亚马逊网络服务公司(AWS)近日详细介绍了其用于检测恶意网站域名的内部系统Mithra。
这家云计算巨头称,Mithra平均每天发现18.2万个恶意域名。AWS利用该系统保护客户免受恶意网站流量的侵害。在某些情况下,Mithra还能帮助亚马逊检测针对组织的网络攻击——哪怕这些组织没有使用该公司的云服务。
黑客依靠恶意域为恶意软件网站提供动力,发送网络钓鱼电子邮件,并实施其他类型的网络攻击。及时发现恶意域名可以让企业阻断与之相关的网络流量,从而阻止入侵企图。然而,要始终如一地做到这一点并不容易,因为黑客会定期注册新的域名以躲避检测。
Mithra获取黑客活动数据的方法之一是AWS的MadPot蜜罐网络。“蜜罐”是一个看似商业文档或应用程序的文件,但实际上是一个传感器,旨在吸引网络攻击。
当黑客试图用恶意软件入侵MadPot传感器时,它会捕获到恶意软件并研究其工作原理。通过这一过程收集的信息有助于AWS阻止未来可能针对其客户的类似网络攻击。
该服务还利用其他来源(特别是亚马逊部门的云平台)的威胁情报,来捕捉恶意域。AWS 的平台由被称为区域的数据中心集群网络提供支持。该公司介绍称,其中一个区域每天要处理多达200万亿次DNS请求,即域名访问请求。
Mithra将收集到的威胁情报整理成图。这是一种数据结构,不仅可以保存单个数据点(如恶意域),还可以保存这些数据点之间的联系。例如,此图可以将恶意域与使用它们发动网络攻击的黑客组织联系起来。
亚马逊首席信息安全官CJ Moses在一篇博文中写道:“想象一下,一个如此庞大的图(也许是现有的、最大的图之一),人类根本无法查看并理解里面的全部内容,更不要说得出可用的见解了。” Mithra拥有35亿个节点和480亿个边缘,其信誉评分系统专门用于识别客户接触到的恶意域。
AWS使用Mithra为其Amazon GuardDuty威胁检测服务提供支持。该服务分析来自 Mithra 和第三方来源的数据,可以检测客户云环境中的恶意活动。
这家云计算巨头还使用 Mithra 来检测针对不使用其云的组织的网络攻击。Moses写道:“在某些情况下,当我们收到信号表明第三方(非客户)组织可能受到威胁行为者的攻击时,我们也会通知他们,因为这样做有助于阻止进一步的攻击,从而促进整个互联网的安全。”“通常,当我们提醒客户和其他人注意这类问题时,他们才第一次意识到自己可能受到了威胁。”
在许多情况下,AWS 不仅会提醒企业它们正成为黑客攻击的目标,还会分享修复建议。例如,这家云计算巨头可能会建议企业将易受攻击的工作负载转移到防火墙后面,以阻止入站流量。
Moses写道:“有时候,我们通知的客户和其他组织会提供信息,这反过来也有助于我们帮助其他人。”“在调查之后,如果受到影响的组织向我们提供了相关的入侵指标(IOC),这些信息可以用来加深我们对入侵是如何发生的理解。”
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。