有人推测ChatGPT可以做一些事情，比如创建恶意代码变体，查找恶意软件，并测试新的威胁是否可以使用基于人工智能的技术逃避检测。这还有待观察，但滥用人工智能的可能性肯定在增加。...在过去的一年里，Morphisec威胁实验室发现越来越多的开源恶意软件和泄露的勒索软件代码。攻击者总是希望通过重新利用早期成功的攻击来增加他们的投资回报率，而不是创建一个全新的恶意活动。...使用ChatGPT创建恶意软件确实存在技术缺陷。这款聊天机器人只有2021年的数据。虽然它为创建恶意软件组件提供了快捷方式，但人工智能生成的组件很容易识别。...安全工具可以对它们的模式进行指纹识别——如果ChatGPT数据没有持续更新的话，这一点就更加明显了。想要从ChatGPT获取恶意软件吗ChatGPT的公共接口始终拒绝处理恶意软件请求。...通过使攻击者更难识别和利用特定的漏洞，MTD可以帮助防止高级AI生成的恶意软件成功危及终端。
2021年，针对Linux设备的恶意软件感染数量上升了35%，其中最常见的是利用物联网设备进行DDoS(分布式拒绝服务)攻击。...· Mozi僵尸网络过去一年的活动呈爆炸式增长，流通的样本数量是前一年的十倍多。 · XorDDoS僵尸网络同比增长了123%。 物联网智能设备通常运行不同版本的Linux系统，并且仅限于特定的功能。...相比2020年，这三种变体的已识别样本数量分别增加了33%、39% 和 83%。” 总结 其实Crowstrike的发现并不出乎人们的预料，这恰好证实了前几年出现的持续趋势。...例如，网络安全公司Intezer在2020年就通过统计数据发现当年的Linux 恶意软件攻击数量相比于上一年增加了40%。...在 2020 年的前六个月，Golang恶意软件就急剧增长500%，这就表明恶意软件的作者正在寻找使他们的代码在多个平台上运行的方法。
今天跟大家分享一下我们在行业里面的一些思考，我主要讲的主题是想跟大家分享，人工智能是如何商业化，我们认为怎么样可以更好的商业化人工智能技术。...传统来看，一个大卡车运营20个小时，需要两个司机，成本一年24万。而未来使用了无人驾驶技术之后，每年只需要硬件分摊成本2.8万，而且实际上一大部分还是我们自己本身的利润。...此外，消费者的支付能力是要远弱于2B的企业，消费者会选择消费与不消费，并且假设说它为了一套无人驾驶系统而愿意消费多少钱，一、两万美金是不是合适，因为他使用率太低了，一台车使用率可能一年不到15%的时间。...但是辅助，其实这就是一个很困难的计算，我辅助人去增加效率，比如说人脸识别好了，我们的一些支付安全辅助手段上，用到人脸识别，记住它确实可以更好的辅助我们的工作人员去提高效率，但是能提高多少效率呢？...首先第一点，在安全支付上，比如说我们有短信的支付码，我们有指纹技术，我们有种种的技术，是不是还需要一个人脸识别去协助可能是能增加效率，但是它值多少钱这件事其实是没有一个太明确的答案的，所以它在销售起来的时候
刚刚我们在音频里所提到的，是一年前轰动全球的大事件： 2016年5月7号，在美国的佛罗里达州，一辆特斯拉径直撞上一辆行驶中的白色大货车，酿成了世界上自动驾驶系统的第一起致命交通事故。...上述由恶意的攻击者故意设计生成的以欺骗人工智能系统的样本被称为对抗样本（adversarial samples）。...文献[4]给出了利用对抗样本进行黑盒攻击的实例，对于可以自动识别交通标志的无人驾驶系统，攻击者生成一个禁止通行标志的对抗样本（如图3右图所示），自动识别系统会将其误判为是可以通行的标志。...这种训练方法也叫对抗训练，对抗训练过后的神经网络在原有测试集（不含对抗样本的数据）中的精度得到了提升，同时对对抗样本识别的正确率也得到了改善。...对抗样本就是人工智能系统中的“木马”、“病毒”，他可以攻击无人驾驶系统致使安全事故；可以让计算机把支票上的数字9识别成1，带来潜在的经济损失；可以把张三的脸让计算机识别成李四，骗过人脸识别系统，在今年的
