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
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。