首页 文章 精选 留言 我的

精选列表

搜索[访问量激增]，共3742篇文章
优秀的个人博客,低调大师

2016大数据市场规模激增 互联网企业强势凸显

作为“‘十三五’十四大战略”之一的“国家大数据战略”，行业应用得到快速推广，市场规模增速明显，大数据产业无疑是前景极为光明的产业。 一、政策驱动，市场规模增速明显 2016年大数据上升为我国国家战略，“十三五”规划纲要全文第二十七章明确提出“实施国家大数据战略”，彰显了国家对于大数据战略的重视。 三胜咨询研究员陈盛华表示，我国大数据仍处于起步发展阶段，各地发展大数据积极性较高，行业应用得到快速推广，市场规模增速明显。中国产业信息研究网发布的《2017-2022年中国大数据行业市场深度分析与投资前景预测研究报告》数据显示，2015年，中国大数据市场规模为104.65亿元，增速达53.10%。2016年中国大数据市场规模为132.47亿元，预计2017将达到167.24亿元。 2014-2017年大数据市场规模情况 二、互联网企业纷纷涌入，行业不足开始显现 百度、阿里巴巴、腾讯、京东等互联网企业抓紧布局大数据领域，纷纷推出大数据产品和服务，抢占数据资源。传统IT企业开始尝试涉足大数据领域，其产品和服务多是基于原有业务开展，未能撼动互联网公司的领先地位。初创企业受限于数据资源和商业模式，还要面对互联网企业的并购行为，竞争实力尚显不足。 随着大数据产业的快速发展，大数据产业的各种不足之处开始显现，企业无法及时、准确地位业务提供正确的信息，企业数据架构无法适应数据量和复杂性增长的需求，数据过于复杂，数据无效等问题突出。 大数据挑战分析 本文转自d1net（转载）
2017-07-11
优秀的个人博客,低调大师

