根据网络安全公司NCC Group发布的数据显示,2024年12月的勒索软件攻击数量创下新高,当月共确认574起事件,其中新出现的威胁组织Funksec就占据了超过100起。
自2021年NCC首次发布月度威胁脉搏指数以来,这是分析师观察到的最高攻击水平,相比2025年11月的565起有所上升,远超2023年12月的387起。工业领域再次"荣获"最受攻击行业的称号,北美和欧洲是遭受攻击最多的地区。
NCC威胁情报运营和服务创新副主任Ian Usher表示:"12月通常是勒索软件攻击相对平静的时期,但上个月却创下了勒索软件攻击的历史新高,完全颠覆了这一规律。"
"这些数据应该起到警示作用。没有组织能够完全免疫,最好的防御就是走在威胁的前面。企业需要加强网络安全措施,确保团队经过培训并准备好应对不断变化的勒索软件威胁。"
狠狠出击
NCC表示,导致攻击量增长的因素很多,从老生常谈的组织安全措施和意识薄弱,到使用人工智能 (AI) 等新技术支持攻击。
虽然没有直接证据表明AI参与了12月的攻击,但安全界近两年一直在警告这些工具正被用来增强勒索软件攻击,通过加强信息收集来选择可能的目标并支持针对性的钓鱼攻击。
新兴网络勒索团伙Funksec似乎推动了这一惊人增长的部分原因。根据Check Point分析师的说法,该团伙可能是使用AI来扩大运营规模和管理活动的组织之一。
NCC确认该团伙在短短31天内发动了103起攻击——Check Point观察到85起——远超Clop/Cl0p的68起确认攻击、Akira的43起和RansomHub的41起。
Funksec使用标准的双重勒索技术,似乎在目标选择上并不太挑剔,受害者遍布法国、印度、泰国和美国等国家,涉及政府、医疗、制造、媒体和技术等多个行业。
然而,根据Check Point的说法,该团伙的许多声明被标记为重复使用、伪造或未经验证,其可信度和能力存在重大疑问。研究团队还表示该团伙可能与阿尔及利亚有关联,这种混合金融-黑客主义的动机使其区别于其他团伙。
无论其构成何种威胁,NCC表示该团伙明显具有多面性,值得在2025年继续关注。
Usher说:"新兴且具有攻击性的行为者(如Funksec)的崛起令人担忧,这表明2025年的威胁形势将更加动荡。如果勒索软件组织变得更加大胆和先进,我们可以预期会出现更频繁和广泛的攻击,使每个行业和地区都面临风险。"
里程碑式的一年
尽管不同观察者的统计数据有所不同,但2024年无疑是勒索软件发展的重要一年,即使考虑到对LockBit等组织的成功打击。
纵观全年,ZeroFox的分析师表示,2024年共观察到4,950起勒索软件和数字勒索事件,高于2023年的约4,000起。这个数字主要代表受害者未支付或仍在谈判中的事件,这意味着真实数字可能要高得多。
ZeroFox表示,在2024年发现了45个新的勒索软件团伙,其中许多团伙迅速崛起,建立起remarkably持续的运营,比以往观察到的更快成为对企业的真正威胁。
他们认为,社区的多样化很可能是由于执法行动使此前与LockBit和ALPHV/Black Cat相关的个人"解放",以及地下网络犯罪市场和勒索软件即服务运营的持续专业化,这意味着勒索软件经济正在带来更多收益,并对那些原本可能不会参与网络犯罪的人更具吸引力。
除了Funksec的行动外,RansomHub在这12个月期间似乎是最突出的崛起者,从2月的5次攻击增加到11月的97次,占所有观察到事件的约10%,仅第四季度就进行了216次已知攻击。
据称该团伙技术精湛,能够快速改进其工具集,在8月部署了新功能来挫败终端检测和响应 (EDR) 过程,并与其他附属机构合作。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。