ZDNet至顶网软件频道消息:端口扫描是网络中较为常见的行为之一,该行为是指端口发送消息,一次只发送一个消息,接收到的回应类型表示是否在使用该端口并且可由此探寻弱点。由此网络管理员通过端口扫描,可以得到许多有用的信息,从而发现系统的安全漏洞,然后修补漏洞、制定完善的安全策略,当然也不排除是黑客攻击网络设备迈出的第一步棋子。本案例就是对MSSQL数据库服务器漏洞的扫描暴力破解行为。
案例分析
本案例是对某法院外网进行的一次监测分析。在核心交换机上部署了科来回溯式服务器,通过在总出口镜像将网络流量导入回溯式服务器,具体部署拓扑图如下:
通过回溯系统抓取几分钟数据,发现1个IP地址异常, 58.180.26.203这个IP地址共建立会话300多个,但是建立成功后会话报文都是小包,平均包长99B,于是选择这段时间段并下载此数据包进行下一步分析。
第一步查看该IP会话列表,发现58.180.26.203在与222.173.35.53(数据库服务器)通讯。数据包基本上是发送5个接收4个,数据包小,时间短暂、频快。而正常情况下同数据库通讯时,当会话成功建立后数据库会发送数据,特点:数据包偏大、时间长、频率稍微慢。可以推断,可能是外网用户在攻击本网络中的数据库,攻击者利用MSSQL的TCP 1433号端口,不断尝试利用弱口令尝试,如果成功的话就能获得目标主机的权限。
为了进一步验证判断,接下第二步来查看TCP会话的数据流。发现该地址对SQL SERVER每次会话扫描8到10报文不等,选择其中一个会话,查看数据流,发现攻击者果真正在尝试sa口令。如下图:
进行第三步分析,查看TCP会话时序图,双方会话建立成功后通讯数据很少,服务器在回应对方的尝试后,立刻终止了此会话,通过仔细查看300多个会话推测这些尝试并没有成功。
由此断定数据库服务器(222.173.35.53)遭到外网地址攻击。与网络管理员确认得知此地址确实是外网网站地址的数据库地址。为了进一步的安全考虑,尝试用站长工具进行一次端口扫描,查看网络中还有哪些端口是打开的。发现222.173.35.53:21、222.173.35.53:3389、222.173.35.53:1433这3个端口是开放的,且是黑客常攻击的端口。
为了进一步弄清58.180.26.203这个地址,登陆到站长工具查看发现是韩国的地址。
然后对其进行一次端口扫描,其3389端口也打开了,远程登陆不成功。
分析结论
由于此次抓包时间较短,未能完全将黑客的行为及结果分析透彻,若黑客继续攻击则有可能成功破解数据库密码,给用户带来不可估量损失。因此建议网络管理员在防火墙上做安全策略,拒绝外网用户访问MSSQL的1433端口,只对内部网络用户开放。另外对FTP的21和远程登陆为3389的端口拒绝外网访问或者关掉。
好文章,需要你的鼓励
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。