当你想到信用卡被盗所带来的不便、愤怒和可能造成的损失时,还不是痛苦的全部,更令人生气的是被盗的每一个卡号销赃費只有10至15美分,真是伤口上撒盐!
然而,你是否知道你被盗的医疗记录可以卖到30到500美元?
这些数字出现在去年CBSN On Assignment的新闻节目,是关于美国纽约伊利县医疗中心遭勒索软件攻击的报道。
这家医院最后没有支付4万4千美元的赎金,而是在恢复网络服务前的六星期内使用铅笔和纸张来作业。这是近期一些备受瞩目的医院网络遭受攻击事件中的一例。
我们知道,病患的个人信息极具隐私性,医疗记录需要被严格保护。当医院的医疗保健系统漏洞遭受攻击时,医院往往措手不及,甚至可能因为病历被骇客锁住,让当时的医病处理难以进行,病患因而面对生死攸关的危险。因为一直以来,资金和专业知识都投放在具有IT支持的尖端医疗技术上,而不是投放在复杂的网络安全上。因此,医院已经成为网络罪犯获取暴利而容易下手的目标。
我们需要找到有效的方法来管理大规模增长的医疗数据。
这些数据来自物联网、远程医疗到高清扫描图像….等等。这意味着医疗体系需要转向采用云计算和数据存储,如此也就提供了黑客新的切入点。医疗IT系统的边缘越模糊,防护的效果就越差,医疗界的整个系统都需要有安全意识的防范系统。
“分布式安全”的方法是目前最被推荐使用、最高效的模式。好的防御系统的网络周边和网络内部都具备多层防御能力,它对本地正常流量的敏感性,能分辨授权的内容以及异常内容。
本地硬件的免疫响应是一种即时反应,不会对软件资源的使用造成影响,让系统有充分的时间来标记警告与实施安全政策,因此,多数的威胁都在系统中枢还没有意识到之前,就已经避免掉了。
所以,这种保护效果更佳的“分布式安全”方式,应该成为现代医疗IT系统的优先选择。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。