提高网络对抗能力,筑牢“网上长城”

简介:

2016年11月7日,十二届全国人大常委会第二十四次会议经表决,通过了《中华人民共和国网络安全法》。该部法律明确加强对个人信息的保护,打击网络诈骗,是我国网络领域的基础性法律。

近年来,网络和信息技术迅猛发展,已经深度融入我国经济社会的各个方面,极大地改变和影响着人们的社会活动和生活方式。在促进技术创新、经济发展、文化繁荣、社会进步的同时,网络安全问题逐渐浮出水面,网络世界亟待规范和管理。

“危机四伏”,网络安全问题日益凸显

随着网络时代的到来,国家安全的内涵正在发生深刻的变化,“没有网络安全就没有国家安全”成为国家战略共识。我国是名副其实的网络大国,但是由于在网络安全技术、安全防护机制上还不够成熟,加上互联网用户对信息安全的防护意识不强,手段不够,导致现有网络普遍存在安全问题,风险事件也时有发生,更有不法分子以此为契机,利用网络漏洞,对互联网金融平台进行攻击。据国家互联网应急中心最新数据显示,截至今年8月底,在中国8000余家互联网金融平台中,超过3400家平台存在异常,其中有118家高危网站被标志预警状态,相关网站及app漏洞有1877个,累计受到43万次攻击。

今年8月,山东准大学生徐玉玉因遭遇网络诈骗而猝死的事件引发了社会的极大关注,随后又有多起类似事件发生。在社会的密切关注下,事件的缘由逐渐浮出水面。正是由于某些机构或个人非法获取、泄露甚至倒卖公民个人信息,这些个人信息才被不法分子利用,从而导致各种网络诈骗、电信诈骗频繁发生,对社会安定和谐造成了不良影响。另外,利用网络侮辱诽谤他人、侵犯知识产权等违法活动时有发生,严重损害了公民、法人和相关组织的合法权益。

不仅如此,网络上充斥着各式各样的信息,积极的有,消极的也有,正面的有,诋毁抹黑的也有。负面信息无时无刻不在侵蚀着人们的头脑,久而久之,必定会对人们的人生观、世界观、价值观造成不良影响。看似平静祥和的网络世界,背后却隐藏着巨大的危机,网络安全问题越来越多地影响到人们的正常生活,影响到国家的安全稳定。

“一招制敌”,网络战夺取战争主动权

当前信息网络空间错综复杂,在被广泛应用的情况下,军事领域所面临的安全形势就显得更为严峻。2009年1月,法国海军内部计算机系统的一台电脑受病毒入侵,尔后迅速扩散到整个网络,导致整个计算机系统瘫痪,法国海军的全部战斗机因无法下达“飞行指令”而停飞两天。一个简单的病毒程序就导致一个国家的海军空中力量丧失战斗力,可见网络安全问题不可小觑。所幸之极,法国并没有遭受外敌的入侵。试想一下,如果这是一次蓄谋已久的行动,那么对于法国来说,这个病毒将是“致命之毒”。

如果说法国是幸运的,那么在2008年爆发的俄格冲突中,俄罗斯创造了网络战的经典战例,格鲁吉亚则不幸地成为网络战的牺牲品。在俄格战争全面爆发前,大量标有“win+love+in+Russia”字样的数据包突然涌向格鲁吉亚政府网站并使其完全瘫痪,总统萨卡什维利的照片被换成了希特勒的照片,格总统府网站整整瘫痪了24小时。当俄军对格鲁吉亚的军事行动全面开始后,俄罗斯对格鲁吉亚的网络攻击也全面展开,包括媒体、通信和交通运输系统在内的格鲁吉亚官方网站被攻击,无法正常运行。这对格鲁吉亚的军事行动造成了较大的影响,直接影响到了格鲁吉亚的战争动员与支援能力,从而为俄军顺利开展军事行动打开了通道,俄军因此夺得了此次战争的主动权。

“顺势应时”,稳固提高网络对抗能力

随着世界军事信息化水平的不断提高,现代军事斗争的方式在一定程度上已从传统的正面直接对抗转变为在网络空间的相互角力。在日常生活中,有些表面看似平常的网络攻击,其背后则是一次次带有军事色彩的网络入侵,看起来虽不动一兵一卒,但其打击效果却往往是致命的。这些行动大多以电信、能源、交通、金融以及国防军事、行政管理等重要领域的信息基础设施为攻击目标,这些事关国家命脉的关键领域,一旦被敌人攻破,其后果将不可想象。

