2022 年 1 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发布了其 2021 年 12 月最新版《全球威胁指数》报告。在 Apache Log4j 漏洞席卷整个互联网的一个月内,研究人员报告称,Trickbot 依然是最猖獗的恶意软件,尽管占比略有回落,但仍影响了全球 4% 的企业与机构(11 月为 5%)。最近卷土重来的 Emotet 已经从第七位迅速跃升到第二位。CPR 还指出,教育/研究行业仍然是首要攻击目标。
本月,“Apache Log4j 远程代码执行”是最常被利用的漏洞,全球 48.3% 的机构因此遭殃。该漏洞于 12 月 9 日在 Apache 日志包 Log4j 中首次发现。Log4j 是许多互联网服务和应用中使用的最受欢迎的 Java 日志库,其 GitHub 项目的下载量超过 400,000 次。该漏洞引发了一场攻击风暴,在很短的时间内影响了全球近一半的公司。攻击者能够利用易受攻击的应用在受感染的服务器上执行加密劫持程序及其他恶意软件。到目前为止,大多数攻击均以加密货币挖矿为主要手段,致使受害者蒙受损失,然而,高级攻击者已经开始对高价值目标展开猛烈攻击并趁虚而入。
Check Point 软件技术公司研究副总裁 Maya Horowitz 表示:“Log4j 占据了 12 月份的新闻头条。这是我们所见过的最严重的漏洞之一,由于其修补复杂性和易于利用性,它可能会在未来很多年内一直存在,除非各公司立即采取措施防御攻击。本月,Emotet 僵尸网络从第七大最猖獗的恶意软件升至第二位。正如我们所猜想的那样,自 11 月再次现身以来,Emotet 很快就站稳了脚跟。它具有隐避性,并正通过附带恶意附件或链接的网络钓鱼电子邮件快速传播。现在比以往任何时候都更需要部署强大的电子邮件安全解决方案,并确保用户了解如何识别可疑邮件或附件。”
CPR 指出,本月,教育/研究行业是全球首要攻击目标,其次是政府/军事部门和 ISP/MSP。“Apache Log4j 远程代码执行”是最常被利用的漏洞,全球 48.3% 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 43.8% 的企业。“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 41.5%。
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 Emotet 和 Formbook,两者均影响了全球 3% 的企业与机构。
全球首当其冲的行业:
本月,教育/研究行业是全球首要攻击目标,其次是政府/军事部门和 ISP/MSP。
最常被利用的漏洞
本月,“Apache Log4j 远程代码执行”是最常被利用的漏洞,全球 48.3% 的企业与机构受到影响,其次是“Web Server Exposed Git 存储库信息泄露”,影响了全球 43.8% 的机构组织。“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 41.5%。
主要移动恶意软件
本月,AlienBot 位列最猖獗的移动恶意软件榜首,其次是 xHelper 和 FluBot。
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网络、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
这项由复旦、港科大等多校联合完成的研究首次系统性地解决了大型AI模型在识别场景文字时产生"语义幻觉"的问题。研究团队发现AI模型常将视觉上模糊的文字"脑补"成有意义但错误的词汇,并开发了包含ZoomText定位策略和接地层修正机制的训练无关解决方案,在多个基准测试中实现显著性能提升,为提高AI视觉系统可靠性提供了重要突破。
IBM研究院发布AssetOpsBench,全球首个工业资产AI代理评估平台。该研究建立了多代理协作框架,涵盖IoT数据采集、时序分析、故障诊断等专业模块,通过141个真实场景和六维评估标准测试AI在复杂工业运维中的表现。测试显示当前AI技术仍有改进空间,为工业4.0时代的智能运维发展提供重要基准。
韩国科学技术院研究团队开发出Simba方法,通过层次化稀疏化技术对状态空间模型进行"瘦身",在保持性能的同时显著提升计算效率。该方法采用类似高速公路的架构设计,让AI模型的上层只处理最重要的信息,实现了最高80%的速度提升和更好的长序列处理能力。这项即插即用的技术为AI模型优化提供了新思路。
这项研究展示了一个基于ModernBERT架构的prompt injection检测模型,通过精心构建的多样化数据集训练,在内部测试中达到98.7%准确率和98.0% F1分数,在公开基准测试中平均F1分数达93.8%,显著超越现有最强基线系统。该模型推理速度仅0.02秒,具备实时检测能力,为AI系统安全防护提供了新的解决方案。