你爱的圣诞礼物,网络钓客也爱,年底网络钓鱼最爱购物页面


对许多人来说,这些节日是购物和花钱的季节。但在网络犯罪分子眼里则有别的意思– 他们认为这是进行偷窃的黄金季节。


举上网购物作为例子。恶意网站常会弄得跟所模仿的网站完全一样,来试图诱骗网购者送钱给他们,而不是去一般的购物网站,并且通常会要求使用者输入个人资料。他们对于任何种类的登录信息都比较感兴趣– 比方说,趋势科技最近看到的一个网络钓鱼(Phishing)会窃取使用者的Apple ID。

我们从2008年开始就一直在追踪钓鱼网站数量,特别注意那些针对圣诞购物或带有节日色彩的钓鱼网站。有很多这样的例子,而且整年都有,而且它们也在年底开始上升,如同下图所示:


圣诞相关/节日色彩的钓鱼网站

这些网站在主要购物日达到颠峰,像是黑色星期五和网络星期一(注)。网络购物者倾向在这些日子里找寻大的折扣。

网络犯罪分子将目标放在网络购物时,用户会特别注意的东西,像是电子产品(平板电脑、智能手机和数位单眼相机)、玩具、电视游乐器和游戏、以及软件等。我们查看了购物网站上最畅销及最受期待的销售项目,将其和我们在钓鱼网站上所看到的做比较。我们发现了这些是最被针对的项目:

 

年底十大网络钓鱼最爱的购物项目:平板和智能手机

十大网络钓鱼针对的购物项目

垃圾邮件(SPAM)攻击活动也会利用这个季节。我们最近发现一起垃圾邮件攻击活动针对英国使用者。这次攻击活动是针对促销到加那利群岛的廉价机票– 这对英国人来说是个热门旅游景点。这旅游套票也利用了知名厂商的名字。

假日垃圾邮件样本

该电子邮件包含了一个声称有更多度假胜地的ZIP档案。打开压缩文件后会出现一个PDF档案,它实际上是一个恶意的可执行文件(我们将这档案侦测为TROJ_DLOAD.NOM)。它最终会导致一个ZBOT变种,可以从用户的计算机内偷取重要的个人资料。

压缩文件内的恶意档案

使用者可以按照下列提示来避免这些威胁:

不要利用搜索引擎来找好折扣。网络威胁诱饵都在搜寻结果里,而且它们往往都会利用黑帽搜索引擎优化来出现在第一页的顶部。应该要将受欢迎或知名的购物网站加入书签,到那些网站上进行搜寻。

如果价钱好得太不真实,那可能就是假的。半价促销和惊人折扣肯定是有的(特别是在这些节日期间),但如果是来自一个陌生的网站,或已经超出合理的状况,那它很有可能会导致网络威胁。

使用网络购物应用程序,而非使用移动浏览器。如果你是个重度网络购物者,并且通过移动设备来完成所有交易,查查看你常去的网站是否有提供应用程序,并且使用它。这让身为客户的你和网站之间可以进行更安全的交易,逃开遇上网络威胁的机会。

安装安全解决方案。安全解决方案可以轻易地移除你可能会遇到网络威胁所带来的危险,当你在网络购物时封锁恶意网站,甚至在你连上之前。它还会侦测并删除任何出现在你设备上的可疑档案或恶意软件。

今年黑色星期五相关诈骗网站

正如预期,网络犯罪份子已经开始在利用黑色星期五,这通常代表着假日购物季节的开始。就像我们之前所提到的万圣节威胁,我们发现了几个以黑色星期五为主题的垃圾邮件会导致问卷调查诈骗网站。这些诈骗伪装成调查问卷来从使用者身上窃取个人资料,它们会询问个人识别数据(PII),如电子邮件地址、联络人数据等。

了解趋势科技PC-cillin云安全软件,请点击链接:

http://www.trendmicro.com.cn/pccillin/index.html

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值