恶意AI大模型的兴起将改变网络安全

news2024/11/15 4:29:35

图片

       LLM 的恶意版本(如 ChatGPT 的黑暗变体)的兴起正在通过使用更复杂和自动化的攻击来升级网络战。

       这些模型可以生成令人信服的网络钓鱼电子邮件、传播虚假信息并制作有针对性的社会工程消息。

       所有这些非法功能都对在线安全构成了重大威胁,并加剧了区分真实内容和恶意内容的挑战。

       Zvelo 的网络安全研究人员最近发现,使用恶意版本的 ChatGPT 和其他黑暗 LLM 的情况显著增加,这些 LLM 改变了网络战的性质。

Dark LLM

       人工智能的滥用不再只是一种威胁,因为它是一个日益增长的现实。AI 使初学者能够应对网络威胁,而黑暗 LLM 的兴起则对高级安全框架提出了挑战。

       恶意的 LLM 使用 OpenAI 的 API 来制作不道德的 ChatGPT 版本,且不受限制。

       这些模型主要针对网络犯罪而设计,因为它们可以帮助威胁参与者生成恶意代码、利用弱点并制作鱼叉式网络钓鱼电子邮件。

       在下面,我们提到了已知的恶意 LLM:

  • XXXGPT它是一种专为网络犯罪而设计的恶意 ChatGPT 版本,它支持各种攻击,如僵尸网络、RAT、加密器和难以检测的恶意软件创建,这使其成为严重的网络安全威胁。

  • WolfGPT这使用 Python 从庞大的恶意数据集中创建神秘的恶意软件。它擅长提高攻击者的匿名性,从而实现高级网络钓鱼,并且与 XXXGPT 一样,它通过强大的混淆来转移网络安全团队。

  • WormGPTWormGPT 完全基于 2021 GPT-J 模型,该模型在创建恶意软件的网络犯罪方面表现出色。该模型的独特功能包括无限字符、聊天记忆和代码格式。它通过多个 AI 模型优先考虑隐私、快速响应和动态使用。

  • DarkBARDDarkBARD AI 是 Google 的 BARD AI 的恶意版本,在网络犯罪方面表现出色。它通过创建错误信息、深度伪造和管理多语言通信来处理来自网络的实时数据。它可以生成各种内容并与 Google Lens 集成,并且还擅长勒索软件和 DDoS 攻击。

       像上面提到的那些恶意 LLM 已经在一些非法活动中被发现。他们综合有针对性的研究,增强网络钓鱼计划,并使用基于语音的人工智能进行欺诈和早期攻击。

       人工智能驱动的攻击正在上升,因为它们可以自动发现漏洞和传播恶意软件。人工智能通过令人信服的虚假个人资料和规避检查软件来增强网络钓鱼。

       威胁行为者还部署深度伪造、虚假信息、AI 僵尸网络、供应链攻击、数据中毒和高级密码猜测,以实现复杂的策略。

       来自恶意 LLM 的高级网络威胁激增,需要对网络安全进行批判性的重新评估。传统的防御措施和用户对网络钓鱼识别的依赖已不再足够。

       人工智能模拟令人信服的电子邮件的能力显示出一个重大转变,这表明有必要重新思考网络钓鱼检测和意识培训。

来源:cybersecuritynews.com

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2156629.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

2024年最新前端工程师 TypeScript 基础知识点详细教程(更新中)

1. TypeScript 概述 TypeScript 是由微软开发的、基于 JavaScript 的一种强类型编程语言。它是在 JavaScript 的基础上添加了静态类型检查、面向对象编程等功能的超集,最终会被编译为纯 JavaScript 代码。由于其扩展了 JavaScript 的功能,TypeScript 特…

[Redis][数据类型]详细讲解

1.Redis 特殊数据结构 1.Streams 应用场景:主要用为队列(阻塞队列) 2.Geospatial 应用场景:用来存储坐标(经纬度) 3.HyperLogLog 应用场景:估算集合中的元素个数注意: HyperLogLog不存储元素的内容,但是能够记录“…

【机器学习】ROC曲线

【机器学习】ROC曲线 1、ROC曲线简介2、ROC曲线和AUC值2.1 ROC曲线2.2 AUC值 3、实验内容3.1 准备数据集3.2 特征提取3.3 数据集划分3.4 模型训练与预测3.5 计算和绘制ROC曲线3.6 绘制混淆矩阵3.7 三分类混淆矩阵 4 源代码4.1 实现ROC二分类4.2 三分类混淆例子 1、ROC曲线简介 …

cnn机器学习时python版本不兼容报错

在使用python执行CNN算法时,发生如下报错: A module that was compiled using NumPy 1.x cannot be run in NumPy 2.1.1 as it may crash. To support both 1.x and 2.x versions of NumPy, modules must be compiled with NumPy 2.0. Some module may …

网络高级day03(Http)

目录 【1】HTTP简介 【2】 HTTP特点 【3】 HTTP协议格式 1》客户端请求消息格式 1> 请求行 2> 请求头 3> 空行 4> 请求数据 2》服务器响应消息格式 【1】HTTP简介 HTTP协议是Hyper Text Transfer Protocol (超文本传输协议)的缩写&a…

