2022 年 7 月 25 日,全球领先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《2022 年第二季度网络钓鱼品牌报告》。该报告重点介绍了本季度网络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。
在第一季度首次进入最常被利用的品牌排行榜后,社交媒体平台 LinkedIn 仍是模仿最多的品牌。尽管其占比略有回落(从第一季度占所有网络钓鱼攻击的 52% 下降至第二季度的 45%),但从数字来看,社交媒体平台用户仍面临持续的风险,令人担忧。社交网络通常是被模仿最多的类别,其次是技术行业(在本季度取代了航运业,位列第二)。
在被利用的知名品牌中,Microsoft 的增长最引人注目,占所有品牌网络钓鱼攻击的 13%(与上一季度相比增加了一倍以上),将 DHL 挤到了第三位(占 12%)。进入前十榜单的一些新品牌包括阿迪达斯、Adobe 和汇丰银行,占比都是较低的个位数,研究人员将在第三季度对这些品牌保持密切关注。
Microsoft 相关诈骗活动的增加对个人和企业均构成威胁。一旦有人掌握了用户的帐户登录详细信息,他们便能访问使用该帐户的所有应用(例如 Teams 和 SharePoint),而且还会入侵 Outlook 电子邮件帐户,带来巨大风险。报告着重举例说明了 Outlook 网络钓鱼电子邮件的伎俩。该邮件以“[所需采取的行动] 最后一次提醒 - 立即验证您的 OWA 帐户”为主题,诱骗用户访问欺诈性 Outlook 网页,并要求受害者输入其登录凭证。
LinkedIn 网络钓鱼攻击活动模仿了专业社交媒体平台的沟通风格,发送主题为:“您本周在搜索结果中出现 8 次”或“您有一条新消息”或“我希望通过 LinkedIn 与您开展业务”的恶意电子邮件。尽管看似来自 LinkedIn,但他们使用的电子邮件地址与该品牌截然不同。
同时,随着在线购物盛行,第二季度 DHL 航运公司被仿冒并在所有网络钓鱼攻击中占比 12% 也就不足为奇。该报告特别提到了一种与物流跟踪相关的网络钓鱼诈骗。其主题为“收货通知”,企图引诱消费者点击恶意链接。
Check Point 软件技术公司数据研究事业部经理 Omer Dembinsky 表示:“网络钓鱼电子邮件是所有黑客的重要攻击武器,因为其部署速度快,并能够以相对较低的成本针对数百万用户发起攻击。此类电子邮件可让网络犯罪分子冒充可信品牌,利用给用户造成的安全错觉来窃取个人或商业信息,进而骗取钱财。”
“犯罪分子将利用任何具有足够影响力和消费者信任度的品牌。因此,阿迪达斯、Adobe 和汇丰银行均首次进入前十榜单,说明黑客正扩大其活动范围。他们利用我们对这些品牌的信任和人类的‘交易’需求发动攻击。黑客持续利用冒充品牌的网络钓鱼是有原因的,那就是这种手法常能得逞。因此,消费者需要谨慎行事,并注意虚假电子邮件的蛛丝马迹,例如语法不当、拼写错误或域名异常。如有任何疑问,请前往该品牌自己的网站,而非点击任何链接。”
网络钓鱼攻击不仅利用了我们对熟悉品牌的信任感,而且还利用了人类的情感“漏洞”,例如担心错过折扣活动。由此产生的紧迫感使得消费者在没有首先检查电子邮件是否来自相关品牌的情况下,匆忙单击链接。这可能导致他们无意中下载恶意软件或泄露宝贵的个人身份信息,致使犯罪分子趁机访问其整个网络环境,并造成潜在的经济损失。
2022 年第二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:
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。