3月1日,云服务商UCloud发布《2015公有云安全年度报告》。报告指出,反射性分布式拒绝服务(Distributed Denialof Service,简称DDoS)攻击已成为黑客最常用的攻击手段,攻击流量上百G已较为普遍,而游戏、企业服务、电商和互联网金融行业则成为攻击“重灾区”。
UCloud指出,互联网安全形势日益错综复杂,UCloud优盾服务将为企业提供全方位的安全保障,UCloud也提倡与安全厂商、爱好者等一起,构建健康的互联网安全生态圈。
DDos流量超百G/月 热门行业成重灾区
UCloud安全中心数据显示,优盾共拦截各类CC攻击318.6亿次,超过4/5的DDos攻击使用UDP协议,而反射性攻击因无需组建僵尸网络、可隐藏攻击者真实身份、对网络带宽要求小等优势,使其成为近80%攻击者选择的攻击方式。安全中心透露,2015年平均每月拦截各类DDoS攻击113.05GB,上百G攻击已较为普遍。游戏、企业服务、电商与互联网金融行业是攻击的主要对象。其中,游戏最为频繁,占攻击总量的30.1%,而互联网金融Q4相比Q3暴增330%以上。
漏洞攻击增速超40% 安全形势错综复杂
UCloud安全中心在2015年监测到来自880万个攻击源对云的漏洞攻击。其中780万个攻击源IP对云上320万个域名进行了10.02亿次Web攻击,相比2014年的7.0亿次增长43%。其中,攻击者最常使用的端口为80端口,占攻击总数的近7成,而443、8080、8000等常用端口也成为主要目标。攻击类型则包括SQL注入攻击、Web组件漏洞攻击、敏感信息访问、命令注入攻击等,SQL注入和Web组件漏洞攻击占3/4以上,最多的10类攻击占所有攻击总量的98.82%。
暴力破解方面,优盾2015年共监测到372万个攻击源IP的66.36亿次暴力破解事件,较2014年45.03亿次增长约47%。暴力破解主要分布在SSH、HTTP、RDP、FTP、MySQL、MSSQL等几大应用程序中,其中SSH的暴力破解数量占全部暴力破解的61.11%。
据监测结果统计,2015年全年的漏洞攻击呈现全球分布现象,约85%的攻击来自国内,近15%攻击源来自国外,其中网络基础设施较好、平均带宽较大的地区,如国内北京、上海、江苏、广东等地,国外美国、加拿大、日本等国家,成为攻击高发地。
UCloud安全中心指出,从年度报告可看出,当前国内网络安全形式更加严峻,攻击流量、攻击次数两大关键指标上升明显,同时攻击类型更加复杂;而受攻击行业普遍整体发展较快,政策相对落后、产品与变现联系紧密、行业生态尚未形成,也让形势更加错综复杂。
正如云逐步取代传统的数据中心,“数据驱动安全”的全新技术理念也正逐步取代传统的被动防御、静态防御、孤立防御的技术理念,威胁情报、人工智能、机器学习以及大数据可视化等一系列新兴的网络安全技术也随之相伴而生。UCloud除了推出包括基础安全服务USec
、Web应用防护UWAF、入侵防御系统UIPS、高防服务UADS,及即将上线的运维审计和数据库审计等组成的立体安全防护体系“优盾”外,也依托对互联网19个细分行业、250亿业务总量及超过6亿终端服务用户的大数据分析,进行大数据安全检测与防御系统的建设,由数据驱动安全,从防范拓展到预警。
同时安全中心也认为,任何单个机构依靠传统手段已难以有效应对互联网安全威胁。UCloud将通过联合第三方安全厂商和安全爱好者,为企业提供一站式的安全服务平台,联手打造云端安全生态圈,促进国内网络安全形势更健康的发展。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。