2020 年 10 月头号恶意软件：Trickbot 和 Emotet 木马导致勒索软件攻击激增

2020 年 11 月，网络安全解决方案提供商 Check Point® 软件技术有限公司(纳斯达克股票代码：CHKP)的威胁情报部门 Check Point Research 发布了 2020 年 10 月最新版《全球威胁指数》报告。研究人员报告称，Trickbot 和 Emotet 木马在 10 月份仍然是最猖獗的两大恶意软件，是全球各地医院和医疗服务提供商勒索软件攻击急剧增加的罪魁祸首。 近日，FBI 及其他美国政府机构发布了一份针对医疗行业的勒索软件攻击的警告，指出全球估计有超过 100 万个 Trickbot 木马被下载并用于传播 Ryuk 等文件加密的勒索软件。Ryuk 还可通过 Emotet 木马传播，该木马已经连续四个月在“主要恶意软件指数”榜单中排名第一。 Check Point 威胁情报数据显示，在 10 月份，医疗行业是美国地区勒索软件攻击的最大目标，攻击数量比 2020 年 9 月增加了 71%。欧非中东和亚太地区也是如此，医疗组织和医院遭到的勒索软件攻击分别增长了 36% 和 33%。 Check Point 产品威胁情报与研究总监 Maya Horowitz 表示：“自新冠疫情爆发以来，勒索软件攻击不断增加，试图利用远程办公方式带来的安全漏洞谋取利益。近三个月来勒索软件攻击暴增，医疗行业受灾尤其严重，这都是之前就存在的 TrickBot 和 Emotet 木马在作祟。我们强烈呼吁各地医疗机构加强警惕，及时进行木马扫描，以免它们引发勒索软件攻击，造成不可挽回的损失。” 研究团队还警告称，“MVPower DVR 远程代码执行”是最常被利用的漏洞，影响了全球 43% 的组织，其次是“Dasan GPON 路由器身份验证绕过”和“HTTP 标头远程代码执行 (CVE-2020-13756)”，两者均影响了全球 42% 的组织。 头号恶意软件家族 Emotet 仍然是本月最活跃的恶意软件，影响了全球 12% 的组织，其次是 Trickbot 和 Hiddad，两者均影响了全球 4% 的组织。 1.Emotet — Emotet 是一种能够自我传播的高级模块化木马，曾被用作银行木马，最近成为传播其他恶意软件或恶意攻击的恶意程序。它使用多种方法和规避技术来确保持久性和逃避检测。此外，它还可以通过包含恶意附件或链接的网络钓鱼垃圾邮件进行传播。 2.Trickbot — Trickbot 是一种使用广泛的银行木马，它会持续进行更新，不断添加新功能、特性和传播向量。这让它成为一种灵活的可自定义的恶意软件，广泛用于多目的攻击活动。 3.Hiddad — Hiddad 是一种 Android 恶意软件，能够对合法应用进行重新打包，然后将其发布到第三方商店。其主要功能是展示广告，但它也可以访问操作系统内置的关键安全细节。 最常被利用的漏洞 “MVPower DVR 远程代码执行”是本月最常被利用的漏洞，影响了全球 43% 的组织，其次是“Dasan GPON 路由器身份验证绕过”和“HTTP 标头远程代码执行 (CVE-2020-13756)”，两者均影响了全球 42% 的组织。 1.MVPower DVR 远程代码执行 — 一种存在于 MVPower DVR 设备中的远程代码执行漏洞。远程攻击者可利用此漏洞，通过精心设计的请求在受感染的路由器中执行任意代码。 2.Dasan GPON 路由器身份验证绕过 (CVE-2018-10561) — 一种存在于 Dasan GPON 路由器中的身份验证绕过漏洞。远程攻击者可利用此漏洞获取敏感信息，并在不经授权的情况下访问受感染系统。 3.↑HTTP 标头远程代码执行 (CVE-2020-13756) — HTTP 标头允许客户端和服务器传递带 HTTP 请求的其他信息。远程攻击者可能会使用存在漏洞的 HTTP 标头在受感染机器上运行任意代码。 主要移动恶意软件 Hiddad 是本月最猖獗的移动恶意软件，其次是 xHelper 和 Lotoor。 1.Hiddad - Hiddad 是一种 Android 恶意软件，能够对合法应用进行重新打包，然后将其发布到第三方商店。其主要功能是显示广告，但它也可以访问操作系统内置的关键安全细节。 2.xHelper — xHelper 是自 2019 年 3 月以来开始活跃的恶意应用，用于下载其他恶意应用和显示恶意广告。该应用能够对用户隐身，并在卸载后进行自我重新安装。 3.Lotoor — Lotoor 是一种黑客工具，能够利用 Android 操作系统漏洞在入侵的移动设备上获得根权限。 Check Point《全球威胁影响指数》及其《ThreatCloud 路线图》基于 Check Point ThreatCloud 情报数据撰写而成，ThreatCloud 是打击网络犯罪的最大协作网络，可通过全球威胁传感器网络提供威胁数据和攻击趋势。ThreatCloud 数据库每天检查超过 25 亿个网站和 5 亿份文件，每天识别超过 2.5 亿起恶意软件攻击活动。
2020-11-25
优秀的个人博客,低调大师

