近日,由深圳市CIO协会举办的2022中国(深圳)工业互联网大会暨粤港澳大湾区CIO高峰论坛圆满落幕!峰会就利用先进技术赋能湾区建设展开讨论,涉及数字化转型方案、5G+工业互联网、信息安全等多个领域。亚信安全受邀参会,并针对网络威胁的演进趋势,同时结合XDR提升威胁检测与响应能力的成功实践,进行了全面解读。
勒索、挖矿病毒在全球肆虐,CIO最大的痛!
当前,由于具备运营高度“专业化”、攻击方式“简单”、虚拟货币收益“高”、制作成本“低”等一系列优势,勒索软件、挖矿病毒正在全球肆虐,不仅造成了用户资产或资源无法正常使用,同时还会造成数据泄露、损害名誉、触犯法规的后果。此外,APT治理的现状也不容乐观,极强的隐蔽能力、多元化的攻击渠道、产品信息孤岛等都让传统防御手段接近失效。
对此,亚信安全副总裁刘政平,在题为《从实战出发,扩展网络安全威胁的检测与响应能力》的演讲中表示 “不断升级的新型攻击方式和勒索方式,使得勒索软件和挖矿病毒展现出惊人的增长速度和破坏力,成为笼罩在企业心头的一团‘乌云’。网络安全本质是攻防对抗,且对抗的过程是动态的,因此防御技术也会随着形势的变化而不断地演进。抵御勒索软件等网络犯罪威胁,不仅要从数据源头防范勒索病毒入侵,更应通过创新技术手段和管理方法,跨越建设自适应安全架构的能力鸿沟,形成主动而有效的检测和响应能力。”
提升检测及响应能力 形成全场景威胁治理
为此,亚信安全提出了“以身份为基础、以攻防为视角、以联动为策略、以运维为关键、从实战出发”的攻防体系建设思路,并采用预先精密编排威胁响应预案,以及集成检测、分析、响应、阻断的联动能力,通过XDR解决方案为实战落地。

图:亚信安全XDR全景
亚信安全的XDR解决方案提供了工具化、场景化、服务化和平台化的能力。首先,通过覆盖终端、云端、网络、边界、身份、数据的高级威胁发现产品,将产生可疑威胁日志发送给安全运营事件管理中心;其次,将汇总结果发送给XDR平台确认威胁真实性、本质及意图,并利用EDR、NDR的AI智能分析技术,取证、验伤、评估;最后,通过联动机制自动化下发各个层面的防护产品,执行统一响应策略,最终形成针对挖矿病毒、勒索软件、钓鱼邮件等全场景的威胁治理覆盖。

图:勒索软件治理场景
针对勒索软件治理场景,XDR方案可防止处于DMZ,互联网区的核心业务服务遭到勒索类漏洞利用攻击,严防Web漏洞被利用后的内网横向攻击,并且为核心业务提供了勒索事件快速定位、寻根、攻击手法复盘等一系列功能,为快速恢复提供了极大帮助。

图:挖矿软件治理场景
挖矿软件治理场景下,以亚信安全XDR解决方案为基础,提供了挖矿失陷治理能力,通过针对黑产挖矿攻击链提供了全面覆盖“云管端关”的一体化防护技术,为贯彻落实虚拟货币“挖矿”整治工作提供了全面支撑。

图:钓鱼邮件治理场景
钓鱼邮件治理场景中,钓鱼邮件针对人类交互中的弱点,而不是应用程序或设备中的漏洞,并且网络钓鱼和社交工程通常是发起攻击的低风险、高回报途径,即使在高度监控的攻防演练、重保防护环境中,这些类型的攻击仍然是一种威胁,XDR能够起到联动在设备层面和网络行为方面,发挥威胁预警、识别与阻击工作。
加快XDR技术创新步伐 助力工业互联网安全可靠
在工业互联网体系中,工业互联网平台是一大核心要素,它就像一个巨大的“连接器”,连起了设备与应用、工厂与用户、技术与场景。然而,网络安全边界和风险也随着大幅扩散、放大,前所未知、前所未有的新威胁接踵而来。如何快速有效地精准定位与处置威胁攻击成为了安全运营的重点。
目前,借助开箱即用的产品集合、数据集中化、规范化以进行查询和分析、多个安全产品协同保护、增强的检测和响应能力等一系列价值,亚信安全的XDR方案得到了大多数行业头部用户的认可,并且在攻防对抗中广泛使用,运维效率提升的效果十分显著。下一步,亚信安全将通过技术产品、解决方案、应用场景、托管服务等多个维度的创新,联动更多的合作伙伴,为工业互联网的未来发展提供更加安全可靠护航能力。
好文章,需要你的鼓励
Mozilla旗下子公司MZLA正式发布开源企业AI客户端Thunderbolt,主打数据主权与隐私保护,直接挑战微软Copilot、ChatGPT Enterprise等主流商业AI平台。Thunderbolt支持连接MCP服务器及ACP兼容代理,并集成德国deepset的Haystack AI平台,可构建AI代理、多模态应用及RAG系统。该产品强调用户可自托管部署,掌控完整AI技术栈,避免数据流入第三方系统,目前已在GitHub开源发布。
这项由美国东北大学与麻省理工学院联合开展的研究提出了一种分析视觉-语言AI模型内部结构的新方法,称为"神经拓扑"。研究将AI每一个处理层表示为神经元之间的协作关系图,并通过图卷积网络提取结构特征,用于预测模型行为、分析视觉与语言信息的融合过程,以及识别对模型输出具有关键影响的枢纽神经元。实验在多个主流视觉-语言模型和多个基准数据集上验证了这一方法的有效性。
安全研究团队Ox发现,Anthropic的模型上下文协议(MCP)存在设计缺陷,波及约20万台服务器,可能导致系统被完全接管。研究人员多次要求Anthropic从协议层面修复根本问题,但Anthropic以"行为符合预期"为由拒绝修改架构。该漏洞已衍生出命令注入、防护绕过、零点击提示注入及MCP市场投毒等四类攻击方式,影响LangFlow、Flowise等多个主流项目,涉及下载量超1.5亿次的软件包。
这项由英属哥伦比亚大学、滑铁卢大学、Vector Institute等十余家机构联合发布的研究(arXiv:2604.08523)推出了ClawBench评测框架,在144个真实运营网站上测试AI完成153项日常网络任务的能力。通过轻量级请求拦截机制和五层行为记录系统,ClawBench在保证零真实副作用的同时,实现了对AI操作过程的完整可追溯评估。测试结果显示,即便最强的Claude Sonnet 4.6也仅完成33.3%的任务,远低于其在传统沙盒测试中的65-75%表现,揭示了现有AI能力与真实日常网络操作需求之间的巨大差距。