面对如此复杂的网络安全局势,我们在享受网络技术带给我们方便和快捷的同时,一定要提高警惕,必须树立起网络主权意识,加强自身的认识,提升防御网络风险的能力,把网络安全问题消灭在萌芽阶段;面对网络对抗,我们要积极准备,认真对待,确保打赢信息化条件下的网络对抗。

本文转自d1net(转载)

目录
相关文章
|
4月前
|
机器学习/深度学习 TensorFlow 算法框架/工具
【Keras+计算机视觉+Tensorflow】DCGAN对抗生成网络在MNIST手写数据集上实战(附源码和数据集 超详细)
【Keras+计算机视觉+Tensorflow】DCGAN对抗生成网络在MNIST手写数据集上实战(附源码和数据集 超详细)
48 0
|
4月前
|
机器学习/深度学习 编解码 TensorFlow
【Keras+计算机视觉+Tensorflow】生成对抗神经网络中DCGAN、CycleGAN网络的讲解(图文解释 超详细)
【Keras+计算机视觉+Tensorflow】生成对抗神经网络中DCGAN、CycleGAN网络的讲解(图文解释 超详细)
55 0
|
4月前
|
机器学习/深度学习 算法 TensorFlow
轻量级的对抗生成网络库
轻量级的对抗生成网络库
40 1
|
10月前
|
机器学习/深度学习 编解码 人工智能
深度学习进阶篇[9]:对抗生成网络GANs综述、代表变体模型、训练策略、GAN在计算机视觉应用和常见数据集介绍,以及前沿问题解决
深度学习进阶篇[9]:对抗生成网络GANs综述、代表变体模型、训练策略、GAN在计算机视觉应用和常见数据集介绍,以及前沿问题解决
深度学习进阶篇[9]:对抗生成网络GANs综述、代表变体模型、训练策略、GAN在计算机视觉应用和常见数据集介绍,以及前沿问题解决
|
11月前
|
机器学习/深度学习 编解码 人工智能
NeuraIPS 2022 | 最新类别感知对抗Transformer分割网络CASTformer
NeuraIPS 2022 | 最新类别感知对抗Transformer分割网络CASTformer
189 0
|
机器学习/深度学习 人工智能 自然语言处理
ViTGAN:用视觉Transformer训练生成性对抗网络 Training GANs with Vision Transformers
ViTGAN是加州大学圣迭戈分校与 Google Research提出的一种用视觉Transformer来训练GAN的模型。该论文已被NIPS(Conference and Workshop on Neural Information Processing Systems,计算机人工智能领域A类会议)录用,文章发表于2021年10月。 论文地址:https://arxiv.org/abs/2107.04589 代码地址:https://github.com/teodorToshkov/ViTGAN-pytorch 本博客是精读这篇论文的报告,包含一些个人理解、知识拓展和总结。
|
机器学习/深度学习 编解码 异构计算
Text to image论文精读 StackGAN++: Realistic Image Synthesis with Stacked GAN(具有堆叠式生成对抗网络的逼真的图像合成)
这篇文章主要工作是:将原先的Stack GAN的两阶段的堆叠结构改为了树状结构。包含有多个生成器和判别器,它们的分布像一棵树的结构一样,并且每个生成器产生的样本分辨率不一样。另外对网络结构也进行了改进。 文章被2017年ICCV(International Conference on Computer Vision)会议录取。 论文地址: https://arxiv.org/pdf/1710.10916v3.pdf 代码地址: https://github.com/hanzhanggit/StackGAN-v2
Text to image论文精读 StackGAN++: Realistic Image Synthesis with Stacked GAN(具有堆叠式生成对抗网络的逼真的图像合成)
|
机器学习/深度学习 编解码 计算机视觉
Text to image论文精读 StackGAN:Text to Photo-realistic Image Synthesis with Stacked GAN具有堆叠生成对抗网络文本到图像合成
本篇文章提出了叠加生成对抗网络(StackGAN)与条件增强,用于从文本合成现实图像,被2017年ICCV(International Conference on Computer Vision)会议录取。 论文地址: https://arxiv.org/pdf/1612.03242.pdf 代码地址: https://github.com/hanzhanggit/StackGAN 本篇是精读这篇论文的报告,包含一些个人理解、知识拓展和总结。
Text to image论文精读 StackGAN:Text to Photo-realistic Image Synthesis with Stacked GAN具有堆叠生成对抗网络文本到图像合成
|
移动开发 算法 算法框架/工具
DL之DCGAN(Keras框架):基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成(保存h5模型→加载模型)
DL之DCGAN(Keras框架):基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成(保存h5模型→加载模型)
DL之DCGAN(Keras框架):基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成(保存h5模型→加载模型)