推理 AI 模型基准测试成本激增：评估一个或需近 3000 美元

第三方 AI 测试机构 Artificial Analysis 数据显示，在七种流行的 AI 基准测试中评估 OpenAI 的 o1 推理模型需要花费 2,767.05 美元：MMLU-Pro、GPQA Diamond、Humanity's Last Exam、LiveCodeBench、SciCode、AIME 2024 和 MATH-500。 在同一组测试中对 Anthropic 最新的 Claude 3.7 Sonnet进行基准测试的成本为 1,485.35 美元，而测试 OpenAI 的o3-mini-high 的成本为 344.59 美元。 有些推理模型的基准测试成本比其他模型更低。例如，Artificial Analysis 评估 OpenAI 的 o1-mini 花费了 141.22 美元。但平均而言，这些模型的基准测试成本往往不菲。Artificial Analysis 总计花费约 5,200 美元评估了大约十几个推理模型，几乎是该公司分析 80 多个非推理模型（2,400 美元）花费的两倍。 OpenAI 的非推理 GPT-4o 模型评估成本仅为 108.85 美元，而 Claude 3.6 Sonnet（Claude 3.7 Sonnet 的非推理前身）的评估成本仅为 81.41 美元。 为什么推理模型的测试成本如此之高？主要是因为它们会生成大量的 token。根据 Artificial Analysis 的数据，OpenAI 的 o1 在基准测试中生成了超过 4400 万个 token，约为 GPT-4o 的八倍。 事实上，，目前绝大多数 AI 企业都通过 token 来收取模型使用费，因此用户可以明确看到这个成本是如何累积起来的。开发了自己的模型基准的 Epoch AI 高级研究员 Jean-Stanislas Denain 表示，现代基准也倾向于从模型中引出大量 token，因为它们包含涉及复杂、多步骤任务的问题。 Denain 告诉 TechCrunch：“尽管如今每个基准测试的问题数量总体上有所减少，但基准测试却更加复杂。它们通常试图评估模型执行现实世界任务的能力，例如编写和执行代码、浏览互联网以及使用计算机。” 他补充说，随着时间的推移，最昂贵的模型的单位 token 成本也越来越高。例如，Anthropic 的Claude 3 Opus在 2024 年 5 月发布时是最昂贵的模型，每百万个输出 token 的成本为 75 美元。OpenAI 的GPT-4.5和o1-pro均于今年早些时候推出，每百万个输出 token 的成本分别为 150 美元和 600 美元。 “由于模型随着时间的推移不断改进，达到特定性能水平的成本也随之大大降低，这是事实。但如果你想在任何时候评估最佳的最大模型，你仍然需要支付更多费用。” 包括 OpenAI 在内的许多 AI 实验室都允许基准测试机构免费或以补贴的方式访问其模型进行测试。但一些专家担忧这可能损害评估的客观性，即使没有证据表明存在操纵行为，仅仅是暗示 AI 实验室参与其中，就有可能损害评估评分的公正性。 AI 初创公司 General Reasoning 的首席执行官 Ross Taylor 质疑道，“从科学的角度来看，如果你发表了一个没人能用相同模型复制的结果，那它还能算是科学吗？”
2025-04-11
优秀的个人博客,低调大师

MongoDB公司股价激增并超过320亿美元成为当前最具价值开源软件公司

要点： 随着MongoDB公司股价的飙升，其市值几乎与IBM公司在2019年收购Red Hat公司时支付的金额相当。 本周早些时候，Databricks公司以380亿美元的估值筹集新一轮私人融资，这将使其成为有史以来最具价值的开源公司。 越来越多的企业通过将开源项目转变为流行且利润丰厚的企业软件产品而获利。 当IBM公司在2018年底决定以340亿美元的价格收购Red Hat公司时，这笔交易成为开源软件行业发展的分水岭，证明开源公司可以将免费工具打包成高价值的产品。而这个收购价格可能很快就会变成历史。 在开源数据库开发商MongoDB公司超出分析师的盈利预期并给出了乐观预测之后，MongoDB公司的股价在9月3日暴涨了约25%。MongoDB公司成立于2007年，比Red Hat公司晚了将近15年，其市值已超过320亿美元，使其成为有史以来可能最有价值的开源公司。 在上周早些时候，成立仅8年的Databricks公司表示，该公司在由摩根士丹利的Counterpoint Global公司牵头的一轮私人融资中以380亿美元的估值筹集了16亿美元。Databricks公司旨在将开源数据处理平台Apache Spark实现商业化，帮助企业存储大量数据。 开源软件具有可供开发人员使用的底层代码，并且在某些情况下，可以在很少或没有限制的情况下进行修改。开源软件通常是免费提供的，但用户可以通过提供定制、咨询和支持等附加服务，或将不同的开源工具打包到专有产品套件中来围绕它开展业务。 随着客户投资将其数据和应用程序从传统数据中心转移到云平台上，MongoDB公司和Databricks公司等开发出了市场领先的开源产品，这些产品在主要云供应商亚马逊、微软和谷歌之间迅速得到应用。 MongoDB公司表示，其第二季度收入增长了44%，达到1.99亿美元，而其Atlas云数据库的收入增长了83%，现在占到总收入的一半以上。 MongoDB公司首席执行官Dev Ittycheria日前在接受媒体采访时说，“我们从客户那里听到的是，他们需要快速行动，因为感受到了很大的压力，无论是试图颠覆其业务的企业还是试图赶超大型企业的公司。”他表示，MongoDB公司现在拥​​有29000家客户，其中包括丰田、AT&T、摩根士丹利和Verizon等大公司，以及UiPath和DataRobot等行业领先的初创企业。 Ittycheria表示，预计MongoDB公司2021财年的收入将在8.05亿美元至8.11亿美元之间，高于此前预测的7.84亿美元。与上一年相比将增长37%。 MongoDB公司在2017年首次公开募股时的价值只有为12亿美元，而现在成为唯一一家市值超过300亿美元的开源上市公司。 该领域的许多其他公司正在为投资者带来丰厚回报：Confluent公司是一家于2014年从LinkedIn公司分拆出来的数据分析提供商，自从在6月首次公开募股以来上涨了64%，其市值超过150亿美元。Elastic公司将企业搜索的开源工具商业化，其估值约为150亿美元，自从2018年上市以来几乎翻了五倍。 但也有例外。自从去年首次公开募股以来，提供软件开发平台的JFrog公司股价已下跌13%。专注于Apache Hadoop数据分析框架的Cloudera公司在6月同意以53亿美元的价格出售给私募股权公司。Cloudera公司于2019年与其竞争对手Hortonworks公司合并，因为两家公司的业务都在努力向云计算迁移。 相比之下，Databricks公司是为云计算时代而构建的，截至上周，该公司成为全球最有价值的风险投资支持的企业软件公司。 凭借每年超过6亿美元的经常性收入，Databricks公司将利用这笔资金投资其名为Data Lakehouse的开源项目，该项目可帮助用户获取并清理位于各种存储库中的混乱数据。 Databricks公司首席执行官Ali Ghodsi表示，在新冠疫情蔓延期间，很多企业认为需要将所有数据源汇集在一起​​，并将人工智能应用于分析。 Ghodsi说，“在疫情之后发生了很多事情，我认为数据和人工智能、云计算、开源技术似乎对不同企业的领导者来说更重要。这些是长期发展趋势，将会持续很长时间。” 他还表示，Databricks公司最终将加入上市公司的行列，但目前有大量资金可用。在今年2月，Databricks公司表示以280亿美元的估值筹集了10亿美元。 Ghodsi说，“我们在每一次筹款中都在重塑资产负债表，并引入大型基金，这些都是我们想在未来十年建立关系的大型投资者。” 【编辑推荐】 鸿蒙官方战略合作共建——HarmonyOS技术社区 照抄不翻车：抗住千万流量的大型分布式系统架构设计 2021年五大开源式游戏化工具 数字化转型的七大热门趋势和三大渐冷趋势 Windows 11新预览版22449推送：启动引导动画变样了 什么情况？游戏玩家大规模退回Windows 7系统：Windows 10暴跌 【责任编辑：姜华 TEL：（010）68476606】
2021-09-07
优秀的个人博客,低调大师

