云计算的益处无需多言,然而云上数据中心带来了更多的数字资产暴露面,一台被攻陷的云主机,很可能造成云内其他服务器的全部沦陷,可谓“一招致命”。
一方面持续变动的网络形态,加大了网络安全边界延伸的不可预测性;此外,云主机、容器、边缘计算打破了设备单一的物理形态,尤其是大量云主机的安全管理,让数据中心的安全运营出现了全新挑战。
失陷云主机,随时可能“叛变”
首先,各类操作系统与应用组件漏洞的披露越来越频繁,安全运维人员将面临非常消耗人力的补丁管理工作,一旦出现纰漏,就会让整个数据中心的安全出现短板。其次,在整个云上攻击事件中,勒索病毒、挖矿软件攻击依然相当流行,而遭到两类病毒入侵,不仅会丢失算力、消耗电力,更可能会出现文件被加密、交付巨额赎金,业务停摆等情况。最后,云端存储了大量机密数据以及用户的个人隐私数据,而数据泄露的结果不仅会让企业面临法律惩戒,还会让企业面临严重的信任危机,甚至从此一蹶不振。
此外,一旦某台云主机失陷,就可能让数据中心遭遇持久性攻击。比如,云架构在创建新主机时,提供了可以匹配所需任何硬件或软件环境的灵活性,这意味着如果黑客设法使用已传递到云主机恶意脚本,便会持续不断地与外部服务器的连接(C&C通信),并且利用横向移动(Lateral Movement)来达到控制更多主机的目的,窃取机密数据。
一体化管理,杜绝“二次伤害”
产业互联网时代,云已经成为网络安全的主战场。为此,亚信安全亚信安全提供了能够全面覆盖云工作负载保护平台(CWPP)能力的信舱云主机安全(DeepSecurity)解决方案,通过防病毒、防攻击、防漏洞、行为监控、应用控制、完整性保护、微隔离、主机加固、日志审计、EDR等保护能力,为云数据中心构建出第二道防火墙。
以漏洞管理为例,信舱DS能够实现对云主机及应用的漏洞扫描、风险评估、修复建议,满足用户对漏洞修复的需求,也能通过虚拟补丁能力,在面对0Day漏洞无法快速防护漏洞、老旧操作系统及应用无法修复补丁、关键服务器无法重启的情况下,利用虚拟补丁实现服务器及应用系统漏洞批量管理。
其次,信舱DS提供了更自动化的安全运维配置方法。比如,云主机资产的自动化盘点,管理员可在此基础上实现等保定级跟踪,并根据所选服务器的操作系统、软件应用等信息,自动筛选出该服务器上需要检查的系统、应用基线,进而制定出云主机安全加固模板,迅速实现云端安全基线的一致化。
此外,DS还携带了云主机EDR模块,这相当于在每一台云主机上安装了高清雷达,通过在每一台云主机内安装一个极其轻量的探针,记录着系统运行过程中发生的所有事件,并将所有记录的数据上传至服务端长期存储,可以根据主机之间的事件关系,还原出完整的攻击链,找到攻击方,严防命令外联、横向移动等“二次伤害”。
支持跨云策略一致性,容器安全有保障
目前,混合云的采用率正在大幅上升,越来越多的企业进入到私有云和公有云环境交织、私有云虚拟化平台复杂多样的“混合世界”中。用户不仅要面临几大公有云管理平台上的“移动目标”,内部私有云中也会存在VMware、Citrix 、华为、微软、KVM等虚拟化平台的管理“烟囱”,这让企业的安全策略几乎无法实现统一。
为此,亚信安全信舱DS提供了可以统一管控本地物理服务器、近端和云端虚拟化服务器的管理平台,全面支持各大云服务商混合云方案和容器等开源技术构建的混合云。尤其是在容器安全方面,可以对容器镜像进行持续的检测和分析,实现了容器环境的资源可视化管理、镜像风险管理、合规性检测和微服务API风险管理,最终保障容器在构建、部署、迁移和运行时都能满足提前制定的安全标准。
好文章,需要你的鼓励
一旦人工智能达到通用智能(AGI)或超级智能(ASI)水平,人类将无法逆转回传统AI。AGI与人类智力相当,ASI则超越人类智慧。由于人类会对此类AI产生依赖,且AGI/ASI具备自我保护能力,通过全球禁令、内置终止开关或控制措施都难以有效阻止。AI末日论者担心existential风险,而AI加速主义者认为将解决人类问题。唯一可能的逆转机会是AGI/ASI主动选择关闭自己以拯救人类。
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
开源加密初创公司ZamaSAS宣布完成5700万美元B轮融资,专注于为区块链和AI应用构建全同态加密技术以保护隐私。本轮融资由BlockchangeVentures和PanteraCapital共同领投,使公司总融资超过1.5亿美元,估值突破10亿美元。同时,Zama推出保密区块链协议公开测试网,允许开发者在以太坊上构建私密通信应用。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。