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
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。