月之暗面 Kimi 海外收入首次超越国内，K2.5 推动全球用户激增

根据智能涌现的独家报道，Kimi 在发布新模型 K2.5 后，海外市场表现出现显著跃升，公司的海外收入已超过国内收入，全球付费用户数在模型更新后的短短几天内实现 4 倍增长。与此同时，K2.5 在 Openrouter 上的热度快速攀升，排名已升至第三位，仅次于 Claude Sonnet 4.5 和 Gemini 3 Flash。 Kimi 的商业化进程始于去年 10 月。根据公司在 2025 年末的内部信披露，自 2025 年 11 月以来，海外 API 收入增长 4 倍，海内外付费用户月度环比增速均超过 170%。 K2.5 是 Kimi 迄今最智能的模型，采用原生多模态架构，覆盖视觉理解、代码生成、Agent 集群、思考与非思考模式等能力。在 HLE、BrowseComp、SWE‑Bench Verified 等基准测试中，K2.5 达到开源 SOTA，部分指标超过 GPT‑5.2、Claude Opus 4.5 等闭源模型。 在模型路线方面，Kimi 正逐渐靠近“Anthropic + Manus”的组合路径： 一方面，通过开源模型权重与工具链，强化技术影响力； 另一方面，在产品端明确定位为生产力工具，并持续强化 Agent 能力。 K2.5 能调度多达 100 个 Agent，并行处理约 1500 个步骤，在大规模信息收集等场景中效率提升 3 至 10 倍。Kimi 创始人杨植麟在 1 月 29 日的 Reddit AMA 中表示，高质量数据增长速度已赶不上算力增长，传统「预测下一个 token」的扩展方式边际效应下降。 因此，团队选择通过 Agent Swarm 的方式扩展模型能力，将并行代理数量视为新的扩展维度。在产品层面，Kimi 继续强化 C 端生产力定位，并将此前内测的 OK Computer 更名为 Kimi Agent，强调统一品牌与通用能力。 团队在复杂场景的可编辑性上投入较多，例如生成 PPT 后自动拆分元素编辑、从录屏中识别 UI 逻辑并生成前端代码、自动完成 Word 批注、Excel 建模、PPT 生成、PDF 翻译编辑等任务。 Kimi 总裁张予彤曾在去年 12 月表示，公司会刻意控制业务边界，专注大模型层、逻辑层、Agent 层，以及研究、PPT、数据分析、网站开发等偏复杂的生产力链路。 随着行业普遍押注 Coding、Office 等刚需场景，Kimi 也在争取在基础模型保持第一梯队的同时，打造具有独特用户心智的 C 端产品。
2026-02-02
优秀的个人博客,低调大师

