2021 年 11 月16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 发布了其 2021 年 10 月最新版《全球威胁指数》报告。报告表明,模块化僵尸网络和银行木马 Trickbot 仍然位居恶意软件排行榜榜首,影响了全球 4% 的企业与机构,而“Apache HTTP 服务器目录遍历漏洞”则跻身十大最常被利用漏洞榜单。CPR 还指出,教育/研究行业是首要攻击目标。
Trickbot 可窃取财务信息、帐户登录凭证及个人身份信息,并在网络中横向传播、投放勒索软件。自 1 月份 Emotet 遭到打击以来,Trickbot 已经第五次位居恶意软件排行榜榜首。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。
新漏洞“Apache HTTP 服务器目录遍历漏洞”跻身 10 月份十大最常被利用漏洞榜单,排名第十。当它首次被发现时,Apache 的开发人员在 Apache HTTP 服务器 2.4.50 中发布了针对 CVE-2021-41773 的修复程序。然而,事实表明此次修复不够全面,Apache HTTP 服务器中仍然存在目录遍历漏洞。攻击者可利用这一漏洞访问受影响系统上的任意文件。
Check Point 软件技术公司研究副总裁 Maya Horowitz 表示:“Apache 漏洞在 10 月初才被公之于众,但却已是全球十大最常被利用的漏洞之一,这表明了攻击者行动速度之快。该漏洞将引发攻击者发起路径遍历攻击,进而将 URL 映射到预期文档根目录外部文件。Apache 用户必须采取相应的保护措施。本月,经常用于投放勒索软件的 Trickbot 再次成为最猖獗的恶意软件。在全球范围内,每周每 61 家机构中就有一家受到勒索软件的影响。这一数字令人震惊,各公司需要采取更多措施。许多攻击都是从一封简单的电子邮件开始,因此确保用户了解如何识别潜在威胁是企业可部署的最重要的防御措施之一。”
CPR 还指出,本月,教育/研究行业是全球首要攻击目标,其次是通信行业和政府/军事部门。“Web 服务器恶意 URL 目录遍历漏洞”是最常被利用的漏洞,全球 60% 的机构被波及,其次是“Web Server Exposed Git 存储库信息泄露”,影响了全球 55% 的机构。“HTTP 标头远程代码执行”在最常被利用的漏洞排行榜中仍位列第三,全球影响范围为 54%。
头号恶意软件家族
* 箭头表示与上月相比的排名变化。
本月,Trickbot 是最猖獗的恶意软件,全球 4% 的机构受到波及,其次是 XMRig 和 Remcos,分别影响了全球 3% 和 2% 的企业与机构。
全球受攻击最多的行业:
本月,教育/研究行业是全球首要攻击目标,其次是通信行业和政府/军事部门。
最常被利用的漏洞
本月,“Web 服务器恶意 URL 目录遍历漏洞”是最常被利用的漏洞,全球 60% 的机构因此遭殃,其次是“Web Server Exposed Git 存储库信息泄露”,影响了全球 55% 的机构。“HTTP 标头远程代码执行”在最常被利用的漏洞排行榜中仍位列第三,全球影响范围为 54%。
主要移动恶意软件
本月,xHelper 仍位列最猖獗的移动恶意软件榜首,其次是 AlienBot 和 XLoader。
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 提供的实时威胁情报来自于部署在全球的企业数据中心网络、用户端点和移动设备上的数亿个传感器。AI 引擎和 Check Point 软件技术公司情报与研究部门 Check Point Research 的独家研究数据进一步丰富了情报内容。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。