计算机安全软件厂商赛门铁克周日发布报告称,日前公司发现了一个名为“Regin”的恶意软件。Regin采用了复杂代码技术、及其隐蔽,早在2008年,Regin软件就被黑客用于监视政府、公司和个人。
Regin这一间谍工具软件使用了一些隐形技术,可躲开杀毒软件检测,而且Regin软件设计相当复杂,无论从时间和资源上来讲,都需要投入相当大的精力,表明开发该软件是一个“国家”支持工程。但赛门铁克在报告中未指明这一恶意软件来自哪个国家。
赛门铁克还称,Regin的复杂设计,使它非常适用于对目标展开长期监控。
“Regin软件的开发者投入了相当大精力,因而该恶意软件非常隐蔽,一般不会被发现。”赛门铁克在一份声明中表示:“该软件的隐蔽特性,使之可能潜伏数年实施间谍活动而不被发现。”
此外,Regin的高度可定制化特点,可使黑客发起范围广泛的远程木马攻击,包括:窃取用户密码、数据,截获用户鼠标点击,从被感染计算机上捕获截图。其他的攻击包括监控网络流量、分析Exchange数据库电子邮件。
赛门铁克称,Regin恶意软件攻击的主要目标包括一些互联网服务提供商和电信公司,Regin似乎通过复杂的软件,对攻击对象电话和通信路由设备进行监控。其他攻击目标还包括:航空、能源、医院和研究等领域的一些公司。此外,Regin攻击对象地域发布广泛,超过一半的攻击对象位于俄罗斯和沙特境内,其他攻击对象则位于爱尔兰、墨西哥和印度等国家。
赛门铁克称,Regina攻击分为五个阶段,除第一阶段外,其他四个阶段都进行了加密,而且非常隐蔽,每一个阶段包含该恶意软件的结构信息。如果要想拦截该恶意软件,必须获得全部五个阶段信息进行分析。
赛门铁克表示,此次发现如此复杂的多级架构恶意软件,令人想起2010年攻击伊朗核浓缩设施的计算机病毒Stuxnet,以及跟Stuxnet采用相同代码的电脑网络间谍软件Duqu。
赛门铁克称,相信目前还有Regin的许多组件尚未被发现,此外,针对该恶意软件的额外功能、其他版本也可能存在。
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。