CNET科技資訊網(wǎng) 1月20日 北京消息: 去年初,Check Point曾預(yù)測2015年最重要的安全威脅包括未知惡意軟件的增長和利用Android和IOS平臺漏洞等攻擊。這些預(yù)測都在2015年一一被印證,其中提到很多的威脅依然是現(xiàn)在機(jī)構(gòu)所面臨的主要挑戰(zhàn)。Check Point預(yù)測2016年將會有更多的網(wǎng)絡(luò)攻擊。
2015年許多知名機(jī)構(gòu)都發(fā)生了嚴(yán)重的數(shù)據(jù)泄露事件,包括美國第二大醫(yī)療保險公司Anthem、哈佛大學(xué)、全球數(shù)據(jù)服務(wù)集團(tuán)益百利 (Experian)以及英國通信及寬帶服務(wù)的運(yùn)營商TalkTalk。目前,黑客仍然不斷地在探索新的方式來攻擊網(wǎng)絡(luò)?;仡?015年的網(wǎng)絡(luò)攻擊事件,Check Point預(yù)測新一輪的威脅浪潮即將襲來,希望企業(yè)能夠時刻保持警惕,根據(jù)我們的預(yù)測掌握先機(jī),主動防御以避免不斷變化的網(wǎng)絡(luò)犯罪的攻擊。以下是Check Point對2016年安全威脅和趨勢的十大預(yù)測:
1. ‘Sniper’ 和 ‘shotgun’惡意軟件。黑客不但會定制惡意軟件,還會越來越多地運(yùn)用一些復(fù)雜的網(wǎng)絡(luò)釣魚和社會工程伎倆來獲取敏感的數(shù)據(jù)。
2. 移動威脅加劇。2015年已經(jīng)發(fā)現(xiàn)了多個重大的漏洞。移動漏洞的數(shù)目在2016年還會繼續(xù)增長。
3. 越來越多的企業(yè)將采取先進(jìn)的威脅防護(hù)。傳統(tǒng)的沙盒已不能防御不斷增長的惡意軟件。CPU級別的沙盒使用將變得更加普遍,因為其是唯一可以檢測和防御規(guī)避技術(shù)攻擊、未知惡意軟件及零日攻擊的先進(jìn)解決方案。
4. 關(guān)鍵基礎(chǔ)設(shè)施將會成為主要攻擊目標(biāo)。SCADA和ICS網(wǎng)絡(luò)缺乏安全性,針對類似系統(tǒng)的攻擊在最近這幾年有所增加,這種情況只會變得更糟。
5. 物聯(lián)網(wǎng)和智能設(shè)備仍存在風(fēng)險。物聯(lián)網(wǎng)將進(jìn)一步發(fā)展,企業(yè)需要考慮如何保護(hù)自身的智能設(shè)備,并且做好廣泛使用物聯(lián)網(wǎng)的準(zhǔn)備。
6. 可穿戴設(shè)備也存在風(fēng)險。越來越多如智能手表等可穿戴設(shè)備將繼續(xù)接入企業(yè)網(wǎng)絡(luò),這將會帶來新的安全風(fēng)險和挑戰(zhàn),因為黑客可通過可穿戴設(shè)備捕獲視頻或音頻信息。
7. 火車、飛機(jī)和汽車等。2015年發(fā)生了首次黑客攻擊汽車事件?,F(xiàn)代的汽車擁有許多配件和可連接的系統(tǒng),這使汽車也很容易受到威脅攻擊。
8. 虛擬環(huán)境的真正安全。越來越多的企業(yè)架構(gòu)在向虛擬環(huán)境遷移,這一過程非常復(fù)雜并產(chǎn)生了新的網(wǎng)絡(luò)層,而這也成為了一種攻擊向量。保護(hù)虛擬環(huán)境需要新的網(wǎng)絡(luò)安全策略。
9. 新的環(huán)境會產(chǎn)生新的威脅。黑客將可能攻擊一些新的操作系統(tǒng),如2015年推出的Windows 10和IOS 9,因為這些系統(tǒng)更新頻繁,而用戶并不太熟悉新的環(huán)境。
10. 企業(yè)將尋求安全整合。為了對抗高級威脅,安全專家將會增加對集中式的安全管理解決方案的信任。整合安全可以提供有效的方法來降低復(fù)雜性并且易于管理。
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機(jī)制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。