OpenAI 预测 2029 年收入激增至 1250 亿美元，2030 年达 30 亿月活用户

OpenAI 近期发布了一项关于未来收入的预测，预计到2029年，其总收入将达到1250亿美元。其中，AI 代理业务和渠道收入将成为主要驱动力。根据预测，AI 代理业务将占总收入的近四分之一，预计收入将达到290亿美元，而渠道收入则预计达到250亿美元。 随着 ChatGPT 的成功，OpenAI 的收入在2023年达到了37亿美元，较前一年增长近四倍。当前，该公司的周活跃用户已超过5亿，相比去年底的3亿，显著增长。值得注意的是，OpenAI 预计到2029年，其 AI 代理的销售额将超越 ChatGPT 的收入，这表明 AI 代理市场的快速扩张。 OpenAI 的 AI 代理产品价格不一，面向高收入知识工作者的每月订阅费用为2000美元，而针对博士级研究的产品则可高达每月20000美元。这使得 OpenAI 的销售额与行业巨头英伟达和 Meta 相媲美。 除了 AI 代理，OpenAI 还在探索多元化的收入来源。虽然 CEO Sam Altman 对传统广告持谨慎态度，但他提到可能会通过用户在 ChatGPT 或 AI 代理上发起的销售收取推广费。此外，OpenAI 预计到2029年，通过免费用户和其他产品的收入将达到250亿美元，约占总收入的五分之一。 在控制成本方面，OpenAI 预计未来四年将消耗约460亿美元的现金用于模型训练和运营成本。然而，预计到2029年，公司将实现现金流转正，并在该年度产生近120亿美元的现金。推理成本的增长将在未来五年逐渐放缓，这将有助于提升公司的利润率，毛利润比例预计将从去年的40% 提升至接近70%。 OpenAI 预计用户数量将大幅增长，到2030年将达到30亿月活用户、20亿周活用户和9亿日活用户。这些预测使得软银等投资者愿意以2600亿美元的估值向 OpenAI 注入400亿美元的新资本。
2025-04-24
优秀的个人博客,低调大师