有趣的是，在当时人们都认为该算法将很快导致“强”人工智能的出现。即，智能的思考能力、独立思考并可以解决那些默认编程程式外任务的人工智能。...可随后就是“弱”人工智能的时代，它可以解决一些创造性的任务，比如识别图片、预测天气、玩象棋等。...误解三 机器学习——做一次就够了 恶意软件检测和人脸识别在概念上的区别，脸永远是脸，在这方面永远也不会有什么改变。...因为通过客户端的恶意样本的平均数量要比反病毒实验室收集到的恶意样本数量小得多。客户端会因为没有收集到样本进行学习而丧失应对能力。...问题是大多数同家族的恶意软件都是由一个恶意程序修改而来的。例如 Trojan-Ransom.Win32.Shade 是一个拥有超过三万个恶意样本的家族。
有趣的是，在当时人们都认为该算法将很快导致“强”人工智能的出现。即，智能的思考能力、独立思考并可以解决那些默认编程程式外任务的人工智能。...可随后就是“弱”人工智能的时代，它可以解决一些创造性的任务，比如识别图片、预测天气、玩象棋等。...误解三：机器学习——做一次就够了 恶意软件检测和人脸识别在概念上的区别，脸永远是脸，在这方面永远也不会有什么改变。...因为通过客户端的恶意样本的平均数量要比反病毒实验室收集到的恶意样本数量小得多。客户端会因为没有收集到样本进行学习而丧失应对能力。...问题是大多数同家族的恶意软件都是由一个恶意程序修改而来的。例如 Trojan-Ransom.Win32.Shade 是一个拥有超过三万个恶意样本的家族。
Deep Instinct的学习方法将恶意软件样本分解为大量的小“碎片”，恶意软件从而可以进行映射，就像是基因组序列便是由成千上万更小的序列组合构成。...这些被“分解”的样本仍是二进制位字符串，用于训练神经网络进行系统地识别。在进行了数百万次计算之后，神经网络运行于一个GPU集群中，最终得出一个能够指向终点的静态神经网络结果。...Deep Instinct恶意软件识别率远超传统安全公司 Göttingen大学举行的对16000个恶意软件样本进行识别测试中，来自西门子CERT、Bit-Defender、McAfee、Trend（趋势科技...）、AVG、卡巴斯基、Sophos以及其他安全公司平均识别率为61%，而Deep Instinct对于恶意软件的识别率则高达98.86%。...一些恶意软件样本自主突变，而其功能并没有受到影响。PDF恶意软件的识别率是99.7%，可执行文件的检测率为99.2%。
作者 | 闫园园 根据网络安全公司 CrowdStrike 发布的一份报告，与一年前相比，2021 年的 Linux 恶意软件增加了 35%。...在前面提到的 35% 的恶意软件增长中，大约 22% 是属于三个家族的物联网特定恶意软件： XorDDoS Mirai Mozi 与 2020 年相比，Mozi 的恶意样本数量在 2021 年增加了 900%...1 恶意软件概述 XorDDoS：恶意软件样本增加 123% XOR DDoS 是一种具有 rootkit 功能的 Linux 木马恶意软件，用于发起大规模 DDoS 攻击。...“与 2020 年相比，2021 年所有三种变体的已识别样本数量分别增加了 33%、39% 和 83%。”...例如，一份分析 2020 年统计数据的 Intezer 报告中发现，与上一年相比，2020 年 Linux 恶意软件增加了 40%。
