专家:不仅人脸识别,信息验证、生物特征都不可靠

简介:

本文首发于微信公众号:互联网金融电讯。文章内容属作者个人观点,不代表和讯网立场。投资者据此操作,风险请自担。

扫二维码、用公共充电桩盗窃手机信息,人脸识别存安全隐患...昨晚落幕的315晚会已连续多年点名网络信息安全、电信诈骗问题。

“黑客的肆虐猖獗,让互联网这个虚拟世界找不到任何安全的角落。没有绝对的安全,信息安全要靠增强全民信息安全意识。”上海市信息安全行业协会会长谈剑锋在3.15上海金融信息安全论坛上坦言。

生物特征识别不适用于开放网络环境

上海市经济和信息化委员会副主任傅新华提供了一组数据,2016年上海软件和信息服务业营业收入6904.35亿元,同比增长14.1%,占第三产业比重达到10.1%,占全市国内生产总值的比重达到7.1%。互联网金融经营收入达到496亿元,比上年同期增长28.8%;其中第三方支付收入达到350亿元;重点跟踪的17家网络信贷企业交易额达到200.35亿元,经营收入达到17.68亿元。

互联网产业增长的背后,黑色产业链也日渐繁荣。

数据显示,截至2016年12月,我国网民规模达7.31亿。其中,仅2016年遭遇网络信息安全问题的用户就占整体网民的70.5%,中病毒或木马发生比例占36.2%,账号或密码被盗发生比例占33.8%,个人信息泄露发生比例占32.9%。

上海市经信委信息安全处副处长刘山泉指出,2016年8月,由移动互联网系统与应用安全国家工程实验室组成的专门检测团队,对88个互联网金融类移动APP进行了深入测试,发现了包括信息数据明文发送、通信数据可解密、敏感数据本地可破解、调试信息泄露、敏感信息泄露、密码学误用、功能泄露、可二次打包、可调试、代码可逆向等十大安全隐患。

出人意料的是,常用的互联网身份验证措施,如手机短信验证码、人脸识别、生物特征并不完全可靠。

犯罪分子经常会以三种方式获取手机验证码,来实施违法行为。谈剑峰介绍到:第一种是向受害者手机发送有木马病毒的短信,受害者上当后点开手机中毒,犯罪分子从而拦截验证码短信;第二种是谎称快递地址不清,要求受害者说出地址,然后在受害者所在位置一公里内架设特殊改装设备,对手机信号进行干扰,从而拦截验证码;第三种是窃取受害者在手机制造商、电信运营商等网站或具有短信同步功能的软件上的账号,开通或查询短信自动同步信息,获取验证码。

而人脸识别等生物特征同样也非常危险,易被不法分子重构。由于生物特征信息是伴随终身、不可撤销的,因此一旦被盗取负面影响更大。“生物特征识别技术不适合开放的网络环境。”谈剑锋强调。

信息安全投入不足

防止信息安全需要企业、政府和个人的协力。

从企业来讲,360企业安全集团上海分区技术总监刘冠认为,要形成可落地的行业规范,通过合规检查等手段,确保每一个行业从业单位具有相当能力的安全防护力度;同时对于出现的安全泄露事件做到公开透明,通过问责机制,倒逼企业不断加强安全建设意识。

从个人来讲,谈剑锋认为,安全就是矛和盾的关系,没有绝对的安全,信息安全要靠增强全民信息安全意识。

对网络信息安全的重视也上升到了法律层面。2016年11月7日,中国《网络安全法》获得通过,并将于2017年6月1日起施行。这是中国第一部关于网络安全的基础性法律。《网络安全法》明确了网络空间主权的原则,网络产品和服务提供者的安全义务和网络运营者的安全义务,完善了个人信息保护规则,建立了关键信息基础设施安全保护制度。12月27日,国家互联网信息办公室发布《国家网络空间安全战略》,阐述了我国网络空间安全的核心理念和战略主张。

需要指出的是,中国对信息安全产业的投入目前还不够,且核心硬件产品大部分依赖于进口。

谈剑峰列举一组数据:2015年网络信息安全投入占信息化发展收入的占比,美国是20%-25%,欧洲是10%-15%,而中国仅为1%-3%。此外,美国和欧洲还运用首席安全官制度,将网络安全落实到执行责任制层面。

另一组数据显示,国外巨头主导占据了我国信息产品77%,芯片和精密制造设备85%,电脑操作系统95%,卫星导航定位产业5%的市场。

本文转自d1net(转载)

目录
相关文章
|
6月前
|
Shell Linux 计算机视觉
【Dlib】动作检测:以常见的人脸识别验证为例讲解张嘴与闭眼
【Dlib】动作检测:以常见的人脸识别验证为例讲解张嘴与闭眼
250 0
|
3月前
|
数据安全/隐私保护
数据安全用户系统问题之实人认证信息在用户模型中体现的如何解决
数据安全用户系统问题之实人认证信息在用户模型中体现的如何解决
|
6月前
|
算法 计算机视觉 异构计算
基于肤色模型的人脸识别FPGA实现,包含tb测试文件和MATLAB辅助验证
这是一个关于肤色检测算法的摘要:使用MATLAB 2022a和Vivado 2019.2进行测试和仿真,涉及图像预处理、RGB到YCbCr转换、肤色模型(基于阈值或概率)以及人脸检测。核心程序展示了如何读取图像数据并输入到FPGA处理,通过`tops`模块进行中值滤波、颜色空间转换及人脸检测,最终结果输出到"face.txt"。
|
存储 SQL 前端开发
从零玩转人脸识别验证3
从零玩转人脸识别验证
67 0
从零玩转人脸识别验证3
|
安全 Java 开发工具
从零玩转人脸识别验证1
从零玩转人脸识别验证
104 0
从零玩转人脸识别验证1
|
Java 数据库连接 计算机视觉
从零玩转人脸识别验证2
从零玩转人脸识别验证
95 0
|
机器学习/深度学习 计算机视觉
使用python3.7和opencv4.1来实现人脸识别和人脸特征比对以及模型训练
OpenCV4.1已经发布将近一年了,其人脸识别速度和性能有了一定的提高,这里我们使用opencv来做一个实时活体面部识别的demo
使用python3.7和opencv4.1来实现人脸识别和人脸特征比对以及模型训练
|
API 数据库
身份证实名认证接口验证不一致的原因
身份证是每个公民最常用的身份证明,随着当今互联网的快速发展,日常生活中越来越多的场景需要进行身份核验,以身份证实名认证为基础的网络实名制也引起了各行业的关注,随着实名制认证应用情景的多元化,众多网络平台对实名制验证机制的要求也越发严格。
589 0
身份证实名认证接口验证不一致的原因
|
算法 生物认证 语音技术
基于ORL人脸数据库和PCA特征降维算法的人脸识别matlab仿真
基于ORL人脸数据库和PCA特征降维算法的人脸识别matlab仿真
210 0
|
机器学习/深度学习 人工智能 数据可视化
【人工智能】机器学习之运用特征脸(eigenface)和sklearn.svm.SVC进行人脸识别
运用特征脸(eigenface)和sklearn.svm.SVC进行人脸识别。 首先需要下载一个经过预处理的数据集,从数据集中找出最有代表性的前5人的预期结果
283 1
【人工智能】机器学习之运用特征脸(eigenface)和sklearn.svm.SVC进行人脸识别
下一篇
无影云桌面