
一些公司和政府机构,会确保涉密电脑与外界彻底隔绝,连互联网都不接。但现在有人找到办法把数据传出来。
最近以色列本古里安大学的研究人员找到了这种利用噪音窃取数据的新方法, DiskFiltration。
它的工作原理是首先让这种隔离于互联网之外的电脑感染恶意软件,该软件可以通过控制硬盘上驱动器机械臂的运动产生特定的音频。
电脑里的机密数字信息通过这些特定的声音信号被传送到附近的像智能手机或电脑这样的接收器上。程序在接受到这些噪音信息之后,再将其转换成 0 和 1 的二进制信息。
利用这种方法,他们同样能窃取被严密安保系统保护的联网电脑。
目前这种技术的工作距离只有 6 英尺,传输速率为每分钟 180 比特,并且能够在 25 分钟内窃取 4096 位的密钥。
该大学网络安全实验室的负责人 Mordechai Guri 称尽管目前这种气隙隔离的计算机完全被隔绝在互联网之外,但它并不是毫无缺陷的。通过 DiskFiltration 他们可以将一台电脑上的机密数据传到附近的手机上。
目前类似的技术有很多,该实验室的研究人员去年就研究出过一种利用电脑散热及内置热传感器从这种电脑中获取数据的方法,BitWhisper。
不过这些技术也存在非常大的局限性,比如,如果给电脑换上了非机械结构固态硬盘,黑客就无法利用 DiskFiltration 恶意窃取数据了。
此外无论是利用噪声还是利用热传感器传输数据,首先都得让目标电脑感染恶意软件。
这对于一台完全隔离了互联网的电脑来说是非常困难的,但并不是没可能。此前就有报道称,有情报机构在五角大楼附近的餐厅洗手间刻意“落下”U 盘,期望有美军的工作人员在外出就餐时期,插进工作电脑。
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。