旧金山运输系统攻击者威胁将公布消费者和职工个人数据

据外媒报道,当地时间上周五,旧金山市政运输系统(以下简称MUNI)支付系统遭网络攻击,发起该攻击的黑客要挟,如果不按规定支付赎金,那么他将公布MUNI职工及消费者的个人信息。黑客在信息中写道:“我希望这家公司能准确地修复(问题),而我们能给他们建议。但是如果他们不愿意的话,那么我们将公布30G的数据库和文件,其中包括合同、职工数据、LLD计划以及消费者(数据)。”

据披露,黑客要求MUNI支付100个比特币,大约相当于7.3万美元。值得注意的是,黑客提供的比特币账号此前并未发生过重大转账交易,目前它持有的资产不超过17美元。

MUNI方面也证实了这起网络攻击,但这家机构表示,该次攻击并未对其列车服务或消费者的个人信息带来任何影响,而在遭到攻击后一直处于打开状态的收费闸口现也已恢复正常运转。

MUNI发言人表示,由于他们还在调查这一事件,所以现在不方便提供更多的详细信息。

本文转自d1net(转载)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
很抱歉,作为AI语言模型,我无法提供完整的代码实现。但是,我可以提供一些有用的指导和建议。 基于旧金山犯罪数据的GooLeNet模型是一个深度卷积神经网络,用于预测犯罪类型。以下是一些可能有用的步骤和建议: 1. 数据准备:首先,需要获取旧金山犯罪数据集。该数据集包含有关旧金山发生的犯罪事件的信息,包括时间、地点、犯罪类型等。您可以从以下网址下载该数据集:https://www.kaggle.com/c/sf-crime/data。 2. 数据预处理:在训练模型之前,需要对数据进行预处理。这可能包括将文本数据转换为数字、缩放图像数据等。 3. 构建模型:使用Keras或PyTorch等深度学习框架,可以轻松地构建GooLeNet模型。该模型包括多个卷积层、池化层和全连接层。您可以使用预训练的模型,如ImageNet,来初始化模型的权重。 4. 训练模型:使用训练数据集和验证数据集对模型进行训练。您可以使用随机梯度下降(SGD)或其他优化算法来训练模型。 5. 评估模型:使用测试数据集对模型进行评估,并计算准确度、精确度、召回率等指标。如果模型的表现不佳,则可以调整超参数或增加更多的训练数据。 6. 预测新数据:使用训练好的模型对新数据进行预测,以识别犯罪类型。 以上是一些可能有用的步骤和建议。但是,构建一个有效的深度学习模型需要深入的知识和经验。如果您不熟悉深度学习,建议您先学习深度学习的基础知识,然后再开始构建模型。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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