由于亚太地区及日本的金融机构扩张并加速数字创新,针对这些机构的 Web 应用程序和 API 攻击数量增长 36%
2023年 10月 11日 – 负责支持和保护网络生活的云服务提供商阿卡迈技术公司(Akamai Technologies, Inc.,以下简称:Akamai)(NASDAQ:AKAM),近日发布了新一期的《互联网现状》报告,报告标题为“创新遭遇高风险:金融服务业的攻击趋势”。该报告重点介绍了以下内容:亚太地区及日本的金融服务业仍然是全球遭受攻击最多的行业之一,2022 年第 2 季度到 2023 年第 2 季度所遭受的 Web 应用程序和 API 攻击数量增长 36%,总数超过 37 亿次。此外,该报告还发现,本地文件包含 (LFI) 仍然是最主要的攻击媒介,并且针对亚太地区及日本金融业的攻击中有 92.3% 的攻击以银行为目标,对金融机构及其客户构成了巨大威胁。
随着亚太地区及日本的金融服务企业开拓更多渠道并提供更好的客户体验,它们使用的第三方脚本越来越多,实际上其占比已达到了所用脚本总数的 40%。这些数据点表明,随着各个企业(尤其是银行和以消费者为中心的机构)不断扩展其数字足迹以覆盖更多客户并获得竞争优势,它们也面临着严重风险。Akamai 亚太地区及日本安全技术和战略总监 Reuben Koh 表示:“亚太地区及日本的金融服务业是全球最具创新力和竞争力的行业之一。金融机构越来越多地转为使用第三方脚本,以便快速为客户增加新产品、功能及交互式体验。但是,通常企业的监测能力有限,无法识别这些脚本的真实性以及是否存在潜在漏洞,因此会为企业带来另一层风险。由于企业对存在风险的第三方脚本的监测能力有限,攻击者现在可以利用另一种媒介发动对银行及其客户的攻击。”
Akamai 的报告还发现,2022 年以来亚太地区及日本的恶意爬虫程序流量增长了 128%,这凸显出针对金融服务业客户及其数据的攻击持续不断。网络犯罪分子使用爬虫程序提升攻击的规模、效率和有效性。在全球范围内,亚太地区及日本是针对金融服务业的恶意爬虫程序请求的第二大攻击目标区域,占全球所有恶意爬虫程序请求数量的 39.7%。应用场景包括抓取网站内容以冒充金融服务业品牌的网站来实施网络钓鱼骗局,以及通过自动注入所窃取的用户名和密码来实施撞库攻击,从而实现帐户接管。这表明攻击者在不断地发展其技术,并且开始专注于攻击金融服务业消费者,以获得最大的投资回报。
报告的其他重要发现包括:
Koh 表示:“亚太地区及日本的金融服务企业必须牢记的是,随着该行业的创新步伐加快,网络犯罪分子随时都在尝试寻找更复杂的新方式来发动网络攻击。金融服务聚合商以及那些渴望采用开放银行实践的企业的数量不断增加,这意味着该行业未来的发展会更加依赖使用 API 和第三方脚本,而这会导致攻击面的进一步扩大。”
他总结道:“金融机构必须专注于保护新的数字产品,不断向客户普及有关网络安全最佳实践的相关知识,并投资于面向用户的流畅安全措施。随着监管机构实施各种政策来强化网络安全标准,金融服务企业还必须了解并考虑新的合规性要求,同时增强其抵御现代网络威胁的安全态势和网络韧性。”
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。