計(jì)算機(jī)安全軟件廠商賽門鐵克周日發(fā)布報(bào)告稱,日前公司發(fā)現(xiàn)了一個(gè)名為“Regin”的惡意軟件。Regin采用了復(fù)雜代碼技術(shù)、及其隱蔽,早在2008年,Regin軟件就被黑客用于監(jiān)視政府、公司和個(gè)人。
Regin這一間諜工具軟件使用了一些隱形技術(shù),可躲開殺毒軟件檢測(cè),而且Regin軟件設(shè)計(jì)相當(dāng)復(fù)雜,無論從時(shí)間和資源上來講,都需要投入相當(dāng)大的精力,表明開發(fā)該軟件是一個(gè)“國家”支持工程。但賽門鐵克在報(bào)告中未指明這一惡意軟件來自哪個(gè)國家。
賽門鐵克還稱,Regin的復(fù)雜設(shè)計(jì),使它非常適用于對(duì)目標(biāo)展開長期監(jiān)控。
“Regin軟件的開發(fā)者投入了相當(dāng)大精力,因而該惡意軟件非常隱蔽,一般不會(huì)被發(fā)現(xiàn)。”賽門鐵克在一份聲明中表示:“該軟件的隱蔽特性,使之可能潛伏數(shù)年實(shí)施間諜活動(dòng)而不被發(fā)現(xiàn)。”
此外,Regin的高度可定制化特點(diǎn),可使黑客發(fā)起范圍廣泛的遠(yuǎn)程木馬攻擊,包括:竊取用戶密碼、數(shù)據(jù),截獲用戶鼠標(biāo)點(diǎn)擊,從被感染計(jì)算機(jī)上捕獲截圖。其他的攻擊包括監(jiān)控網(wǎng)絡(luò)流量、分析Exchange數(shù)據(jù)庫電子郵件。
賽門鐵克稱,Regin惡意軟件攻擊的主要目標(biāo)包括一些互聯(lián)網(wǎng)服務(wù)提供商和電信公司,Regin似乎通過復(fù)雜的軟件,對(duì)攻擊對(duì)象電話和通信路由設(shè)備進(jìn)行監(jiān)控。其他攻擊目標(biāo)還包括:航空、能源、醫(yī)院和研究等領(lǐng)域的一些公司。此外,Regin攻擊對(duì)象地域發(fā)布廣泛,超過一半的攻擊對(duì)象位于俄羅斯和沙特境內(nèi),其他攻擊對(duì)象則位于愛爾蘭、墨西哥和印度等國家。
賽門鐵克稱,Regina攻擊分為五個(gè)階段,除第一階段外,其他四個(gè)階段都進(jìn)行了加密,而且非常隱蔽,每一個(gè)階段包含該惡意軟件的結(jié)構(gòu)信息。如果要想攔截該惡意軟件,必須獲得全部五個(gè)階段信息進(jìn)行分析。
賽門鐵克表示,此次發(fā)現(xiàn)如此復(fù)雜的多級(jí)架構(gòu)惡意軟件,令人想起2010年攻擊伊朗核濃縮設(shè)施的計(jì)算機(jī)病毒Stuxnet,以及跟Stuxnet采用相同代碼的電腦網(wǎng)絡(luò)間諜軟件Duqu。
賽門鐵克稱,相信目前還有Regin的許多組件尚未被發(fā)現(xiàn),此外,針對(duì)該惡意軟件的額外功能、其他版本也可能存在。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)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(jì)大學(xué)團(tuán)隊(duì)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(jī)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)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(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。