在去年上一篇相关文章《大模型在网络安全领域的七大应用》发布以后，经过接近一年的学习和更新，笔者对大模型也有了更加深入的认知，这里，笔者再次结合一些市场应用及个人见解，从技术实现、带来价值以及相比传统方法的优势三个角度...高级恶意软件分析技术实现路径:样本预处理: 提取恶意软件的静态和动态特征特征转换: 将提取的特征转换为自然语言描述大模型分析: 使用微调后的大模型分析恶意软件行为变种检测: 利用大模型的泛化能力识别恶意软件变种报告生成...: 自动生成详细的恶意软件分析报告带来的好处:快速分析复杂的恶意软件，缩短响应时间检测高级和未知的恶意软件变种生成全面且易懂的分析报告，便于团队协作相比传统方法和普通AI的优势:能够理解和分析复杂的代码结构和行为模式具有强大的推理能力...，可以推测恶意软件的目的和影响可以通过少量样本快速适应新型恶意软件，具有更好的泛化能力4....智能漏洞管理技术实现路径:漏洞信息收集: 整合CVE数据库、安全公告等多源信息上下文分析: 使用大模型理解漏洞的技术细节和影响范围资产映射: 将漏洞信息与组织的IT资产清单关联风险评估: 基于漏洞特性和资产重要性进行智能风险评分修复建议生成
Symantec利用其“高级机器学习”(AML)来学习识别恶意软件的属性，而McAfee则倾向于采用“人机合作”方法来加强恶意软件的检测。...每天产生的新恶意软件样本的确切数量并不重要。对于民众来说，重要的是有办法在坏人有机会对他们造成伤害之前检测到恶意软件。...当文件大小遍布地图时，这是一个挑战，从50KB的良性样本到100MB的恶意软件样本(幸运的是，数据科学家不需要提取特征，因为这部分是由神经网络自动处理的)。...由于Deep Instinct的框架采用了深度学习技术来识别恶意软件，它基于大量类似于之前的恶意软件样本，该系统相当独立，只需每6到8个月重新训练一次。...他说:“他们被一个比实际袭击早了一年的深部大脑发现。”当然，那时我们已经有了新的版本。但是，如果你观察一段时间内的准确率，那么，你就会发现我们会比其他人更准确，即使是在一年前接受过训练。
此外还会通过搜集反馈回来的失败样本，以及人工打码的标定数据，来实时训练和更新识别网络，不断迭代训练进行优化，进一步提高神经网络模型的识别能力。...由于恶意用户仅占总体用户的少部分，具有异常样本“量少”和“与正常样本表现不一样”的两个特点，且不依赖概率密度，因此此异常检测模型不会导致高维输入的下溢出问题。...该模型可识别异常用户盗号、LBS/加好友、欺诈等行为。随着样本增加，恶意请求的uin、类型、发生时间通过分析端通过线下人工分析和线上打击，达到良好的检测效果。...在恶意代码识别方面，区别传统的黑白名单库、特征检测、启发式等方法机器学习的安全应用从反病毒的代码分类、恶意文件检测、恶意URL的网页代码识别等 在社工安全防范方面，区别传统的技术与业务经验分析、安全宣传...，因此恶意访问、攻击样本的不充分，导致模型训练后的检测准确率有待提高。
过去一年中C2服务器分布 在攻击活动中，攻击者和APT组经常利用远程配置控制恶意软件。此类配置通常包含命令和控制（C2）服务器、服务器通信密码、活动标识符、互斥锁、安装位置等。...研究分析不同的恶意软件配置，例如主机地理位置和DNS首选项可以深入的了解攻击者和组织的内部工作情况。研究过程中收集的大量恶意软件可以将不同样本的数据关联起来，并识别出新的攻击者与攻击活动。...恶意软件样本主要是远程管理工具（RAT）。RATs为攻击者提供了一系列功能，如远程桌面访问、键盘记录功能、文件系统和网络摄像头访问，所有这些通可以通过图形界面供攻击者使用。...通过静态分析引擎解压了文件，并对嵌入的文件执行隐写检测和提取可从恶意软件中检测和提取配置。在本次分析的样本中只有14%未被混淆，最常见的第一层检测规避是UPX打包程序。...本文开头的动画描绘了过去一年中C2服务器的地理位置。土耳其仍然是恶意服务器最流行的国家，但近几个月来，源自俄罗斯的恶意服务器数量显著增加。
