check Point Research (CPR) 发布了其 2021 年 5 月最新版《全球威胁指数》报告。CPR 报告称,Trickbot 于 2019 年 4 月首次跻身排行榜,现已跃居榜首,而 Dridex 老牌木马在随着全球勒索软件的激增成为近几个月最活跃的恶意软件之一后,现已完全跌出榜单。尽管目前还不知道 Dridex 为何跌出榜单,但最新报告显示,因散播 Dridex 而臭名昭著的 Evil Corp 团伙现已更名并变换花样,以逃避美国财政部的制裁。

指数榜单中位居第一的是 Trickbot。它是一种僵尸网络和银行木马,可窃取财务信息、帐户登录凭证及个人身份信息,并在网络中传播和投放勒索软件,尤其是 Ryuk。Trickbot 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 1 月份 Emotet 僵尸网络遭到打击后,Trickbot 迅速蔓延开来,并在本周登上新闻头条,因为美国司法部指控一名拉脱维亚妇女参与创建和部署 Trickbot 恶意软件。
自 2021 年初以来,CPR 发现针对企业的网络攻击数量显著攀升。与 2020 年 5 月相比,CPR 观察到美洲网络攻击数量增加了 70%,欧洲、中东及非洲地区增长了 97%,亚太地区同比骤增 168%。
Check Point 产品威胁情报与研究总监 Maya Horowitz 表示:“最近勒索软件攻击的增加引起了广泛关注,据我们的观察,网络攻击数量总体正急剧增长。这一严峻趋势令人倍感担忧。很高兴看到在打击本月最猖獗的恶意软件 Trickbot 的保卫战中,司法部门对相关犯罪提出了指控,但显然我们还有很长一段路要走。各组织需要警惕风险和确保全面部署可靠解决方案,并始终牢记,我们不仅可以快速检测攻击,而且还能够对其进行有效防御,包括零日攻击和未知恶意软件。一旦有了合适的技术,您就可以在不中断正常业务流程的情况下阻止大多数攻击,甚至是最复杂的攻击。”
CPR 还指出,“Web Server Exposed Git 存储库信息泄露”仍是最常被利用的漏洞,全球 48% 的组织因此遭殃,其次是“HTTP 标头远程代码执行 (CVE-2020-13756)”,影响了全球 47.5% 的组织。“MVPower DVR 远程代码执行”在最常被利用的漏洞排行榜中位列第三,全球影响范围为 46%。
头号恶意软件家族
* 箭头表示与上月相比的排名变化。
Emotet 仍然是本月最活跃的恶意软件,全球 8% 的组织受到波及,其次是 XMRig 和 Formbook,两者均影响了全球 3% 的组织。
最常被利用的漏洞
本月,“Web Server Exposed Git 存储库信息泄露”是最常被利用的漏洞,全球 48% 的组织因此遭殃,其次是“HTTP 标头远程代码执行 (CVE-2020-13756)”,影响了全球 47.5% 的组织。“MVPower DVR 远程代码执行”在最常被利用的漏洞排行榜中位列第三,全球影响范围为 46%。
主要移动恶意软件
本月,xHelper 位列最猖獗的移动恶意软件榜首,其次是 Triada 和 Hiddad。
Check Point《全球威胁影响指数》及其《ThreatCloud 路线图》基于 Check Point ThreatCloud 情报数据撰写而成,ThreatCloud 是打击网络犯罪的最大协作网络,可通过全球威胁传感器网络提供威胁数据和攻击趋势。ThreatCloud 数据库每天检查超过 30 亿个网站和 6 亿份文件,每天识别超过 2.5 亿起恶意软件攻击活动。
好文章,需要你的鼓励
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
谷歌发布基于Gemini 3的快速低成本模型Flash,并将其设为Gemini应用和AI搜索的默认模型。新模型在多项基准测试中表现优异,在MMMU-Pro多模态推理测试中得分81.2%超越所有竞品。该模型已向全球用户开放,并通过Vertex AI和API向企业及开发者提供服务。定价为每百万输入token 0.5美元,输出token 3美元,速度比2.5 Pro快三倍且更节省token用量。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。