《网络攻击趋势:2021年年中报告》揭露了网络犯罪分子如何继续利用新冠疫情作案,并指出全球勒索软件攻击数量激增了 93%
2021年 7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《网络攻击趋势:2021年年中报告》,报告揭露了网络犯罪分子如何继续利用全球组织纷纷转向混合工作模式的时机,发起针对所有部门(包括政府、医疗及关键基础设施)的攻击。
全球组织遭受的网络攻击增加了 29%。欧洲、中东及非洲地区的攻击增幅最大,达到了 36%,其次是美洲地区和亚太地区,分别增长了 34% 和 13%。今年还出现了一种新型“三重勒索”勒索软件技术。尽管针对网络犯罪的国际联合行动取得了成功,例如臭名昭著的 Emotet 僵尸网络遭覆灭,但攻击者仍在频频发起复杂攻击,利用组织的供应链造成大规模破坏。
报告中揭示的主要趋势包括:
Check Point 公司研究副总裁 Maya Horowitz 表示:“2021年上半年,网络犯罪分子继续调整其攻击手段,利用组织向混合工作模式转变的时机,针对组织的供应链及与合作伙伴的网络链路发起攻击,以图实现最大程度的破坏。今年的网络攻击不断打破记录,勒索软件攻击数量激增,发生了 Solarwinds、Colonial Pipeline、JBS 或 Kayesa 等轰动性攻击事件。未来,组织应警惕风险并确保全面部署相应解决方案,以便在不中断正常业务流程的情况下阻止大多数攻击,包括最复杂的攻击”。
报告中对下半年的主要预测包括:
与勒索软件的斗争会进一步加剧 — 尽管政府和执法部门增加了投资,尤其是美国政府将此作为首要任务,但勒索软件攻击将持续激增。凭借这样的投资力度和更先进的工具,有关部门的防护能力将得到提升,但攻击者会不断翻新花样,新的犯罪团伙将在勒索软件军备竞赛中涌现。
中间人成为网络中的黑客 — 在过去两年中,渗透工具的使用率加速增长,例如 Cobalt Strike 和 Bloodhound。这些工具不仅仅在检测方面提出了真正的挑战,而且还让黑客可以访问受感染的网络,支持其随意扫描和滚动搜索并动态定制攻击。安全专业人员将需要一套全新技能来检测这种形式的攻击,并防止未来上述情况发生。
超出最初目标范围的附带损害 — 三重勒索、供应链攻击甚至远程网络攻击均呈现增长趋势,可能对企业造成比之前更大的影响。勒索软件的三重勒索攻击现在不仅影响最初目标组织,而且还威胁其客户、合作伙伴及厂商,致使每次攻击的实际受害者成倍增加,因此需要采用一种特殊的安全策略。
2021年上半年网络攻击类别(按地区划分):
Check Point 为其网络、云、用户及访问安全解决方案提供零日保护。我们的防规避技术能够在不影响业务效率的情况下最大限度地增强零日保护。企业首次可以通过实施防范为先的方案来降低未知攻击的风险。
《网络攻击趋势:2021年年中报告》详细介绍了 2021年上半年的网络威胁形势。这些调查结果基于 Check Point 公司的 ThreatCloud 情报网络在 2021年1月至6月期间收集的数据,重点关注网络犯罪分子在攻击企业时所使用的主要策略。
好文章,需要你的鼓励
SAP S/4HANA内存ERP系统推出十多年后,95%的传统用户表示构建积极的迁移案例需要巨大努力或面临真正挑战。一项涵盖455名CIO、高级IT角色、SAP专家和业务经理的调查发现,83%的受访者不完全理解SAP最新的迁移政策和截止日期,84%对当前信息传递及其对运营的影响表示担忧。SAP为传统ECC系统设定了激进的支持截止日期,主流支持将于2027年结束。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
微软通过其Planetary Computer平台将NASA的Landsat和Sentinel-2卫星数据集引入Azure云服务。该数据集包含来自NASA的Landsat 8、9号卫星以及欧洲航天局Sentinel-2系列卫星的地球监测数据,为气候变化、土地利用、农业应用等研究提供宝贵资源。用户可通过API或Azure存储直接访问这些PB级全球环境数据。微软还建议研究人员使用Azure OpenAI服务创建智能应用,结合AI技术进行土地分类、植被监测、森林砍伐趋势分析等地球观测研究。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。