高危预警!新型Clop勒索病毒来袭 中招企业损失严重

近期,腾讯安全御见威胁情报中心监测发现,新型勒索病毒Clop在国内开始逐渐蔓延,某企业遭攻击造成大面积感染,致使企业数据被加密。截止目前针对该病毒暂无有效的解密工具。对此,腾讯安全提醒各政府企业单位网管,务必增强网络安全意识,建议Web服务器部署在腾讯云等具备专业安全防护能力的云服务产品。

与其他勒索病毒不同的是,Clop勒索病毒在部分情况下携带有效的数字签名,披上合法外衣,具有极强的隐蔽性。据了解,数字签名冒用常见于流氓软件以及窃密类木马程序中,类似攻击事件此前屡有发生。去年12月,腾讯安全御见威胁情报中心监测到“酷玩游戏盒子”等多款软件被植入Steam盗号木马,该病毒作者直接盗用合法公司签名,使其能够取得系统及杀毒软件的信任,非法控制用户电脑谋取私利。而勒索病毒携带有效签名的情况极为少见,不难理解,Clop病毒作者此举更容易获取到安全软件的信任,进而给企业造成无法逆转的损失。

据腾讯安全技术专家介绍,Clop勒索病毒第一时间会结束大量文件占用类进程,以保证加密文件过程中避免因文件占用造成加密失败,然后尝试以白名单过滤的方式加密本地磁盘和网络共享目录文件。值得一提的是,该病毒在加密时,还会通过判断文件大小来“定制化”地采取不同的加密方式,对每个文件生成文件加密密钥。加密文件完成后,Clop勒索病毒使用内置的RSA公钥加密文件密钥信息后追加到文件末尾,从而让加密后的文件暂时无法解密。

众所周知,勒索病毒对当前的网络安全环境造成严重威胁,源于勒索病毒加密手段复杂,解密成本高,因此日常防御就显得尤为重要。对此,腾讯安全反病毒实验室负责人、腾讯电脑管家安全专家马劲松提醒广大企业网管,尽量关闭不必要的文件共享和端口,对重要文件和数据进行定期非本地备份;采用高强度的密码,同时对没有互联需求的服务器/工作站内部访问设置相应控制;推荐全网安装御点终端安全管理系统,终端杀毒和修复漏洞统一管控,以及策略管控等全方位的安全管理功能,可帮助企业管理者全面了解、管理企业内网安全状况、保护企业安全。

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