2022 年 11 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)发布了其 2022 年 10 月最新版《全球威胁指数》报告。本月,键盘记录器 AgentTesla 位居传播最广泛的恶意软件榜首,影响了全球 7% 的机构。信息窃取程序 Lokibot 引发的攻击事件数量显著增加,五个月来首次位列排行榜第三位。此外,报告还披露了影响 Apache Commons Text 库的新漏洞 Text4Shell。
Lokibot 是一种商品信息窃取程序,可从各种应用中获取凭证,包括:Web 浏览器、电子邮件客户端及 IT 管理工具。作为一种木马程序,其目标是伪装成合法程序潜入用户系统。它可通过网络钓鱼电子邮件、恶意网站、短消息及其他消息传递平台进行传播。该信息窃取程序的日益猖獗可能与以在线查询、订单和付款确认消息为主题的垃圾邮件攻击活动的增加有关。
10 月份还披露了一个新的重大漏洞 — Text4Shell (CVE-2022-42889)。该漏洞基于 Apache Commons Text 的功能,允许通过网络发起攻击,而无需任何特定权限或用户交互。Text4shell 很像 Log4Shell 漏洞,后者被披露已一年之久,作为一项主要威胁,在 10 月份排行榜中位列第二。尽管 Text4Shell 没有跻身本月最常被利用的漏洞排行榜,但已经影响了全球超过 8% 的机构,Check Point 将继续密切关注其所产生的影响。
Check Point 软件技术公司研究副总裁 Maya Horowitz 表示:“本月排名发生了很大的变化,一组新恶意软件家族构成了三大害。有意思的是,Lokibot 如此迅速地重返榜单第三位,这表明网络钓鱼攻击呈现增长趋势。随着我们进入 11 月购物旺季,人们必须保持警惕,并留意可能附带恶意代码的可疑电子邮件。务必注意一些蛛丝马迹,例如不熟悉的发件人、个人信息提交请求和链接。如有疑问,请直接访问网站并从经过验证的来源查找相应的联系信息,确保您已安装恶意软件防护。”
CPR 还指出,“Web Server Exposed Git 存储库信息泄露”是最常被利用的漏洞,全球 43% 的机构因此遭殃,紧随其后的是“Apache Log4j 远程代码执行”,影响了 41% 的机构。10 月,教育/研究行业仍在全球首当其冲的行业中位列第一。
头号恶意软件家族
* 箭头表示与上月相比的排名变化。
本月,AgentTesla 是传播最广泛的恶意软件,全球 7% 的企业受到波及,其次是 SnakeKeylogger 和 Lokibot,分别影响了全球 5% 和 4% 的企业与机构。
最常被利用的漏洞
本月,“Web Server Exposed Git 存储库信息泄露”仍是最常被利用的漏洞,全球 43% 的机构因此遭殃。其次是“Apache Log4j 远程代码执行”,仍然位居第二,影响了 41% 的企业与机构,“HTTP 标头远程代码执行”位列第三,全球影响范围为 39%。
主要移动恶意软件
本月,Anubis 位列最猖獗的移动恶意软件榜首,其次是 Hydra 和 Joker。
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
戴尔、微软、Salesforce等科技领导者发布2026年AI预测,认为AI代理安全防护和投资回报率是客户关注焦点。戴尔CTO预测AI将转向本地部署以加强控制;ServiceNow强调AI价值必须体现在业务收益上;Snowflake重视数据治理在AI代理管控中的作用;Salesforce认为AI将成为品牌形象代言人;微软强调信任是AI代理部署的关键要素。
MBZUAI和法国综合理工学院联合开发的SchED算法能让AI写作速度提升3-4倍。该算法通过监测AI生成文本的置信度,采用进度感知的动态阈值策略,在保持99.8%-100%原始质量的同时显著减少计算时间。实验覆盖多种任务类型,证明了算法的有效性和鲁棒性。
苹果计划在2026年推出多款重磅新品,包括配备miniLED面板和A19 Pro芯片的27英寸外接显示器、搭载homeOS系统的7英寸智能家居控制设备、首次采用OLED屏幕的全新MacBook Pro、具备7.8英寸内屏的iPhone Fold折叠手机、售价699美元起的入门级MacBook,以及升级OLED显示技术的iPad mini。
西安交通大学研究团队发现,AI视觉语言模型容易受到功能词(如"是"、"的"等)的干扰而遭受攻击。他们开发了功能词去注意力(FDA)机制,让AI减少对这些词汇的关注。测试显示,该方法可将攻击成功率降低18%-90%,而正常性能仅下降0.2%-0.6%。FDA无需额外训练即可集成到现有模型中,为AI安全防护提供了简单有效的解决方案。