做两件事情 将“Wannacry”拒绝在门外

简介:

这两天,全球爆发大规模Wannacry勒索病毒攻击,国内主要是高校中招较多,主要针对windows7、windows8、windowsXP用户,Mac用户和windows10用户不受影响,但周一很多人都要上班,都要接入互联网,我们该如何做才能保证自己不被感染呢?前提是自己本身是安全的!

首先我们看一下,攻击者利用该漏洞,向用户机器的445端口发送精心设计的网络数据包文,实现远程代码执行,攻击流程如下:

根据攻击流程,普通员工需要两步操作就能防御别人不传染你,第一步封掉445端口,无论是手工封闭还是使用免疫工具效果一样,第二步安装针对MS17-010漏洞的补丁,微软已经发布了最新补丁,甚至包括了XP系统补丁!

具体执行步骤:

1、 封445端口

手工方法,请参考:http://safe.it168.com/a2017/0513/3122/000003122930.shtml

安天免疫下载地址:http://www.antiy.com/response/wannacry/Vaccine_for_wannacry.zip。

  2、 安装补丁

下载补丁:https://yunpan.cn/cXLwmvHrMF3WI 访问密码 614d

  ▲我是windows 7 64位操作系统

  ▲两个补丁都要下载,安装不分先后顺序

  ▲第一个补丁

  ▲立即重启

  ▲第二个补丁

  ▲立即重启

以上就是作为普通员工能够做到的(涉及的补丁和工具也可以在 https://pan.baidu.com/s/1kUAmyP5),同时给IT运维人员一点忠告,对于出口做了NAT的场景(大部分中小企业办公场景),勒索病毒的内网扩散远比由外而内严重得多,在交换和无线侧进行封堵才是防止扩散的有效手段,目前国内主流厂商,华为、华三、锐捷、信锐都已经发布操作方法,国外网络厂商暂时没有发布,360发布了一些列工具,包括了解密工具。

本文转自d1net(转载)

相关文章
|
9天前
|
数据采集 人工智能 安全
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
305 164
|
3天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
318 155
|
12天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
873 6
|
5天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
258 113

热门文章

最新文章