作為世界上最可怕的惡意軟件之一,SpyEye如同它的名字一樣,總會悄無聲息的隱藏在用戶的系統(tǒng)中,以一雙“間諜之眼”來窺探用戶的隱私、竊取銀行資金。但如今,SpyEye的“罪魁禍?zhǔn)?rdquo;,也就是SpyEye的創(chuàng)造者AleksandrAndreevichPanin已經(jīng)在亞特蘭大市被美國聯(lián)邦調(diào)查局(FBI)成功起訴。自SpyEye誕生之日,趨勢科技一直對其保持密切的監(jiān)測與研究,推出了針對性的防御工具與解決方案來幫助用戶抵御SpyEye的攻擊,并成功協(xié)助FBI對Panin進(jìn)行了起訴并繩之以法。
SpyEye自2009年誕生以來,就是世界上最專業(yè)、最成功的惡意犯罪軟件之一,其感染了全球140萬臺電腦,并幫助網(wǎng)絡(luò)黑客監(jiān)控網(wǎng)銀用戶,對金融資產(chǎn)安全構(gòu)成了極大威脅。SpyEye還是地下市場里最專業(yè)、最先進(jìn)的產(chǎn)品,它提供定期的版本更新,甚至還有測試版。Panin將SpyEye惡意軟件做成了一個黑色產(chǎn)業(yè)鏈,并以1000美元到8500美元不等的價格販賣各種SpyEye版本,在六個月內(nèi)取得了超過320萬美元的不法收益。此外,軟件源代碼還會通過地下途徑泄露,為網(wǎng)絡(luò)犯罪分子編造新的變種木馬和攻擊技術(shù)大開方便之門。
在SpyEye出現(xiàn)之后,趨勢科技就一直對其保持密切的監(jiān)測與研究,并推出了針對性的防御工具與解決方案來幫助用戶抵御SpyEye的攻擊。在此次FBI對SpyEye的調(diào)查與指控中,趨勢科技前瞻性威脅研究(FTR-Forward Looking Threat Research team 簡稱FTR)團隊為FBI提供了充分的線索與證據(jù),并協(xié)助FBI逮捕了惡名昭彰的SpyEye銀行木馬作者。
趨勢科技的FTR團隊是研究人員的精英團隊,任務(wù)是探究網(wǎng)絡(luò)未來和預(yù)測網(wǎng)絡(luò)犯罪將來的演變。其電子犯罪單位和國際執(zhí)法伙伴(如國際刑警組織和國際電信聯(lián)盟)緊密地合作,有助于讓世界的數(shù)字信息交換更加安全。FTR曾經(jīng)協(xié)助FBI破獲史上最大僵尸網(wǎng)絡(luò)Rove Digital,逮捕“警察勒索軟件”攻擊背后的關(guān)鍵人物。
FBI感謝趨勢科技FTR團隊和其它一些私人機構(gòu)在成功起訴Panin的過程中所給予的幫助。美國聯(lián)邦調(diào)查局的執(zhí)行助理主管Rock McFeely表示:“美國聯(lián)邦調(diào)查局感謝來自趨勢科技前瞻性威脅研究團隊的協(xié)助調(diào)查,進(jìn)而讓Panin遭到逮捕,像這樣的警民合作對于成功解決網(wǎng)絡(luò)威脅并將網(wǎng)路犯罪份子繩之于法是至關(guān)重要的。”
趨勢科技全球研發(fā)長暨大中華區(qū)總經(jīng)理張偉欽指出:“身為威脅防御專家,趨勢科技的使命是讓世界可以更加安全的交換信息。因此,只是偵測像SpyEye這樣的惡意軟件或保護我們的客戶對抗最新威脅并不足夠,我們需要深入威脅的來源。我們的信念是阻止惡意活動并阻止其幕后的黑手,我們的FTR電子犯罪小組會為全球的執(zhí)法單位提供支持,提供最新的調(diào)查結(jié)果。”
研究威脅角色是趨勢科技主動式云端截毒服務(wù)Smart Protection Network里一個相當(dāng)關(guān)鍵的部分,能幫助趨勢可以了解惡意份子所使用的最新工具和技術(shù),同時找出犯罪活動背后的不法份子。這有助于趨勢科技提供客戶更好的防護,并且提供執(zhí)法機構(gòu)迫切需要的協(xié)助。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。