磁盘面临一波冲击：在供应量激增之后，闪存价格将遭遇持续崩溃

【大咖・来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》 Objective Analysis公司的Jim Handy在上周召开的闪存存储峰会上发言称，我们目前确实处于闪存供过于求的局面。在他看来，未来闪存产品可能出现价格整体下降甚至是崩溃，具体价格水平将趋近于64层3D NAND的生产成本——换言之，到2019年闪存将达到每GB 0.08美元的价格水平。Handy将其称为半导体产品有史以来规模***的一次价格波动。 Wells Fargo公司高级分析师Aaron Rakers利用IDC与DRAMeXchange提供的数据，估算出目前NAND闪存的总体价格约为每GB 0.30美元。Rakers还指出，Objective Analysis方面预测NAND闪存容量将迎来年均45%的增幅。 目前闪存生产线出产的闪存芯片约有70%属于3D NAND，其余是较为陈旧的2D或者说平面NAND。Handy认为这部分过剩的制造能力可转移为制造DRAM，他同时警告称这亦可能在未来引发DRAM存储容量发生过度供应。 Deep StorageNet公司***科学家Howard Marks也在此次峰会上表示，企业级固态驱动器与传统磁盘驱动器间的价格差一旦低于5倍，即有可能引发磁盘客户全面转向固态驱动器内同类产品。 Rakers指出，与关键任务磁盘驱动器相比，企业级SSD的价格目前高出约3到4倍。与此同时，相较于近线/高端企业磁盘驱动器，企业级固态驱动器的价格约为每GB 15到17美元。 最近发布的英特尔与美光QLC（四级单元）SSD也希望从近线磁盘驱动器市场当中分得一部分读取密集型应用的份额。 如果Handy对闪存芯片价格走向的分析准确无误，那么SSD定价也将随之下降。他表示，他认为NAND价格将下跌至目前水平的25%左右。而如果固态驱动器价格稳定下降，那么未来此类产品的使用成本也有望同步降低75%。 根据Rakers公布的数据，这意味着企业级固态驱动器的价格目前约为每GB 0.30美元到0.80美元，具体视品牌而定。相比之下，近线/高端磁盘驱动器的价格则为每GB 0.02美元。假设这些SSD降价75%，即达到每GB 0.08美元，那么其每GB价格将仅为磁盘驱动器单位存储价格的四倍——低于Marks提出的五倍拐点理论。 另外，从逻辑的角度来讲，至少在读取密集型工作负载领域，利用固态驱动器取代近线/高端磁盘驱动器也将是一种必然的选择。 Handy提出的价格修正过程可能需要持续数个季度，我们认为在此期间及之后，近线/高端磁盘驱动器的销售额很可能出现相当严重的萎缩。 巧合的是，高盛公司分析师Mark Delaney曾经表示，希捷公司的股价将由51.42美元（截至发稿之时）下跌至约44美元，并决定将该股票的评级由“中等”下调为“卖出”。 他认为该股票的最终目标价格将为44美元，因为“磁盘驱动器仍然属于一个周期性行业，且面临着SSD固态驱动器市场中各子市场带来的长期挑战……NAND供应过剩正在导致固态驱动器价格下降（在某些情况下，其价格将以峰值为基础下降 30%甚至40%）。” 希捷公司的大部分收入由磁盘驱动器产品所贡献，且旗下的近线/高端驱动器正越来越多。相比之下，老牌竞争对手西部数据的营收则有一半以上来自闪存，这意味着其因磁盘价格下滑而受到的影响要小得多。 然而，与希捷相比，西部数据也有着自己的难题——易受NAND芯片价格崩溃的影响。那么，希捷与西部数据接下来的命运将如何？根据您所身处的技术或金融领域具体位置，对此可能抱有不同的结论，受到的实际影响也将有所区别。我们将在后续报道当中，持续跟进相关动态。
2018-08-31
优秀的个人博客,低调大师

