2022 年 12 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 11 月最新版《全球威胁指数》报告。本月,来势凶猛的木马恶意软件 Emotet 在夏季短暂沉寂后再度来袭。Qbot 自 2021 年 7 月以来首次位列排行榜第三位,全球影响范围为 4%;Raspberry Robin 攻击显著增加,这种复杂的蠕虫通常使用恶意 U 盘感染设备。
2022 年 7 月,Check Point Research (CPR) 报告称,Emotet 的全球影响范围和攻击活动大幅减少,但其隐匿或许只是暂时的。不出所料,这种自我传播的木马恶意软件现已重返指数榜单,于 11 月成为第二大传播广泛的恶意软件,影响了全球 4% 的机构。尽管 Emotet 最初只是一种银行木马,但其模块化设计使它能够演变成其他类型的恶意软件的分发程序,并通常通过网络钓鱼攻击活动进行传播。Emotet 肆虐程度的加剧在某种程度上可能是由于 11 月发起的一系列新的恶意垃圾邮件攻击活动所致。
此外,自 2021 年 7 月以来,窃取银行凭证和记录击键次数的木马 Qbot 首次位列头号恶意软件排行榜第三位,全球影响范围为 4%。该恶意软件背后的攻击者是意图非法牟利的网络犯罪分子,他们从受感染的系统中窃取财务数据、银行凭证和 Web 浏览器信息。一旦系统感染得逞,Qbot 攻击者便会趁机安装后门,以授予勒索软件运营组织访问权限,导致双重勒索攻击侵害。11 月,Qbot 利用 Windows 零日漏洞授予了攻击者全面访问受感染网络的权限。
本月,Raspberry Robin 也有所增加,这是一种复杂的蠕虫,通过U盘或其他移动存储设备,附带看似合法但实际上能够感染受害者机器的 Windows 快捷方式文件。Microsoft 发现它已经从一种广泛散播的蠕虫演变为一个分发恶意软件的感染平台,不仅与其他恶意软件家族有关,而且还有替代感染方法,不仅限于其最初的 U 盘传播。
Check Point 软件技术公司研究副总裁 Maya Horowitz 表示:“尽管这些复杂的恶意软件在静默期潜伏起来,但过去几周的情况警醒我们,它们不会长期销声匿迹。我们大家切不可懈怠,必须在打开电子邮件、点击链接、访问网站或共享个人信息时保持警惕。”
CPR 还指出,“Web 服务器恶意 URL 目录遍历漏洞”是最常被利用的漏洞,全球 46% 的机构受到波及,紧随其后的是“Web Server Exposed Git 存储库信息泄露”,全球影响范围为 45%。11 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。
AgentTesla 仍是本月最猖獗的恶意软件,全球 6% 的机构因此遭殃,其次是新上榜木马 Emotet 和 Qbot。
主要移动恶意软件
Anubis 仍然是本月最猖獗的移动恶意软件,其次是 Hydra 和 AlienBot。
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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。