Aggregator
CVE-2021-43541 | Mozilla Firefox/Firefox ESR/Thunderbird Protocol escape output (Nessus ID 208604)
CVE-2021-43542 | Mozilla Firefox/Firefox ESR/Thunderbird XMLHttpRequest information exposure (Nessus ID 208604)
CVE-2021-43543 | Mozilla Firefox/Firefox ESR/Thunderbird CSP sandbox (Nessus ID 208604)
HashiCorp 发布安全公告,披露其 Vault 秘密管理平台存在漏洞
18 Individuals Charged for Widespread Manipulation Cryptocurrency Markets
18 individuals and entities have been charged with widespread fraud and manipulation within the cryptocurrency markets. The charges, unsealed in Boston, target leaders of four cryptocurrency companies, four financial services firms known as “market makers,” and various employees. This case marks a significant step in addressing fraudulent activities in the rapidly evolving digital currency landscape. […]
The post 18 Individuals Charged for Widespread Manipulation Cryptocurrency Markets appeared first on GBHackers Security | #1 Globally Trusted Cyber Security News Platform.
Битва за безопасность: как эффективно подготовиться к эпохе постквантовых вычислений
从“助手”到诺贝尔奖:AI将成为网络安全防护新利器
自2022年底ChatGPT上线迄今不过两年,从日常工作到多媒体内容输出,各类人工智能(AI)应用已经成为很多行业不可或缺的工作“助手”。正当人们对身边的智能助手感到习以为常时,AI却以更加震撼的方式刷新人类对它的认知。在刚刚过去的10月8日与10月9日,2024诺贝尔奖物理学与化学两个重要奖项都被人工智能(AI)的相关成果及科学家取得。与此同时,特斯拉发布的Robotaxi 以及机器人Optimus都让人们对未来AI的应用场景充满期待。
或许,未来AI能否在诺贝尔其他奖项继续大放异彩我们不得而知,但AI已经渗透到人们生活的各个方面已是不争的事实。因此,随着数字威胁日趋严峻,在AI的主场—IT领域对人工智能技术在全行业、尤其是安全方面的应用需求变得十分迫切。根据 Check Point Research 的报告,在 2024 年 1 月至 8 月期间,全球公用事业部门(包括关键基础设施)每机构平均每周遭受的网络攻击次数高达 1514 次——与去年相比增加 37%,在所有行业中排名第五,进一步凸显了采取 AI 安全防护的必要性。这项先进技术正在革新关键基础设施的网络安全防护实践,为应对日益复杂的攻击提供了前所未有的防御能力。借助 AI 实时处理大量数据流的能力,企业现在能够极其快速、准确地检测异常情况和潜在威胁。
在机器学习算法的加持下,这些系统不断发展,可以始终领先网络犯罪分子一步。对于电网、供水系统和交通网络运营商来说,基于 AI 的解决方案可提供强大的保护,防止可能会造成破坏性影响的中断事件。通过自动执行日常安全任务,AI 能够让人类专家专注于应对复杂的挑战,从而提高整体威胁响应能力。虽然 AI 可能被用于发起攻击,而且需要持续的系统更新,但是将 AI 融入关键基础设施防护的优势远远超过了这些潜在弊端。随着世界变得日益互联,AI 将在保护我们社会的数字骨干网方面发挥关键作用。
AI 在网络安全防护中的应用现状和生成式 AI 的兴起关键基础设施领域基于 AI 的威胁检测
AI 正在重塑关键基础设施领域的威胁检测,例如化学、关键制造、能源、交通、医疗保健、供水和污水处理系统。机器学习算法能够处理来自复杂网络的海量数据,以识别异常模式和潜在的安全漏洞。AI 系统能够检测到传统方法不易察觉到的入侵指标,支持快速做出响应,从而防止威胁破坏基本服务或泄露敏感数据。
加强安全防护自动化和编排
在关键基础设施中,集成式 AI 可增强安全防护自动化和编排,从而简化对网络威胁的响应。智能系统能够自主调查警报、关联不同来源的数据并触发响应措施。得益于这一自动化,人工安全防护团队可将更多精力用于战略规划和复杂的威胁分析,从而确保关键基础设施灵活抵御网络攻击。
生成式 AI:网络安全防护的双刃剑
