2024年巴黎奥运会:网络罪犯的游乐场?

币界网Xuất bản vào 2024-07-18Cập nhật gần nhất vào 2024-07-18

币界网报道:

随着2024年巴黎奥运会的临近,这座城市正在为追求卓越的运动而做准备。预计将有超过1500万游客,估计将带来37.5亿美元的经济增长,此次活动也为网络犯罪分子提供了一个千载难逢的机会。奥运会的规模和知名度使其成为吸引各种网络威胁的磁石,从网络钓鱼诈骗到复杂的人工智能驱动攻击。

网络安全专家警告称,游客的涌入和与奥运会相关的在线活动的增加将为欺诈和网络犯罪创造一个成熟的环境。法国政府、国际奥委会和BioCatch等网络安全公司都强调了这些风险。警告很明确:网络犯罪分子正准备利用奥运会的热门话题发动攻击,这些攻击可能会扰乱活动,窃取个人信息,并在欺诈交易中吸走数百万美元。

该报告提供了关于法国数字银行欺诈状况的几个关键见解。尽管欺诈损失总额有所下降,但数字银行欺诈去年大幅增长了9%,占所有大额欺诈事件的70%以上。这一增长凸显了社会工程攻击的日益复杂,例如虚假银行顾问骗局,这是2024年法国银行面临的最大挑战。此外,这些数据突显了一个严重的漏报问题,向法国警方报告的已知欺诈案件不到一半。随着94%的法国人口使用数字银行,该国面临着这些不断变化的网络威胁的风险和暴露。

为什么网络威胁激增?

世界经济论坛报告称,在巴黎奥运会之前,网络威胁已经达到了前所未有的水平。大规模的票务运营和经济活动的激增使该活动成为主要目标。过去的活动,如东京奥运会,估计发生了4.5亿次网络攻击。对于巴黎来说,专家预测,鉴于技术的进步和设备连接的增加,尝试的次数会更多。

网络钓鱼攻击,即骗子发送欺骗性电子邮件诱骗收件人泄露个人信息,预计将激增。这些攻击可能会冒充官方奥运通讯、赞助商和与奥运会相关的流行品牌。目标是窃取敏感数据或在受害者的设备上安装恶意软件。

谁是主要的威胁因素?

巴黎首席检察官还对有组织犯罪集团,特别是来自欧洲和南美洲的犯罪集团聚集在该市发出了警报。这些团伙专门从事街头盗窃,这可能会导致被盗设备欺诈的增加。被盗的智能手机和平板电脑可能被用于数字银行欺诈,为访问者增加了另一层风险。

人工智能如何影响网络犯罪?

网络罪犯使用人工智能是另一个日益增长的问题。人工智能可以自动化和增强传统的攻击方法,使其更高效、更难检测。相反,网络安全团队也在使用人工智能来加强防御,通常是以能够实时发现和应对威胁的人工智能平台的形式,旨在领先于网络犯罪分子一步。

正在实施哪些安全措施?

为应对这些威胁,2024年巴黎奥组委与主要科技公司和政府机构合作,加强网络安全措施。这些努力包括进行全面的安全审计,建立快速反应小组,并为参与奥运会的所有利益相关者实施严格的培训计划。

法国网络安全机构ANSSI在这些准备工作中发挥着至关重要的作用。总干事文森特·斯特鲁贝尔保证,已经进行了广泛的准备工作,以应对潜在的袭击。这包括雇佣道德黑客来测试与奥运会相关的各种网站和基础设施的安全性。

随着奥运会的临近,所有参与者都必须意识到潜在的风险,并采取积极措施保护个人信息和设备。数字世界为渎职行为提供了与庆祝活动一样多的机会,巴黎奥运会将证明网络安全专业人员和网络犯罪分子之间正在进行的斗争。

