卡巴斯基:三大垃圾邮件趋势 助你免受钱财损失

  自诞生之日起,电子邮件已走过了43年的风风雨雨。现在,它已成为人们日常工作与生活密不可分的一部分。正是由于它的高度普及与重要性,网络罪犯从未停止利用电子邮件实施各类欺诈活动。作为一家以保护所有用户安全为己任的IT安全供应商,卡巴斯基实验室始终坚持以领先水准为广大用户提供可靠的安全防护。为此,卡巴斯基实验室定期发布有关垃圾邮件最新趋势的分析报告,以防垃圾邮件所引发的用户机密信息遗失或钱财损失。

  根据卡巴斯基实验室的统计,在2014年第二季度中,垃圾邮件占所有邮件流量的68.6%,较上一季度上升2.2%。不仅如此,卡巴斯基实验室的分析表明,第二季度的垃圾邮件还呈现三大趋势。为了达到骗取钱财的目的,欺诈者简直无所不用其极。

  趋势一:邮件主题“与时俱进”

  一如卡巴斯基实验室于今年三月份曝光的“尼日利亚”垃圾邮件,在2014年第一季度,索契冬运会成为欺诈者们最常使用的主题。而在第二季度,他们则把注意力转向巴西世界杯。在“尼日利亚”垃圾邮件中,欺诈者利用当时的乌克兰局势和后续悲剧事件骗取钱财。而在巴西世界杯筹备阶段与举行期间,卡巴斯基实验室发现了大量与足球相关的恶意或假冒钓鱼邮件。由此可见,为了令更多用户上当受骗,欺诈者开始“与时俱进”,不断以近期发生的大事件作为垃圾邮件主题。然而,无论垃圾邮件的主题如何改变,其目的只有一个,那就是引起收件人的好奇,从而落入欺诈者预先设好的陷阱——点击钓鱼链接或打开恶意软件。

  趋势二:一切向“钱”看

  根据卡巴斯基实验室的最新发现,第二季度,传播最广的恶意附件较之前发生了改变。通过这些恶意附件不难看出,网络罪犯越发以窃取用户钱财为目的实施各类欺诈。举例而言,在垃圾邮件最常使用的十大恶意程序中,有四个均来自Bublik家族。他们会下载臭名昭著的ZeuS/Zbot至用户计算机中。作为有史以来最臭名昭著的网银木马之一,Zeus/Zbot衍生出了诸多的变种和模仿者。当然,Zeus最大的特点就是其所扮演的“浏览器中间人”行为(man-in-the-browser)。基于此,网络钓鱼者可以在不惊动受害人的情况下,收集到他们的个人信息,并将之用于隐蔽的在线交易。

  趋势三:为博信任冒充大品牌

  在2014年第一季度的垃圾邮件报告中,卡巴斯基实验室就曾披露欺诈者冒充手机应用发送虚假消息的案例。为了达到以假乱真的目的,这些邮件与流行的手机聊天软件WhatsApp、Viber以及谷歌Hangouts极为相似。而在第二季度中,星巴克咖啡店成为欺诈者首要的下手目标。这些邮件声称接收者的一位朋友匿名为其在星巴克订餐。接收者想要浏览菜单并找到就餐地点与准确时间,就必须打开附件——一个可执行文件。

  对于垃圾邮件表现出的上述趋势,卡巴斯基实验室内容分析与研究负责人Darya Gudkova表示:“欺诈者早已不择手段地想要截取极具价值的用户数据,即网银系统的登录凭证与支付信息。在传播最广的垃圾邮件附件中,目前超半数均包含窃取用户钱财的木马。这些邮件所占比例看似无足轻重,实际上恶意邮件已多达上百万封。而且,仅有网络安全级别的有效解决方案才能与之抗衡。”

  据悉,卡巴斯基实验室针对个人用户推出的卡巴斯基安全软件就是这样一款出色的网络安全级别解决方案。卡巴斯基安全软件运用多项屡获大奖的安全技术,可抵御各类恶意软件和基于网络威胁的侵害。并且,使用这款方案不会对用户计算机的性能产生显著影响,用户将享受到最优舒适度与无可挑剔的安全保护。

卡巴斯基:三大垃圾邮件趋势 助你免受钱财损失,布布扣,bubuko.com

时间: 2024-10-07 06:08:31

卡巴斯基:三大垃圾邮件趋势 助你免受钱财损失的相关文章

构建垃圾邮件分类器

优先考虑什么工作 系统设计实例: 给定一个数据集的电子邮件,我们可以构建一个向量的每一封电子邮件.在这个向量的每个条目代表一个字.该向量通常包含10000到50000个条目,这些集合是通过查找数据集中最常用的词来收集的.如果在电子邮件中找到一个词,我们将把它的条目指定为1,否则如果找不到,该条目将是0.一旦我们所有的X向量准备好了,我们就训练我们的算法,最后,我们可以用它来分类一封电子邮件是否是垃圾邮件. 所以你如何花你的时间,提高分类的准确性? 1.收集大量的数据(例如"蜜罐"项目,

