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
海外博主做了一次 Siri AI、ChatGPT、Claude 横评。看完之后我最大的感受是,AI 助手的竞争已经不只是模型能力,而是谁离用户更近。
南京大学提出Light-Omni框架,通过全局状态与潜在状态双机制,让AI视频助理无需反复推理即可实现精准记忆检索,速度提升逾12倍,准确率同步提高。
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。