作为网络安全的基石，密码学利用算法防范潜在的恶意攻击，以保障信息的安全传输和安全存储，极大地吸引了李博的兴趣。 而大二去台湾交换的一年，更让她在科研实践中真正见识到了关于安全研究的门道。...比如利用数据的时域相关性和空间相关性来检测恶意样本。她利用时域相关性去检测恶意音频样本的工作被收录在 ICLR 2019，后来还被 IBM 应用在 Watson 语音识别系统中。...在利用空间相关性来检测恶意对抗图像样本方面，李博也提出了第一个可以有效抵抗自适性攻击的恶意样本识别算法。...图注：利用时域连续性检测恶意语音样本 图注：利用空间连续性检测恶意图像 为了生成更加有效的对抗样本，李博进一步提出了「对抗神经网络」，在 MNIST 对抗攻击挑战赛（Adversarial Attack...她进而提出一些防御攻击的方案，在蚂蚁的平台上实现相应的算法，以防止人脸识别系统遭受恶意攻击，最终收获了不错的效果。
导语 近日，腾讯游戏安全中心捕获一款网吧内传播的恶意软件。原以为是常规的网吧盗号木马，但详细分析之后发现并非如此。...经证实该恶意软件是目前发现的首款利用 Windows SMB 漏洞传播，释放虚拟货币矿机挖矿的肉鸡集群。...1500520144201_168_1500520145408.png] [1500520158196_1573_1500520159407.png] 0x04 横财 说道门罗币我们也要看一下这东西到底值多少钱...下面为大家图示总结一下此款恶意软件的传播和执行流程。...在发文时，此款木马已经能够被腾讯电脑管家识别，并有效清除。
一份由学术界、社会团体以及行业人士所撰写的报告《人工智能的恶意使用（Malicious Use of Artificial Intelligence）》指出，任何科技都有其双面性，在大力发展AI技术的时候...在这种干扰下，原本精确的人工智能，瞬间就沦为“人工智障”。 试想如果有人恶意制造这样的对抗样本去挑战我们身边的AI系统，结果会有多可怕呢？...犯罪分子也能够随时从面部识别模型中逃脱？ 如果存在别有用心的人，将马路上的交通指示牌替换，明明是右转的标志，自动驾驶系统缺识别为直行，极其容易酿成交通事故。...未来，AI技术或将从恶意软件的自动化攻击，进化为自动化决策，即能够根据被感染系统的参数进行智能调整、自我繁殖，攻击会变得更加静默和危险。...一旦进入到受感染的系统中，恶意软件还能够安全地学习系统的环境知识，比如受感染设备通信的内部设备，使用的端口和协议，以及账户信息等。因此，由智能化带来的威胁程度也将成倍增加。
摘要 近年来，随着机器学习、深度学习等人工智能技术的迅猛发展，其在图像识别、语音识别和自然语言处理等领域已经得到大规模应用，可以为传统方法很难解决或无法适用的问题提供有效的方案，也已经成为网络安全领域中的热门研究方向...，比如将人工智能应用于恶意加密流量的检测就是一种行之有效的方法。...二、总体架构 该方法从数据包级、流级和主机级三个不同层次分别提取行为特征构建多个模型来提升对黑白样本的识别能力，一部分模型使用多维特征进行综合分析，还有一部分模型使用黑白样本区分度较大且置信度较高的单维特征缓解多维特征中潜在的过拟合和误报问题...作者也尝试了使用流级的包长分布特征进行分类器训练，考虑到恶意流量样本中也包含与正常服务的通信，但又无法识别其中的良性流，所以只将包含一条流的样本拿出来作为训练集，最终将不包含任何恶意流的流量样本分类为正常...除了统计和机器学习方法外，《基于深度学习的物联网恶意软件家族细粒度分类研究》验证了深度学习在流量识别方向也具有很好的应用前景，充分展现了人工智能赋能网络安全领域的可行性。
