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
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。