勒索软件攻击激增，企业如何守住业务连续性？从运维视角看主动防御体系建设

上云之后，边界防护大部分交给了云平台的安全组和网络 ACL，但勒索真正难防的部分在内部——VPC 之间的横向移动、实例被攻陷后的数据外传、备份被删除。这些恰恰是安全组管不到、需要运维自己补可见性的地方。这篇按云场景拆勒索防御的落地要点。 **核心要点** - 云上攻击面在东西向：VPC 互访与实例间调用是横向移动的主战场。 - 三条数据源：主机指标、流日志、备份与变更事件，缺一不可。 - 前置信号要组合：CPU 加磁盘写、出向加时段、连接突增加端口分散。 - 云 API 让自动化更快，但高风险动作必须分级和审批。 ## 一、云上勒索的攻击面在哪 云上资产暴露面大、弹性强，攻击者的路径和本地数据中心不太一样：常见入口是暴露在公网的管理端口、弱口令的跳板机、被投毒的镜像或依赖。进来之后，攻击者往往先摸清 VPC 结构、找高权限的实例和密钥，再横向扩散、打包数据、破坏备份。安全组能挡住南北向的非法访问，但对"已经拿到合法凭据"的攻击者几乎无效——他会用合法通道做非法的事。 ## 二、云上能观测什么：三条数据源 第一条是主机与实例指标：CPU、内存、磁盘 IO、网络进出、连接数。成本最低、覆盖最全，加密和批量读写在这里最明显。第二条是流日志：能拿到实例间会话的五元组与字节数，是判断横向移动和外传的主力。第三条是备份与变更事件：备份任务状态、快照操作、配置变更，用来发现"恢复链路被动过"。三条互补，缺一条就会有一个阶段失明。 ## 三、东西向：VPC 互访才是主战场 本地数据中心通常是出口最拥堵，云上往往相反——服务间调用、跨可用区复制、跨 VPC 访问这些东西向流量才是大头，而它们不经过互联网出口，传统出口监控完全看不见。落地要点：把 VPC 间互访、跨可用区复制、专线互访三类链路分开建基线；验收标准是能回答"哪个实例在频繁访问哪个实例、新建连接数有没有突增"。横向移动只有东西向可见性建立后才谈得上发现。 ## 四、前置信号在云上的对应指标 加密阶段看实例的 CPU 与磁盘写入是否同步陡增；外传阶段看出向流量是否在非工作时段持续、是否指向单一外部地址；横向移动看实例间新建连接是否突增、目标端口是否高度分散；破坏恢复看备份任务是否连续失败、快照是否被删。单看一个都可能是正常业务，组合起来才定向。基线要感知弹性：扩缩容与定时任务是计划内变化，接白名单，不进基线不告警。 ## 五、自动化：云 API 的边界 云上自动化比本地更容易落地：检测到异常后可以通过云 API 打标、限速、隔离安全组、快照取证、触发工单。但便利也意味着风险：一条错误的自动化规则可能批量隔离生产实例。稳妥做法是分级——低风险动作全自动，隔离与阻断类动作先建议、人工确认后再通过 API 执行，全部留痕可回滚。自动化的目标是压缩发现到干预的时间，不是把判断也交出去。 ## 六、备份与恢复：云上更容易，也更容易被忽视 云上做备份很方便，反而容易"以为做了就安全"。三个要点：一是监控备份本身——备份任务成功率、快照完整性、备份策略是否被改；二是防"备份被删"——攻击者进内网常先动恢复链路，备份账号权限要最小化、快照要异地或不可变存储；三是定期演练恢复并计时，验证恢复时间目标能否兑现。备份只解决有没有副本，灾备解决能不能按时恢复，两件事别混。 ## 七、合规与留存 网络日志留存不少于六个月是硬要求。云上做这件事有成本优势：对象存储的冷数据很便宜。实务三点：只留元数据（五元组、字节数、时间戳）不留内容，隐私和成本一起控住；分层存储，近期可查、历史归档；容量在方案阶段估算，别等审计来了才发现只留了两周。 ## 八、三个月怎么走 第一个月补可见性：关键 VPC 开流日志、核心实例指标全覆盖、备份状态进面板。第二个月建基线与组合规则：按业务时段建性能基线，把四类前置信号的组合规则配上，先只报不联动。第三个月连响应：告警分级、自动化分级上线，做一次恢复演练并计时。 ## 九、度量：三个指标判断防线是否有效 防线建完要能自证。三个指标：告警压缩比，原始告警数除以通知到人的数量，十比一是常见目标；平均确认时长，从异常发生到人确认的时间；误报率，处理后判定无需动作的比例。三个一起看才不失真：只压量不看误报会把真问题压掉，只追时长不看压缩比会被通知洪水冲垮。上线前先采两周基线，口径写进文档。 还有一个容易被忽略的度量和恢复有关：最近一次恢复演练的实际时长，和承诺的恢复时间目标差多少。这个差距比任何检测指标都更能说明业务连续性到底守不守得住。 ## FAQ **Q1：云上有安全组了，还需要自己监控吗？** 需要。安全组挡的是非法访问，挡不住"用合法凭据做非法事"。横向移动、数据外传、备份被删都发生在合法通道里，只能靠行为可见性发现。 **Q2：流日志开了会不会很贵？** 按采集范围和聚合粒度控制：出口和关键 VPC 全开，非核心只留聚合指标；冷数据进对象存储，成本可预估。 **Q3：弹性伸缩导致流量跳变怎么避免误报？** 伸缩事件接白名单，基线按单实例归一建模，两件事都做。 **Q4：备份账号怎么防被删？** 权限最小化，备份与生产账号隔离，快照存到不可变或异地存储；监控备份任务与策略变更，异常即告警。 **Q5：先做哪一步？** 先开关键 VPC 的流日志、把核心实例指标和备份状态接进来，一个月内可见性就能见效。 ## 一句话总结 云上勒索防御的关键词是：东西向优先、三条数据源互补、组合信号定向、自动化分级、恢复要演练——安全组守边界，运维守行为，两者缺一不可。
2026-10-23

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

时间: 2026-10-18 大小: 211.28KB 下载: 56次
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2026-09-24 大小: 189MB 下载: 9次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2026-08-21 大小: 5MB 下载: 2次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-08-21 大小: 1.42GB 下载: 6次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册