反垃圾邮件智能网关之梭子鱼

梭子鱼网络 (Barracuda Networks , Inc.,以下简称"梭子鱼") 2003年成立于美国加州坎贝尔,拥有目前比较流行的反垃圾邮件的智能网关设备.梭子鱼为大量的企业级Exchange邮件系统起到了保驾护航的决定性作用,过滤和拦截目前公网上的绝大部分垃圾邮件和病毒邮件,使得企业用户能够更好更安全的使用Exchange邮件系统.今天我们就来讲讲微软Exchange Server和梭子鱼反垃圾邮件网关的结合. 1. 原理概述 梭子鱼反垃圾邮件及病毒邮件防火墙是一款专业过滤垃

易宝典文章——玩转Office 365中的Exchange Online服务 之二十四 配置垃圾邮件筛选器反垃圾邮件

如果希望实现基于发件人邮件地址,或者需要拒绝某个域的邮件,可以通过Exchange Online提供的垃圾邮件筛选器策略来解决.垃圾邮件筛选器策略除了能够实现上述的黑名单筛选外,还支持白名单筛选,基于国别来进行筛选,比如阻止某岛国语言的邮件,从某小人国发来的邮件等.此外,垃圾邮件筛选器策略还定义做针对不同级别的垃圾邮件如何进行处理,是标注,还是放入垃圾箱,或者是进行隔离等.一.了解默认的垃圾邮件筛选器策略在EAC中,导航到"保护",定位到"垃圾邮件筛选器"选项卡,选

易宝典文章——玩转Office 365中的Exchange Online服务 之二十五 配置出站垃圾邮件策略通知

企业的邮件服务器应该遵从良好的发件规范,尽量减小发送垃圾邮件和批量邮件到外部邮件系统.这样可以保护企业的邮件服务器发送IP不被收集到垃圾邮件服务器列表中,从而保证从企业的邮件服务器或企业域名发送的邮件,收件方能够正常接收.基于此种情况,出站垃圾邮件筛选即尤为重要,因为它起到了保护企业邮件系统发送邮件的可靠性,同时也保护了企业在商业交往中的信誉和利益.Exchange Online的出站垃圾邮件筛选与入站筛选类似,均有连接筛选和内容筛选构成,但是出站筛选是无法进行配置的.不过可以配置出站垃圾邮件策

易宝典文章——玩转Office 365中的Exchange Online服务 之二十九 将垃圾邮件信息提供给微软

在反垃圾邮件这一无止境的永久工程中,如果只靠某一个人.某个公司或某个团体.组织的力量来进行往往是薄弱的,它需要整个Internet上的每一个人来参与.就如何在国内的骚扰电话.垃圾短信一样,往往需要防骚扰软件提供商都希望用户上报或标注垃圾短信发送号码和广告.骚扰电话的拨打号码,已针对这些号码进行更好的过滤.O365也提供了垃圾邮件信息反馈渠道,该操作能够让用户将其认为是垃圾邮件的邮件提交给微软,微软收到反馈后会对邮件进行分析,如果确实是垃圾邮件,微软会针对该邮件的特征在O365的反垃圾邮件系统中添

app里使用163邮箱发送邮件,被163认为是垃圾邮件的坑爹经历!_ !

最近有个项目,要发邮件给用户设定的邮箱报警,然后就用了163邮箱,代码是网上借来的^^,如下: package com.smartdoorbell.util; import android.os.AsyncTask; import java.util.Date; import java.util.List; import java.util.Properties; import javax.activation.CommandMap; import javax.activation.Mailca

垃圾邮件过滤优化方法

垃圾邮件过滤优化方法 通过honeypot project 搜集大量垃圾邮件数据 通过解析邮件header 获取垃圾邮件发送路径和服务器相关信息 对编写错误的单词的修正 比如:w4tch 对相同含义的词进行归类处理,比如:discount 和discounts   (可以通过porter stemmer,下面就是该算法c语言的一种实现) /* This is the Porter stemming algorithm, coded up in ANSI C by the author. It m

基于卷积神经网络(CNN)的中文垃圾邮件检测

前言 跳过废话,直接看正文 文本分类任务是一个经久不衰的课题,其应用包括垃圾邮件检测.情感分析等. 传统机器学习的做法是先进行特征工程,构建出特征向量后,再将特征向量输入各种分类模型(贝叶斯.SVM.神经网络等)进行分类. 随着深度学习的发展以及RNN.CNN的陆续出现,特征向量的构建将会由网络自动完成,因此我们只要将文本的向量表示输入到网络中就能够完成自动完成特征的构建与分类过程. 就分类任务而言,CNN比RNN更为合适.CNN目前在图像处理方向应用最为广泛,在文本处理上也有一些的应用.本文将

Bayes 朴素贝叶斯实现垃圾邮件分类

本文选取了25封垃圾邮件和25封正常邮件,随机产生了10组测试集和40组训练集,使用朴素贝叶斯方法实现了垃圾邮件的分类. Bayes公式   遍历每篇文档向量,扫描所有文档的单词,合并集合去重 ,并生成最终的词汇表 # 创建词汇表 # 输入:dataSet已经经过切分处理 # 输出:包含所有文档中出现的不重复词的列表 def createVocabList(dataSet):  # 文本去重,创建词汇表 vocabSet = set([])  # 创建一个空的集合 for document in