2021 年 10 月 25 日 ,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) 发布了其新版《2021 年第三季度品牌网络钓鱼报告》。该报告重点介绍了 7 月、8 月和 9 月犯罪分子在企图窃取个人信息或支付凭证时最常模仿的品牌。
第三季度,Microsoft 仍是网络犯罪分子最常攻击的品牌,尽管占比略有回落。这家科技巨头占所有品牌网络钓鱼攻击的 29%(低于 2021 年第二季度的 45%),原因是新冠肺炎疫情期间攻击者继续把易受攻击的远程办公人员作为攻击目标。伴随假日季前夕线上购物活动的激增,Amazon 已取代 DHL 跃居第二,占所有网络钓鱼攻击的 13%(上一季度为 11%)。
该报告还显示,社交渠道今年首次跻身网络钓鱼攻击最常模仿的三大类别,其中 WhatsApp、LinkedIn 和 Facebook 均名列最常模仿的十大品牌排行榜。
Check Point 软件技术公司数据研究事业部经理 Omer Dembinsky 表示:“攻击者不断尝试变换花样,通过冒充领先品牌窃取个人数据。今年,社交渠道首次成为网络犯罪分子利用的三大类别之一,这无疑是利用了越来越多的人员开始远程办公和通信的时机。不幸的是,这些品牌在抵御网络钓鱼攻击方面所能采取的措施非常有限。人们往往无法及时发现文本或电子邮件中拼写错误的域名、有误的日期或其他可疑的细节。我们再三提醒广大用户,谨慎透露其数据,并慎重打开电子邮件附件或链接,特别是声称来自 Amazon、Microsoft 或 DHL 等最常被模仿公司的电子邮件。根据第三季度的数据,我们还建议用户在收到看上去来自 Facebook 或 WhatsApp 等社交媒体渠道的任何电子邮件或其他通讯时保持警惕。”
在品牌网络钓鱼攻击中,犯罪分子试图使用与真实网站相似的域名或 URL 和网页设计来模仿知名品牌的官方网站。指向虚假网站的链接可通过电子邮件或文本消息发送给目标个人,并将在 Web 浏览时重定向用户,或可能从欺诈性移动应用进行触发。虚假网站通常包含一个表单,以窃取用户凭证、付款明细或其他个人信息。
2021 年第三季度最常被利用的网络钓鱼攻击品牌
以下是按照网络钓鱼攻击中的总出现率进行排名的最常被利用的品牌:
Google 网络钓鱼电子邮件 – 凭证窃取示例
本季度,我们发现了一封恶意网络钓鱼邮件,该邮件企图窃取 Google 帐户的访问凭证。 这封电子邮件的发件地址为 Google (no-reply@accounts[.]google[.]com),包含了“帮助您增强 Google 帐户安全性”主题的内容。在以下欺诈性电子邮件中,我们注意到年份没有改变(“2020 年 Google”)。攻击者企图诱骗受害者点击恶意链接(http://router-ac1182f5-3c35-4648-99ab-275a82a80541[.]eastus[.]cloudapp[.]azure[.]com),进而将其重定向到看似为 Google 真实登录网站的欺诈性恶意登录页面。在恶意链接中,用户需要输入其 Google 帐户详细信息。
LinkedIn 网络钓鱼电子邮件 – 帐户窃取示例
在LinkedIn钓鱼电子邮件中,我们发现攻击者试图窃取用户的 LinkedIn 帐户信息。该电子邮件的发件地址为 Linkedln (linkedin@connect[.]com),包含了“请查收来自 ***** 的全新 Linkedln 业务邀请函”的主题内容。攻击者企图诱骗受害者点击恶意链接,进而将其重定向到欺诈性的 LinkedIn 登录页面。在恶意链接 (https://www[.]coversforlife[.]com/wp-admin/oc/nb/LinkedinAUT/login[.]php) 中,用户需要输入其用户名和密码。在欺诈性网站上,我们可以看到年份没有改变(“2020 年 LinkedIn”)
我们再三提醒广大用户,谨慎将个人数据和凭证透漏给业务应用或网站,并慎重打开电子邮件附件或链接,特别是声称来自 Amazon、Microsoft 或 DHL 等公司的电子邮件,因为这些公司最常遭到模仿。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。