这家成立仅一年左右的公司孵化于清华大学人工智能研究院，专注于第三代人工智能技术研究以及应用落地。...不可靠主要指的是现行 AI 算法非常依赖数据，基于大量样本，每个样本要有对应标签，它的好处是可以做大数据分析，缺点是算法非常依赖数据，算法在训练数据覆盖到的场景上往往可以给出非常好的预测结果，包括人脸识别等都已经取得了很好的效果...不可靠主要指的是算法正常应用时存在的问题，不安全则是指当一些黑客或有恶意动机的人想恶意破坏算法时，神经网络方法非常脆弱，比如对抗噪声可以误导图像识别算法，给出错误的结果。...相比于第一代和第二代，第三代人工智能是知识驱动+数据驱动，特点有三个：第一是可信，算法能够提供白盒化模型和可理解的决策依据；第二是可靠，能够在各种情况下实现预测效果可靠提升；第三是安全性，算法在受到恶意攻击...但是，工业质检场景不像人脸识别场景，它需要搜集大量不同样本，特别是很难收集的负样本，但是因为生产设备本身可靠性相对较高，产生负样本的频次较低，经过很长时间生产才能采集到数据量足够大的负样本。
恶意软件即服务（MaaS）趋势明显，地下产业链日趋成熟； 3. Office公式编辑器漏洞与恶意宏利用横行，黑客青睐攻击面广且稳定的攻击方式； 4....其中,中央处理器芯片漏洞、Memcached UDP端口反射攻击漏洞、WebLogic反序列化远程代码执行漏洞、区块链智能合约漏洞、ThinkPHP远程代码执行漏洞、WinRAR远程代码执行漏洞、微软远程桌面服务远程代码执行漏洞等被评为年度最具影响力漏洞...详细报告着重分析了过去一年多僵尸网络及木马传播态势，并对各种流行木马家族进行了重点解剖。 三、恶意文档攻击态势观察 针对恶意文档的攻击仍主要以Office应用为主。...在捕获的恶意文档中，有60.43%的样本使用了恶意宏代码，32.57%的样本使用了0day或Nday漏洞，1.78%的样本利用了DDE机制。...过去一年多，平均每天就有一个APT攻击报告被披露，较2017年有大幅度增长。
，并通过聚类和优化的LCS算法，有效识别恶意流量中的扫描流量特征（包含同质载荷内容），有效提升规则的准确率。...该分类器可基于决策树、循环神经网络等机器学习或深度学习模型构建，以完成在识别恶意流量等文本分类任务。...进一步，根据采样恶意流量载荷，进行字节级别的聚类，以将恶意流量中的扫描流量识别出来：扫描流量指包含同质载荷内容的流量集合，在聚类过程中将形成聚类簇。...在检测模型识别该载荷内容为webshell的情况下，使用LIME算法能够得到模型将该载荷样本识别为恶意webshell的关键词及其贡献程度的置信度值。...评估数据集（评估集）包含当前批次恶意流量载荷样本（采样率βm），以及正常样本（可与感知阶段检测模型使用相同训练数据集，采样率βn-his），以及与当前批次恶意流量在同一时间窗口内的正常样本（采样率βn-cur
而“黑产杀手”腾讯安全天御自研业内独有的流量反欺诈技术，独特地“与黑产并行进化”——采用对抗网络结合注意力机制，基于已有的恶意样本集来自我进化，自动衍生并识别流量恶意变种，不管黑产怎么变，都能快速反应识别作案手段...以目前某个合作客户举例，天御平均每天帮助该公司识别并拦截上亿次恶意流量，省下一笔不小的营销费用。 ? （腾讯安全天御帮助企业有效对抗黑产行为） 远程攻破特斯拉，还被马斯克致谢？...你开着智能汽车一路狂飙，突然间刹车不受控、后视镜自动关闭、后备箱又自动打开，这并不是《速度与激情》拍摄现场，而是你的汽车被远程控制了！...这个漏洞让你的手机可以被完整克隆 很多人不怕被偷钱包，却不能失去手机，因为每天都要用手机浏览网页、购物支付、联系亲友——假如有人将你手机上的个人账户信息全部复制到另一部手机上，他一定会知道你买过什么东西，住过哪些酒店，钱包里有多少钱...这项技术的学术论文，今年还成功被全球人工智能顶级会议——CVPR收录，成为国内基于无感AI的安全领域中首篇进入CVPR的论文。 ?
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
云直播
对象存储
