凤凰快3_凤凰快3

【动画】带你了解，何为网络安全“攻击面管理”******

　　【2022年国家网络宣传周系列科普】

　　近年来，新兴技术迅速发展带动了网络资产边界快速拓展，也增加了企业资产暴露面，而基于供应链的新型攻击则大大降低了攻击成本。在多重因素的驱动下，网络安全防御策略也在与时俱进，攻击面管理也开始被行业所关注。让我们一起了解一下攻击面管理的小知识吧。

　　什么是攻击面？

　　近日发布的《中国攻击面管理市场研究报告》（以下简称研究报告）指出，攻击面是指未经授权即能访问和利用企业数字资产的所有潜在入口的总和。

　　其中，包括未经授权的可访问的硬件、软件、云资产和数据资产等，同样也包括人员管理、技术管理、业务流程存在的安全弱点和缺陷等，即存在可能会被攻击者利用并造成损失的潜在风险。

　　但不是所有资产暴露面都可以成为攻击面，只有可利用暴露面叠加攻击向量才形成了攻击面。

　　什么是攻击面管理？

　　攻击面管理是一种从攻击者的角度对企业数字资产攻击面进行检测发现、分析研判、情报预警、响应处置和持续监控的资产安全性管理方法，其最大特性就是以外部攻击者视角来审视企业所有资产可被利用的攻击可能性。

　　主要包含外部攻击面管理（EASM）、网络资产攻击面管理（CAASM）、数字风险保护服务（DRPS）等内容。

　　什么是攻击面管理框架体系？

　　攻击面管理框架体系自下向上分别为基础技术、安全能力和应用场景。基础技术为支撑攻击面管理的技术能力集合，多种技术组合形成攻击面管理的能力体系，根据不同的业务场景需求采用不同的能力组合，形成不同的应用场景下的攻击面管理解决方案，为用户提供有针对性的攻击面闭环管理能力。

　　什么是攻击面管理成熟度模型？

　　研究报告中还提到了建立攻击面管理的成熟度模型，主要是工具阶段的被动防御、平台阶段的主动防御、流程化阶段的对抗防御、先知阶段的优先防御四个层级；提出了暴露面获取、脆弱点发现、攻击面挖掘、情报获取能力等攻击面管理要具备的12个能力域，从检测发现、分析研判、情报预警、响应运营的闭环管控过程分解了响应的29个能力子项，从子能力的具备和完善情况来评价攻击面管理的有效性。

　　发展前景怎么看？

　　目前，国内外厂商如华云安、360政企安全、Mandiant、CyCoginito、等一大批传统网络安全团队，正在进入攻击面管理创新领域。未来攻击面管理将从传统场景扩展到新兴技术场景，并提供跨领域、跨技术平台的数字资产及其攻击面管理能力，更关注企业内部业务风险和第三方风险的管理，为用户提供统一的攻击面管理入口，并提供一致的安全运营体验。

　　光明网、华云安 联合出品

　　监制：张宁、李政葳策划：孔繁鑫制作/配音：雷渺鑫

报告显示：超六成受访者认为应强制企业公开算法******

　　光明网讯（记者 李政葳）“当前，国内对于算法治理的基本思路和框架都是清晰的，而分级分类精准治理的模式应当可以解决如何落实的问题。”在日前举办的“2022啄木鸟数据治理论坛”上，谈及算法治理的现状，清华大学人工智能国际治理研究院副院长、人工智能治理研究中心主任梁正表示，算法分级分类本身不是目标，而是要针对不同风险场景配备不同监管规则。

　　论坛由南都个人信息保护研究中心联合清华大学人工智能国际治理研究院、人工智能治理研究中心（清华大学）主办。其间，南都个人信息保护研究中心发布《算法应用与治理观察报告》《个人信息安全年度报告》《平台经济反垄断观察报告》。

　　记者了解到，《算法应用与治理观察报告（2022）》，梳理了国内外的多项法规，结合热点事件及应用场景呈现了算法治理现状，并发布千份算法治理调查问卷了解公众对算法公开和算法治理的了解程度和基本态度，最后基于多方调查分析，给出了当前算法趋势观察以及未来治理方向建议。

　　报告发现，目前国内算法治理仍处于早期探索阶段，企业的算法公开主要依靠官方的互联网信息服务算法备案系统，或在舆情事件发生之后。调查问卷结果显示，近半受访者承认算法让自己的使用体验更好，但仅一成受访者认为企业算法公开做得很好，逾六成的受访者称曾遭遇“大数据杀熟”；超过六成的受访者认为应该强制企业公开算法。

　　“在数据、算法方面治理政策进展显著，在平台与应用方面的政策和落地尚需加紧。”中国科学院人工智能伦理与治理研究中心主任、国家新一代人工智能治理专委会委员曾毅认为，目前人工智能伦理有三个相当紧迫的问题需要被正视：首先，人工智能应当被适度使用；其次，目前人工智能服务知情同意落地艰难，被迫知情同意普遍存在；最后，目前用户数据的授权撤销在人工智能服务中存在巨大挑战，需要监管和更高层的网络服务提供方联合提出更合理的政策与解决方案。

　　针对日前发布的《互联网信息服务深度合成管理规定》，中国政法大学数据法治研究院教授张凌寒表示，从算法治理角度来说，深度合成管理规定与之前的算法推荐管理规定的思路有所不同，前者采用了一种“三位一体由的数据与技术规范。

　　具体来讲，由于深度合成技术的门槛较高，技术支持者也被纳入了监管范围内。比如，深度合成服务提供者提供智能对话、合成人声、人脸生成、沉浸式拟真场景等服务，应当进行显著标识，这就将更重的责任落在了服务提供者身上。

　　中国社科院科技和社会研究中心主任段伟文提到，算法治理需要构建可信任的算法认知，而这需要产业和消费者的共同努力：产业要努力提升算法精准性、透明度，减少偏见，减少歧视；消费者则需要提高数字素养，提升算法意识，加强在人机互动中自主性、控制感和协同意识。

　　（文图：赵筱尘 巫邓炎）