线上聊天也不安全,当心数据窃取工具!

作者:Cris Pantanilla,趋势科技威胁反应工程师

趋势科技最近看到一篇报告,介绍了一个黑客团体检测到能够监控Skype使用状况,并将拨打的语音通讯内容录音的后门程序。除了这些操作外,还有一个原因让它受到媒体的关注,这个后门程序有可能正在被德国的执法单位使用。

这个恶意软件被确定为BKDR_R2D2.A,因为它的恶意程序代码中含有字符串“R2D2”:



根据趋势科技的分析,这个恶意程序有以下行为:

   窃听Skype、Yahoo! Messenger、MSN Messenge和SipGate X – lite的聊天对话。

   侧录Skype拨打出去的语音通话。

   监视SeaMonkey、Navigator、Opera、Internet Explorer和Mozilla Firefox浏览网页的活动。

   对感染系统进行截图。

下面列表显示它会监控并注入自己的程序。




这个后门程序还可以接收远端网站下达的命令,也可以通过安装组件获取系统信息、下载上传和执行程序,而且还可以卸载自己。它也可以和远端IP地址通讯,以接收远端控制者的指令。因此网络罪犯可以完全控制用户的系统。

恶意程序代码中无法看出该程序与任何政府单位有关连。不过我们所看到的报告指出,巴伐利亚内政部长JoachimHerrmann(CSU)已经确认该恶意软件是由巴伐利亚警方所制造的。

不管是谁做的,R2D2都是一个数据窃取工具,我们认为最重要的是,用户必须要能保护自己的隐私。特别是当该消息公布后,非常有可能发生的情况是,这个工具被网路犯罪分子利用,拿来做更可怕的事情。趋势科技将R2D2确定为RTKT_R2D2.A,组件文件确定为BKDR_R2D2.A

 

@原文出处: BackdoorSnoops on Skype, MSN, and Yahoo! Messenger

本文版权为趋势科技所有,对于非赢利网站或媒体转载请注明作者以及原文链接。谢谢合作!

爱趋势社区--下载/论坛/分享  http://www.iqushi.com

官方微博拿礼品/分享最新IT资讯  http://t.sina.com.cn/trendcloud

趋势科技CEO:陈怡桦EvaChen的微博  http://weibo.com/evatrendmicro



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。
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