据路透社报道,网络安全公司Hold Security周三发布的一份调查报告称,该公司仅利用三周时间,在网络黑市上发现了3.6亿不同的个人账户信息被黑客兜售。这些个人账户信息包括常常被用作用户名的电子邮件地址和文本中的大多数未加密口令。
Hold Security公司首席信息安全官阿列克斯·霍顿(Alex Holden)在接受媒体采访时表示,该公司正在调查这些黑客从何处获取了授信以及通过何种渠道获取了这些信息。与此同时,目前尚不清楚这些被盗信息的具体来源。路透社指出,在网络黑市上的这一发现,对于消费者和公司而言,其危害性不亚于信用卡数据被盗,因为各种各样的计算机系统证书可以访问任何公司的网上银行账号。
霍顿表示,这些证书当中包含的电子邮件涉及了各大服务提供商,其中包括谷歌和雅虎,以及几乎所有的《财富500强》公司和非营利组织。
对于长期密切关注网络安全的人来说,尽管此次Hold Security发现了多达3.6亿的个人账户信息被黑客兜售,但在他们看来或许并不值得大惊小怪。毕竟在去年年底时,曾发生过1.1亿人的个人信息被盗事件。而且这一事件只不过是过去几年来众多黑客频繁侵袭事件中的一小部分。
但在霍顿看来,此次在黑市上发现的3.6亿不同个人账户证书,大都是一些新的东西,那些已经交付到黑客手中的被盗信息则未被完全统计。除了安全证书,据称还有超过10亿个电子邮件地址也在这些黑市网站上出售。
在撰写本文时,霍尔顿还没有通知受到影响的相关公司或部门。他声称他的团队正在努力查明所有受影响的公司,并将通知他们自己公司的数据被黑客非法收集。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。