面对近期多起重大网络安全事件,如捷豹路虎遭受攻击导致生产中断并需要政府救助,微软在其2025年数字安全报告中敦促IT部门确保网络风险能够在董事会层面得到有效管理。
微软建议IT领导者将网络安全视为与财务或法律挑战同等重要的业务风险。报告指出:"企业董事会和首席执行官了解其组织的安全薄弱环节至关重要。"
公司敦促IT领导者跟踪和报告多项关键指标,包括多因子认证覆盖率、补丁延迟时间、事件数量和事件响应时间,以全面了解组织的潜在漏洞和网络安全事件应急准备情况。
其他建议包括在所有账户(包括管理账户)上强制执行抗钓鱼多因子认证,以及审查授予可信合作伙伴的边界访问权限。
在过去一年中,微软报告称持续观察到攻击者加强开发新颖技术来挑战组织实施的检测和防范措施。报告指出,组织面临的日常威胁在很大程度上保持不变,攻击往往具有机会主义特征,威胁行为者专门针对已知的安全漏洞。
微软表示:"虽然全球用户都面临风险,但我们观察到过去六个月的大多数攻击都集中在美国、英国、以色列和德国。"
报告发现,政府和公共部门遭受的网络攻击最多。微软警告说,许多地方政府运行在难以修补和保护的传统系统上,预算限制和小型IT团队往往意味着更新延迟、威胁监控最少以及事件响应能力有限。这使它们成为国家级行为者和经济驱动网络犯罪分子的高价值目标。
微软研究发现,黑客的主要攻击载体是面向Web的边界资产(18%)和外部远程服务(12%),以及较小程度的供应链(3%)。
尽管如此,微软表示继续观察到威胁行为者针对与上游托管服务提供商的可信关系、远程访问服务(如虚拟专用网络或虚拟专用服务器系统)、远程监控和管理工具、云备份、持续集成和持续交付管道,以及第三方部署软件提供商,通过可信或常用的IT系统获得访问权限。
微软警告说,这些入侵通常会泄露特权供应商账户、利用未修补的软件或将恶意代码插入合法组件。报告作者建议组织审计访问权限、验证软件物料清单、维护依赖关系卫生并执行运行时完整性检查。
在讨论这些发现的博客文章中,微软客户安全与信任企业副总裁艾米·霍根-伯尼表示:"组织领导者必须将网络安全视为核心战略优先事项——而不仅仅是IT问题——并从根本上将弹性构建到他们的技术和运营中。"
她还警告说,人工智能的使用正在加速恶意软件开发并创造更逼真的合成内容,提高钓鱼和勒索软件攻击等活动的效率。霍根-伯尼说:"机会主义恶意行为者现在针对所有人——无论大小——使网络犯罪成为一个普遍存在、无时不在的威胁,渗透到我们的日常生活中。"
Q&A
Q1:微软为什么建议将网络安全提升到董事会层面?
A:因为近期发生了多起重大网络安全事件,如捷豹路虎遭受攻击导致生产中断并需要政府救助。微软认为企业董事会和首席执行官了解其组织的安全薄弱环节至关重要,应将网络安全视为与财务或法律挑战同等重要的业务风险。
Q2:哪些行业和地区是网络攻击的主要目标?
A:政府和公共部门遭受的网络攻击最多,因为许多地方政府运行传统系统,预算限制和小型IT团队导致更新延迟、威胁监控不足。地区方面,过去六个月的攻击主要集中在美国、英国、以色列和德国。
Q3:人工智能对网络安全威胁有什么影响?
A:人工智能的使用正在加速恶意软件开发并创造更逼真的合成内容,提高钓鱼和勒索软件攻击等活动的效率。机会主义恶意行为者现在针对所有规模的组织,使网络犯罪成为普遍存在、无时不在的威胁。
好文章,需要你的鼓励
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
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。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
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。