对于生成式 AI 在关键基础设施防护中的应用,机遇和挑战并存。就防御而言,它有助于代码分析、漏洞发现和威胁情报整合。然而,攻击者也可以利用生成式 AI 发起复杂的网络钓鱼攻击、开发新的恶意软件变体或发现新的攻击向量。鉴于这一双重性质,关键部门必须采取积极主动的网络安全防护方法。
融合式网络 AI:整体防御策略
为了有效应对 AI 威胁,关键基础设施组织正在采用一种“融合式网络 AI”方法。该策略需要将 AI 功能集成到整个安全堆栈中,从而提高预测和缓解威胁的能力。借助 AI 原生架构,组织可构建强大的防御系统,保护重要系统和数据免受日益复杂的网络攻击。
AI 正如何应用于关键基础设施通过提高效率、可靠性和可持续发展能力,AI 正在重塑关键基础设施,能源行业便是其中的典型。在智能电网中,AI 通过预测能源需求模式、优化能源分配和集成可再生能源发挥着至关重要的作用。这些功能有助于实现高效的能源分配,减少浪费,并确保稳定可靠的电力供应,即便是在太阳能和风能等间歇性能源的管理中也是如此。
AI 在预测性维护方面也起着关键作用,能够利用算法来预测潜在设备故障。这种积极主动的方法可通过延长关键基础设施组件的使用寿命,最大限度地减少停机时间并降低维护成本。此外,AI 还可通过实时监控和分析能耗,提高建筑物和工业流程的能效。AI 系统可根据使用模式实时调整供暖、制冷和照明,从而优化能源使用、降低成本并减少碳排放。
AI 在关键基础设施中的应用现状:聚焦交通运输行业AI 正在交通运输行业掀起一场效率、安全和可持续发展的技术革命。
· 自动驾驶汽车:作为自动驾驶汽车的核心,AI 可帮助车辆导航、解读传感器数据并做出实时决策。机器学习算法可处理来自摄像头、激光雷达和雷达的输入数据,以检测障碍物、识别交通信号并预测行人和其他车辆的活动。
· 交通管理:AI 系统通过分析来自摄像头、传感器和 GPS 设备的数据,优化市区的交通流量。这些系统能够预测交通拥堵情况,调整交通信号灯的变换时间,并推荐替代路线,以减少路程时间和排放。目前有几个正在开发中的项目将应急车辆与信号系统相结合,以确保应急车辆畅通无阻。
· 预测性维护:在铁路和公路等交通基础设施中,基于 AI 的预测性维护利用来自物联网传感器的数据预测设备故障,防患于未然。这既能减少停机时间和维护成本,又能提高安全性。
· 公共交通优化:AI 可根据实时数据优化路线和时间表,从而改善公共交通。它有助于管理车队营运、预测乘客需求和提高整体服务效率。
· 安全监控:基于 AI 的监控系统可监控机场和火车站等交通枢纽的安全威胁,利用面部识别和行为分析来识别可疑活动,保障乘客安全。
· 供应链与物流:在物流业,AI 通过预测需求、管理库存和规划高效的配送路线来优化供应链运营,从而节省成本并提高服务水平。
· 智能基础设施:AI 还推动了智能基础设施的发展,例如智能交通系统和智能电网,通过与交通网络相结合,提高了连通性和效率。
AI 在医疗保健基础设施中的应用现状:聚焦网络安全防护
由于患者数据的敏感性,医疗保健行业日益成为网络威胁的目标。AI 可增强该行业的网络安全防护。
· 威胁检测和预防:AI 系统分析网络流量和用户行为,以实时识别异常情况并拦截恶意软件、勒索软件和网络钓鱼攻击等威胁。
· 数据保护:AI 可加强数据加密和访问控制,识别未经授权的访问并执行安全协议来保护患者数据。
事件响应:AI 可自动执行事件响应流程,快速识别和处理安全漏洞,并根据严重程度划分威胁的优先级。
· 漏洞管理:AI 可识别和修补医疗保健系统中的漏洞,预测易受攻击之处并推荐更新。
· 欺诈检测:AI 通过识别异常模式和差异来检测欺诈活动。
AI 在关键基础设施中的应用现状:教育行业通过增强学习体验、优化管理流程和提供个性化教育,AI 正在重塑教育行业。
· 个性化学习:AI 通过分析学生的学习模式、调整难度和提供实时反馈,根据学生的个人需求量身定制教育内容,例如 Coursera 和可汗学院等平台。
· 智能辅导系统:AI 助教提供个性化课外辅导,为学生解疑答惑和提供指导,例如 MATHia 和 IBM 的 Watson Tutor 等工具。
· 自动评分:基于 Gradescope 等系统提供的详细反馈,AI 可自动为测试和论文评分,这能够帮助教育工作者节省时间,并确保评估的一致性。
· 预测性分析:AI 可预测学生的表现并识别遇到困难的学生,从而及时进行干预和提供支持,并预测注册趋势和资源需求。
· 提升无障碍服务能力:AI 通过语音识别和文本转语音等工具提高了无障碍服务能力,增强了教学场景对残障学生的包容性。
· 虚拟现实和增强现实:基于 AI 的虚拟现实和增强现实技术可打造沉浸式互动学习体验,助力学生探索医学和工程学等领域的复杂课题。
· 研究与数据分析:AI 可分析大型数据集,提供教学方法和学习成果方面的有益洞察,从而帮助制定教育策略和政策。
综上所述,在关键基础设施中采用 AI 技术的重要性与日剧增。Check Point建议企业用户可通过集成 AI 增强安全措施,提高运营韧性。AI 系统不仅能快速识别和响应威胁,降低中断风险,而且还能优化资源管理,预测维护需求,从而提高运营效率。要想在日新月异的技术环境中保持领先地位,关键基础设施部门应重视 AI 技术的采用。这不仅有助于提升关键资产的安全保护,又能确保长期可持续发展能力和可靠性。