“勒索软件正在成为网络犯罪的重要工具。根据FBI的一份报告,2016年前三个月,勒索软件已造成2.09亿美元经济损失;相比2015年全年的2499万美元损失规模,已是上涨7倍之多! 而在2017年5月12日,WannaCry“史无前例”地席卷了全球,至少150个国家的230,000台电脑、20万人受到波及仅3天时间就造成上亿美元损失——更糟的是,勒索软件所带来的损失不仅仅是支付赎金,受攻击对象还要承担服务器宕机带来的损失!”
WannaCry勒索软件,也称为比特币病毒,前段时间席卷全球。如果用户机器被感染,则机器屏幕会显示如下勒索界面,机器被感染的用户只有支付了“赎金”,那些被加密的文档才能解密使用。
然而你以为这是世界上唯一的勒索软件吗?那你就错了,其实,勒索软件是一个老生常谈的话题。
1、军事级别破坏力 攻击目标不限于个人
最早的勒索软件病毒出现在2010年前后,那时候的勒索软件主要以比较温和的手段,提示用户出现了电脑故障或被病毒感染,让用户提供赎金才帮用户解决问题和清除病毒。期间以FakeAV,LockScreen家族占主导地位,但是大部分只要清除了病毒即可让电脑恢复正常,不会造成数据损失。
随之而来的是一种更恶毒的以加密用户数据为手段勒索赎金的勒索软件,“永恒之蓝”就属于此类勒索软件。由于这类勒索软件采用了一些高强度的对称和非对称的加密算法对用户文件进行加密,在无法获取私钥的情况下要对文件进行解密,以目前的计算水平几乎是不可能完成的事情。正是因为有这一点,该类型的勒索软件能够带来很大利润,各种家族如雨后春笋般出现了,比较著名的有CTB-Locker、TeslaCrypt、CryptoWall、Cerber等等。
为了利润,攻击者通常是不区分对象的。虽然目前勒索软件主要攻击个人用户,但是随着时间的推移,攻击者必然会转向企业和公共服务组织,企事业单位面临的风险也会越来越大。
到目前为止加密过后的文件没有公开办法进行解密,数据只要被加密就基本可以确定一定会有数据损失,然而我们广大的用户就要坐以待毙了吗?
当然不!!!看我神器——LDP【(Local Data Protection)本地数据保护】!
2、免费!免费!戴尔SC系列存储自带LDP
Dell SC系列存储使用称为“回放”的节省空间快照,提供强大的恢复功能和持续的数据保护。借助数据即时回放,在拍摄完一个卷的初始快照之后,就只需对增长更改部分进行拍摄。这不仅可以节省磁盘空间,而且可以加快对已丢失或删除文件的本地还原。客户可以预设多个回放,确保以近乎即时的方式恢复至几乎任意时间点。
如何利用数据即时回放来有效保护数据:
使用极少的磁盘空间和额外花费,即可在任意时间间隔创建频繁的回放(持续数据快照)。
原始数据2.4TB,7天的数据变化,除了初始快照占用了10%的磁盘空间,其余快照仅仅占用了50GB的硬盘空间。如果启用了重复数据删除和压缩功能,这个磁盘占用可以更低。
小编注:不同应用及读写变化可能会有更多磁盘占用。
在10秒钟内将任何大小的卷恢复至任何的服务器,以便在发生中断时实现持续的数据保护。
使用连贯性集合来拍摄跨多个卷的应用程序数据的连续快照,以确保生产数据的完整性。
使用简单的点击式界面回滚至之前的任何状态。
假如在12点1分遭受了攻击,那么我们赶快去把12点的快照挂载到生产服务器上。
1.点击从快照创建卷;
2.将该卷映射到服务器上;
3.挂载卷;
10秒钟后,哈哈哈,我的10TB数据卷就回来了!
愿你从此听到勒索软件,一笑而过!
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。