10月20日,在2021云栖大会·阿里云互联网行业峰会上,易玩(上海)网络科技有限公司(以下简称“TapTap”)联合阿里云启动“反网络黑灰产联盟”合作发布仪式。双方携手心动网络、米哈游、莉莉丝、巨人网络、鹰角网络,以及司法机关、科研机构等单位,共同帮助全国互联网企业降低网络黑灰产问题造成的负面影响,促进互联网行业的健康有序发展,携手共建绿色清朗的网络环境。

阿里云携手TapTap共建反网络黑灰产联盟
互联网经济时代,网络违法犯罪活动也日新月异。刷单炒信,网络水军刷帖控评,非法获取、买卖个人信息,商家被“薅羊毛”等现象越来越常见,逐渐发展成为黑灰产业。
“反网络黑灰产联盟的成立,预示着网络黑灰产的精准治理有了更加坚实的行政基础。”TapTap开发者负责人江宏表示,多方通力协作,不仅可以让治理网络黑灰产更具针对性,实现信息的透明化,还可以让更多中小企业获得维权的通道。

TapTap开发者负责人江宏
以 TapTap 牵头成立的反网络黑灰产联盟,持续切实的解决着一些中小型开发者面临的难题。在不久前引起广泛关注的《弈剑行》事件中,TapTap就已经在为游戏研发方提供DDoS安全防护服务。除此之外,一些极易受到DDoS 攻击的游戏具有在社区内关注度高,研发团队体量小等特征。这些游戏一直是 TapTap DDoS 安全防护服务的对象。
据悉,联盟将面向符合条件的中小开发者提供免费的DDoS安全防护服务,并持续推进覆盖全国互联网企业全生命周期的安全防护合作;联合多种社会主体共同排摸网络黑灰产问题,寻求有效处置通道;联合司法机关、科研机构,协助全国互联网企业进行黑灰产问题研判,引导证据收集,为全国互联网企业开通立案、举报的通道。同时,联盟将构建信息共享平台,与全国互联网企业建立长线的信息联合,助推证据与情报的信息整合;开展安全防护知识普及工作,提升全国互联网企业在反网络黑灰产方面的应对能力和人才组建;组建专家服务团队,定期开展行业交流会,为全国互联网企业构建信息安全保护屏障。
阿里云智能互联网教育及游戏行业负责人解航表示,黑客针对互联网企业的攻击不断进化,逐渐往多元化、精准化、智能化的方向演进。面对网络黑灰产治理困境,防线的拉长,需要产业各方以多维视角看待网络安全。

阿里云智能互联网教育及游戏行业负责人解航
在互联网黑灰产中,游戏行业是重灾区。目前与游戏行业相关互联网黑产包括了游戏代充/退、游戏外挂、游戏代练、GS公会拉人、羊毛党、DDoS攻击和马甲包等七种。
阿里云智能云安全产品及解决方案负责人祝建跃表示,“阿里云安全一直以来致力于为中小企业提供高性价比、简单易用的产品服务,助力业务发展。本次发布的免费服务可以保障最关键且易受攻击的新游戏安全平稳上线。”

阿里云智能云安全产品及解决方案负责人祝建跃
作为联盟成员,阿里云致力于为互联网行业中小开发者,尤其是游戏客户提供全生命周期的安全保障。阿里云游戏盾安全解决方案在游戏上线时可以快速、有效的防御DDoS、CC攻击;针对游戏上架前进行APP隐私合规检测,以及在游戏运营过程中有效识别打金工作室、小号、模拟器等风险,保障游戏在上线前、上线时、运营中的全方位安全。
建立反网络黑灰产联盟只是整治互联网环境的第一步,整个行业后续还有很多工作需要展开。下一步,反网络黑灰产联盟将通过各类主体之间积极有效的联动,持续推动构建网络黑灰产打击领域的长效化工作机制,为构筑良好网络生态环境,维护清朗健康的网络空间而继续努力。
好文章,需要你的鼓励
美国多州和部分国家要求特定应用进行年龄验证,澳大利亚已禁止16岁以下用户使用社交媒体。新提案《应用商店问责法案》建议由苹果和谷歌负责统一验证用户年龄,而非各开发者单独验证。这将提升用户体验,用户只需向苹果或谷歌验证一次身份。凭借苹果在隐私保护方面的优势,该方案可扩展至Safari浏览器,为需要年龄验证的网站提供确认信息,而无需透露用户个人数据。
香港大学团队开发的"炼金术师"数据筛选系统,能从海量图片中精选一半高价值数据,训练出比使用全量数据更优秀的AI图像生成模型。该方法通过观察模型学习反应判断数据价值,发现适度复杂的图片比简单图片更有训练效果,实现了5倍训练加速和显著性能提升。
AI编程助手Cursor背后的公司Anysphere宣布收购AI代码审查工具初创公司Graphite。据报道收购价远超Graphite今年早些时候B轮融资时2.9亿美元的估值。此次收购具有战略意义,将AI代码生成与AI代码审查工具相结合,可大幅提升从编写到交付的整体效率。Anysphere估值已达290亿美元,近期频繁收购,上月收购技术招聘公司,今年7月还收购AI客户关系管理初创公司Koala的团队。
哥伦比亚大学等机构研究团队发现,在AI模型的强化学习训练中存在一个悖论现象:阻碍探索和阻碍利用竟然都能提升性能。研究揭示了裁剪技术实际是熵调节器而非学习信号,策略熵与性能无直接因果关系,并提出奖励错配理论解释随机奖励的积极效果,为AI训练方法设计提供了新的理论基础。