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
2025年1月,OpenAI、软银、甲骨文和MGX联合宣布"星际之门"计划,承诺投资5000亿美元,部署高达10GW算力基础设施。如今,该项目已从白宫发布会上的宏大承诺,演变为一场前所未有规模的基础设施建设实验。项目已扩展至德克萨斯、威斯康星、俄亥俄等多地,并延伸至阿布扎比和挪威。然而,融资争议、合作伙伴摩擦、能源压力及政策监管收紧,正考验着这一"AI工业园"模式能否真正落地。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
加密货币交易所OKX正式推出AI智能体交易市场OKX AI,允许AI代理相互雇佣、自主结算,并建立基于区块链的可携带信誉档案。该平台经过50家早期服务商封测后向开发者开放,依托稳定币和链上支付基础设施,支持全天候微支付。OKX创始人徐明星表示,传统金融基础设施为人类而建,智能体经济需要为自主软件专门设计的基础设施。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。