未被检测到的网络内容抓取爬虫程序对电商行业影响严重
2024年 7月2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》(SOTI) 报告,详细介绍了随着网络内容抓取爬虫程序的激增,许多企业都会面临安全和业务威胁。《侵蚀您的利润:网络爬虫程序对电商行业有何影响》报告发现,爬虫程序流量占整个网络流量的 42%,且 65% 的爬虫程序是恶意的。
由于电商行业依赖于创收型 Web 应用程序,高风险爬虫程序流量对该行业的影响最大。尽管某些爬虫程序对业务是有益的,但网络抓取类爬虫程序却被用于获取竞争情报和开展间谍活动、囤积库存、创建假冒网站以及其他对利润和客户体验产生负面影响的活动。目前尚无法律禁止使用抓取类爬虫程序,而且由于人工智能 (AI) 僵尸网络的兴起,检测它们并非易事,但公司可以采取一些措施来加以缓解。
Akamai 亚太地区及日本安全技术和战略总监Reuben Koh 表示:“每家电商平台都在一定程度上依赖网络爬虫机器人。当这些机器人被滥用时,挑战就出现了,因为它们的功能相似,很难区分好坏。此外,快速发展的爬虫环境使防火墙等传统防御措施失效,这进一步加剧了这一问题。现在,电子商务企业,尤其是作为全球主要商业中心的亚太及日本地区的电子商务企业,比以往任何时候都更需要投资于合适的解决方案。以成功应对恶意机器人发起的不可预测和反复的攻击。这是由于这些企业在实现区域化并扩大客户群的时候,往往会面临更多威胁。”
该报告的主要调查结果如下:
《侵蚀您的利润:网络爬虫程序对电商行业有何影响》研究报告介绍了缓解抓取类爬虫程序的策略,并结合案例研究,说明采取有效防护措施能够显著提升网站的运行速度和效率。此外,该研究报告还指出,在应对这些日益增多的攻击时,必须考虑合规性问题。
今年是 Akamai 发布《互联网现状》(SOTI) 报告 10 周年。 SOTI 系列报告以 Akamai Connected Cloud 收集的数据为基础,提供有关网络安全和 Web 性能形势的专家见解。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。