人工智能将如何帮助企业打击勒索软件和预防云安全漏洞
每一年,网络安全领域都面临着新的挑战和障碍,各企业需要进行应对,例如,我们看到 2021 年如何成为异常危险的一年。最值得注意的是,在一系列备受瞩目的事件——涉及到 Kaseya 和爱尔兰卫生服务 (Irish Health Service) 等组织机构沦为受害者之后,勒索软件一直是业内的热门话题。
此外,针对 JBS 公司的勒索软件攻击也清楚地表明了供应链攻击的潜在严重性。更广泛地说,不断地向混合工作方式转变和快速采用云计算,也意味着各企业必须重新评估其安全基础设施,以确保远程工作人员得到充分保护。
那么,2021 年的经验教训将如何塑造未来几年的网络安全格局呢?以下是网络安全领域的五个方面,将在不远的将来得以发展。
1. 云安全将面临越来越大的压力
首先,勒索软件将转向窃取和加密云数据。虽然这种情况有时是通过攻击第三方数据处理器而导致发生的(正如我们看到工党成员的数据被勒索)。接下来,我们将看到,在“责任共担”模式下,客户端的数据会越来越多地遭受勒索软件团伙的直接攻击。
2. 主动采取措施,尽量减少勒索软件攻击
在防范勒索软件方面,我们将越来越多地看到公开打击勒索软件团伙,并且由于勒索软件攻击的普遍存在,对信息安全的正式监管也将增加。然而,我们也将看到许多公共部门在应对这一威胁方面准备不足。最后,我们将看到相对于数据丢失或泄露而言,勒索软件所产生的后果会相对减少,因为人为操作的勒索软件在其成功爆发之前就被发现并进行阻止。
对于企业而言,拥有涵盖网络和端点的深度安全防御架构,并可以快速侦测和阻止这些攻击行为,这将变得越来越重要。其重点是预防而不是从备份中进行耗时的恢复操作,或者更糟糕的是不得不支付赎金。必须不断调整业务连续性计划,以适当考虑勒索软件给各个企业带来的更高风险,同时要进行适当的投入以防止和最大限度地减少攻击所造成的停机时间。
3. 各企业对“托管侦测和响应”服务及自动化的需求不断增长
除勒索软件之外,尽管托管安全服务的数量将持续增加,但各企业的重要下属部门将面临着在自动化、编制、分析师增强型人工智能领域缺乏人才的问题。各企业会认识到,将业务环境外包给外部实体可能非常困难,而一些装备精良且得到支持的内部资源可能比大量外部资源更有效。
4. 更多利用人工智能来对抗恶意使用多重身份验证 (MFA)
另一个需要关注的领域是关于多因素身份验证 (MFA)。微软和谷歌等一些主要科技巨头正在实施 MFA。这在很大程度上是因为攻击者不断成功地窃取凭证和绕过基本身份验证过程,然而,尽管 MFA 是每个公司都应该采取的步骤——但犯罪分子不断证明,这不足以将他们拒之门外。在某些情况下,犯罪分子甚至使用机器人来帮助他们应对 MFA 问题,这对于各企业来说将依然是一场艰苦的战斗。因此,我们将看到更多的企业开始转而使用人工智能驱动的安全工具,以有助于阻止那些绕过 MFA 的攻击。
5. 政府和监管机构更加关注网络安全
在美国国家关键基础设施遭到多次攻击之后,拜登总统于 2021 年 5 月发布的关于改善网络安全的行政令,旨在大幅提高网络安全标准。我们预计将看到其他国家政府在有意义和有效的网络安全管控方面采取越来越稳健的方法,旨在面对严重网络攻击时具有更高的应对能力。英国监管机构的举措(如金融服务领域的渗透性压力测试机制 (CBEST) 和电信领域的 TBEST 机制,将促进采用以安全威胁情报为主导的方法来客观评估易受攻击的可能性)几乎肯定会扩大到其他关键部门。
始终要提前准备
与安全相关的新障碍总是会出现,因此,至关重要的是各企业要提前准备,以确保自己拥有应对潜在威胁的最佳保护措施。为实现这一目标,各企业应寻求实施一种侦测和响应策略。这通常涉及到综合使用人工智能和机器学习 (ML) 技术来寻找已授权但存在可疑行为的这些交叉操作,以及对手在展开攻击中将表现出的某些行为。
如果企业认为自己已被入侵,并积极寻找各种迹象,则他们将处于更有利的位置,可以及时发现各种攻击,然后在攻击行为造成破坏之前进行阻止。
以上是人工智能将如何帮助企业打击勒索软件和预防云安全漏洞的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S

本站7月5日消息,格芯(GlobalFoundries)于今年7月1日发布新闻稿,宣布收购泰戈尔科技(TagoreTechnology)的功率氮化镓(GaN)技术及知识产权组合,希望在汽车、物联网和人工智能数据中心应用领域探索更高的效率和更好的性能。随着生成式人工智能(GenerativeAI)等技术在数字世界的不断发展,氮化镓(GaN)已成为可持续高效电源管理(尤其是在数据中心)的关键解决方案。本站援引官方公告内容,在本次收购过程中,泰戈尔科技公司工程师团队将加入格芯,进一步开发氮化镓技术。G
