“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
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。
苹果即将发布Apple TV 4K和HomePod mini 2两款产品更新。更值得期待的是三款全新产品:配备7英寸方形显示屏的HomePod Touch将搭载全新homeOS系统,支持Safari、音乐等应用及小组件功能,预计售价350美元;此外还有智能安全摄像头和视频门铃两款配件。这标志着苹果从依赖第三方HomeKit配件转向自主研发智能家居产品的重要战略转变。
UCL研究团队通过分析16万场AI对战数据发现,传统认为"平局代表AI实力相当"的观念完全错误。研究表明平局主要反映问题难度和客观性,而非AI能力对比。当忽略平局进行评分时,四种主流评分系统的预测准确率均提升1-3%。这项发现颠覆了现有AI评估理论,建议未来评分系统应考虑问题特征而非简单的平局语义。