Nội dung Liên quan

Vừa qua, DeepSeek V4 cập nhật DSpark, tốc độ suy luận tăng 80%

Vừa qua, DeepSeek V4 đã được cập nhật với framework giải mã suy đoán mới là **DSpark**, giúp tăng tốc độ suy luận lên tới 80%. Cốt lõi của bản cập nhật này là framework **DSpark**, một kỹ thuật giải mã suy đoán được triển khai trên DeepSeek-V4-Pro hiện có để tăng tốc độ suy luận, chứ không phải là nâng cấp kiến trúc mô hình. DSpark giải quyết các điểm nghẽn về độ trễ và thông lượng trong môi trường sản xuất, đặc biệt ở các tình huống có tải cao. DSpark kết hợp hai cải tiến chính: 1. **Kiến trúc sinh bán tự hồi quy (Semi-Autoregressive Generation)**: Giữ lợi thế về thông lượng cao của mô hình phác thảo song song, đồng thời thêm mô-đun nối tiếp nhẹ để mô hình hóa mối quan hệ phụ thuộc giữa các token, giúp giảm thiểu tỷ lệ chấp nhận suy giảm. 2. **Xác minh theo lịch trình độ tin cậy, nhận biết phần cứng (Confidence-Scheduled Verification)**: Một "đầu độ tin cậy" (Confidence Head) được sử dụng để đánh giá xác suất tồn tại của mỗi token phác thảo. Hệ thống điều phối sẽ xác định độ dài xác minh tối ưu một cách linh hoạt dựa trên đặc điểm tải và phần cứng, chỉ phân bổ tài nguyên tính toán cho những token có khả năng được chấp nhận cao nhất. Trong các thử nghiệm trên nhiều lĩnh vực như suy luận toán học, tạo mã và hội thoại, DSpark vượt trội so với các phương pháp tiên tiến hiện tại như Eagle3 và DFlash. So với cơ sở sinh token đơn trước đó (MTP-1), DSpark đã **tăng tốc độ phản hồi cho người dùng từ 57% đến 85%** (tuỳ thuộc vào việc sử dụng mô hình Flash hay Pro) trong khi vẫn duy trì cùng tổng thông lượng. Cùng với DSpark, DeepSeek cũng công khai mã nguồn **DeepSpec**, một bộ công cụ toàn diện để đào tạo và đánh giá các mô hình phác thảo cho giải mã suy đoán. DeepSpec cung cấp một đường ống công việc tiêu chuẩn bao gồm chuẩn bị dữ liệu, đào tạo và đánh giá, hỗ trợ nhiều thuật toán (DSpark, DFlash, Eagle3) và mô hình mục tiêu (hiện tại là Qwen3 và Gemma).

marsbit5 giờ trước

Vừa qua, DeepSeek V4 cập nhật DSpark, tốc độ suy luận tăng 80%

marsbit5 giờ trước

Cách mà thần đồng Karpathy sử dụng Claude, hóa ra là như thế này?

Andrej Karpathy, một chuyên gia hàng đầu trong lĩnh vực AI, được cho là đã sử dụng một tệp CLAUDE.md cá nhân để hướng dẫn Claude - công cụ AI lập trình từ Anthropic - hoạt động hiệu quả hơn. Dù tính xác thực của tệp này chưa được kiểm chứng, nhưng nội dung của nó phản ánh chính xác những nguyên tắc Karpathy thường chia sẻ. Tài liệu này đưa ra các quy tắc then chốt để tránh những lỗi phổ biến khi AI viết code. Trọng tâm bao gồm: **Đọc kỹ code hiện có** trước khi viết mới để đảm bảo tính nhất quán; **Suy nghĩ thấu đáo** về yêu cầu và các phương án triển khai trước khi bắt tay vào code; **Giữ mọi thứ đơn giản nhất có thể**, tránh thiết kế thừa và chỉ xử lý những vấn đề thực sự tồn tại; **Sửa đổi một cách "phẫu thuật"**, chỉ thay đổi phần cần thiết và tuân thủ phong cách code sẵn có của dự án. Các hướng dẫn khác bao gồm việc luôn **xác minh code** bằng kiểm thử, làm việc **theo mục tiêu rõ ràng**, **gỡ lỗi có phương pháp**, thận trọng khi thêm **phụ thuộc mới**, và **giao tiếp hiệu quả** về những thay đổi. Tài liệu cũng chỉ ra các "mẫu thất bại" thường gặp như làm quá nhiều việc cùng lúc, tạo ra sự trừu tượng hóa không cần thiết, hoặc lạc quyết định ban đầu. Về cơ bản, những nguyên tắc này nhằm biến Claude từ một thực thể tạo code chung chung thành một trợ lý lập trình thực sự hiểu ngữ cảnh, tuân thủ dự án và giảm thiểu nhu cầu viết lại code. Dù tệp gốc có phải của Karpathy hay không, các nguyên tắc này được cộng đồng đánh giá cao và đã có dự án trên GitHub tổng hợp chúng, được cho là giúp giảm tỷ lệ lỗi code do AI tạo ra một cách đáng kể.

marsbit7 giờ trước

Cách mà thần đồng Karpathy sử dụng Claude, hóa ra là như thế này?

marsbit7 giờ trước

Giao dịch

Giao ngay
活动图片