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
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。