低代码平台:数据筛选功能的全新变革

随着软件开发需求的不断增长,传统的开发方法因其复杂性和耗时性而逐渐无法满足市场对快速交付和迭代的需求。低代码开发平台作为一种新型的软件开发工具,以其高效、易用的特点受到了广泛的关注和应用。 在软件开发领域,数据筛选是一项基础且…

frpc内网穿透

官网地址:frp官网 本次用到的Liunx包: https://github.com/fatedier/frp/releases/download/v0.60.0/frp_0.60.0_linux_amd64.tar.gz下载: wget https://github.com/fatedier/frp/releases/download/v0.60.0/frp_0.60.0_linux_amd64.tar.g…

经典大语言模型解读(3):参数量更大、泛化性能更强的生成式模型GPT-2

概述 在GPT-1的基础上,OpenAI提出了包含15亿参数(GPT-1参数量的10倍以上)的GPT-2模型。该模型在一个更大规模的文本数据集WebText上进行预训练。与GPT-1依赖特定任务上的有监督微调来提升性能不同,GPT-2具备更强的零样本&#xf…

中小企业体系技术抽象沉淀-异地灾备篇

IT团队内部使用工具 系列文章:https://blog.csdn.net/caicongyang/article/details/136857045 DDL DML管控 https://github.com/hhyo/Archery/ flyway 文档编写 wiki 技术对外输出文档推荐gitbook 同城双活数据同步方案 总览: vivo 系列文章&#x…

脱离枯燥的CRUD,灵活使用Mybatis,根据mybatis动态的xml片段和接口规范动态生成代理类,轻松应付简单业务场景。

需求 需求是这样的,我们有一个数据服务平台的产品,用户先将数据源信息保存到平台上,一个数据源可以提供多个接口服务,而每个接口服务在数据库中存一个具有mybatis语法的sql片段。这样的话,对于一些简单的业务只需要编…

*C++:list

一.list简介 1. list 是可以在常数范围内在任意位置进行插入和删除的序列式容器,并且该容器可以前后双向迭代。 2. list 的底层是双向链表结构,双向链表中每个元素存储在互不相关的独立节点中,在节点中通过指针指向其前一个元素和后一个元素…

一文 学透 力扣—N数之和

题目一:1. 两数之和❤ 题目思路 当我们需要查询一个元素是否出现过,或者一个元素是否在集合里的时候,就要第一时间想到哈希法。 本题呢,我就需要一个集合来存放我们遍历过的元素,然后在遍历数组的时候去询问这个集合…

第一个NDK项目

新建项目 选择Native C的项目,我这里给项目的命名是NDKTest。 目录分析 新增了一个cpp目录,里面有一个CMakeLists和.cpp文件。 CMakeLists 文件是用来配置C编译过程的。 # Sets the minimum CMake version required for this project. cmake_minimum_…

[OpenCV] 数字图像处理 C++ 学习——16直方图均衡化、直方图比较 详细讲解+附完整代码

文章目录 前言1.直方图均衡化的理论基础(1)什么是直方图(2)直方图均衡化原理(3)直方图均衡化公式 2.直方图比较理论基础(1)相关性 (Correlation)——HISTCMP_CORREL(2)卡方 (Chi-Square)——HISTCMP_CHISQR(3)十字交叉性 (Intersection) ——HISTCMP_INTERSECT(4)巴氏距离 (Bha…

缓存的思考与总结

缓存的思考与总结 什么是缓存缓存命中率数据一致性旁路模式 Cache aside双写模式直写模式 write through异步写 Write Behind 旁路和双写 案例 新技术或中间的引入,一定是解决了亟待解决的问题或是显著提升了系统性能,并且这种改变所带来的增幅&#xff…

Mysql删库跑路,如何恢复数据?

问题 删库跑路,数据还能恢复吗? 我们经常听说某某被领导训斥了,对领导心生痛恨,然后登录 Mysql 删库跑路。对于闲聊中经常听说过的一个段子,在现实生活中是否真的发生过,如果发生了,我们该如何解…

基于单片机的智能小车的开发与设计

摘要:本文论述了基于 STC89C52 单片机的智能小车的开发与设计过程。该设计采用单片机、电机驱动及光电循迹等技术,保证小车在无人管理状态下,能按照预先设定的线路实现自动循迹功能。在电路结构设计中力求方便,可操作,…

go webapi上传文件

一、导入依赖 import "net/http" 我这里用到了Guid所以安装依赖 go get github.com/google/uuid 二、main.go package mainimport ("fmt""github.com/jmoiron/sqlx""github.com/tealeg/xlsx""log""path/filepath&q…

七彩云南文化旅游网站设计与实现

摘 要 传统办法管理信息首先需要花费的时间比较多,其次数据出错率比较高,而且对错误的数据进行更改也比较困难,最后,检索数据费事费力。因此,在计算机上安装七彩云南文化旅游网站软件来发挥其高效地信息处理的作用&am…

解决RabbitMQ设置x-max-length队列最大长度后不进入死信队列

解决RabbitMQ设置x-max-length队列最大长度后不进入死信队列 问题发现问题解决方法一:只监听死信队列,在死信队列里面处理业务逻辑方法二:修改预取值 问题发现 最近再学习RabbitMQ过程中,看到关于死信队列内容: 来自队…