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
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。