三叉戟核武系统扛不住网络攻击 解决之道在于投入成本

简介: 本文讲的是 三叉戟核武系统扛不住网络攻击 解决之道在于投入成本,英国首相大卫·卡梅伦曾表示,三叉戟核武是英国作为一个主权国家的终极保险策略。但有人对此不以为然。

本文讲的是 三叉戟核武系统扛不住网络攻击 解决之道在于投入成本,英国首相大卫·卡梅伦曾表示,三叉戟核武是英国作为一个主权国家的终极保险策略。但有人对此不以为然。

image

英国前国防部长曾警告:三叉戟核武系统——政客常常鼓吹的英国防御潜在敌人的基础能力,有可能一场网络攻击就致瘫。

核武裁军组织“核威胁倡议”的现任副主席布朗恩近日就表达了对该技术先进武器系统如此重度依赖计算机系统,因而有可能被黑客摧毁的担忧。

“政府有义务向议会保证,该核威慑力量的所有系统都经过了针对网络攻击的端到端评估,以摸清可能的弱点所在,以及这些弱点被很好地防护起来不受高级网络威胁的侵害。如果他们不能做到这一点,就无法保证我们拥有可靠的威慑力,或者首相大人在需要的时候能够切实使用上这一力量。”

布朗恩引用了美国国防部科学委员会2013年的一份报告,报告称:无论是美国还是其盟友,都无法确信保护他们核武器的网络安全系统能够防护住来自经验丰富且资源充足的对手利用网络能力结合其所有军事和情报力量发起的攻击。

那么,三叉戟或其他核导弹系统的安全真得会被黑客捣毁吗?

现实情况是基础设施风险将不断上升,任何防御设施、国家公私基础设施服务都可能被黑,网络攻击的方法和手段一直都在推陈出新,全球越来越多的国家及非国家支持的黑客小组掌握网络武器和技术,甚至只需要一个具备相应知识的人就能造成损害。而且随着越来越多的计算机系统依赖于联网设备和物联网,自动化成为生活中常见组织部分,就必须保证公司或公共网络的每一个节点都持续接受脆弱点评估,必须加强关键基础设施的网络安全以免遭受攻击。

安全专家建议的解决方案:花钱

网络安全提供商Radware北欧地区主管艾德里安·克劳利认为,若有足够的投资,完全的防护是有可能做到的——只是需要大量的资金和合作。

“尽管这些投入看起来会非常高昂,却是现实的。它们折射出了所需的努力,包括在情报搜集和干扰与预防上所需的物理技术方面集成了国际合作的一套专门的本地计划。”

考文垂大学的西拉杰·艾哈迈德·谢赫博士同意此观点:

“保护像三叉戟这样的系统需要大量资源,国防产业和政府必须保证资金和各项技术是就位的。英国投入在系统安全上的关注有不断增长的趋势,这是英国国防利用这一丰富资源保护像三叉戟这种重要资产的好机会。但这也意味着英国确实需要在系统安全领域进行投入以确保在技能、技术和政策利益上有稳定的供应。”
英国财政大臣乔治·奥斯本最近誓言每年增加190万英镑到英国网络安全支出中去,但布朗恩则呛声说“这一数字在网络威胁挑战面前根本杯水车薪”。

原文发布时间为:十二月 3, 2015
本文作者:nana
本文来自云栖社区合作伙伴安全牛,了解相关信息可以关注安全牛。
原文链接:http://www.aqniu.com/industry/12172.html

相关文章
|
1月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
130 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
2月前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
346 55
|
13天前
|
机器学习/深度学习 数据可视化 算法
PyTorch生态系统中的连续深度学习:使用Torchdyn实现连续时间神经网络
神经常微分方程(Neural ODEs)是深度学习领域的创新模型,将神经网络的离散变换扩展为连续时间动力系统。本文基于Torchdyn库介绍Neural ODE的实现与训练方法,涵盖数据集构建、模型构建、基于PyTorch Lightning的训练及实验结果可视化等内容。Torchdyn支持多种数值求解算法和高级特性,适用于生成模型、时间序列分析等领域。
156 77
PyTorch生态系统中的连续深度学习:使用Torchdyn实现连续时间神经网络
|
3月前
|
监控 安全 Linux
在 Linux 系统中,网络管理是重要任务。本文介绍了常用的网络命令及其适用场景
在 Linux 系统中,网络管理是重要任务。本文介绍了常用的网络命令及其适用场景,包括 ping(测试连通性)、traceroute(跟踪路由路径)、netstat(显示网络连接信息)、nmap(网络扫描)、ifconfig 和 ip(网络接口配置)。掌握这些命令有助于高效诊断和解决网络问题,保障网络稳定运行。
143 2
|
4天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
40 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
7天前
|
机器学习/深度学习 编解码 测试技术
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 2024轻量化网络MoblieNetV4:移动生态系统的通用模型
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 2024轻量化网络MoblieNetV4:移动生态系统的通用模型
37 4
RT-DETR改进策略【模型轻量化】| 替换骨干网络为 2024轻量化网络MoblieNetV4:移动生态系统的通用模型
|
11天前
|
机器学习/深度学习 编解码 测试技术
YOLOv11改进策略【模型轻量化】| 替换骨干网络为 2024轻量化网络MoblieNetV4:移动生态系统的通用模型
YOLOv11改进策略【模型轻量化】| 替换骨干网络为 2024轻量化网络MoblieNetV4:移动生态系统的通用模型
39 8
YOLOv11改进策略【模型轻量化】| 替换骨干网络为 2024轻量化网络MoblieNetV4:移动生态系统的通用模型
|
1月前
|
机器学习/深度学习 监控 算法
基于yolov4深度学习网络的排队人数统计系统matlab仿真,带GUI界面
本项目基于YOLOv4深度学习网络,利用MATLAB 2022a实现排队人数统计的算法仿真。通过先进的计算机视觉技术,系统能自动、准确地检测和统计监控画面中的人数,适用于银行、车站等场景,优化资源分配和服务管理。核心程序包含多个回调函数,用于处理用户输入及界面交互,确保系统的高效运行。仿真结果无水印,操作步骤详见配套视频。
54 18
|
2月前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
220 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
9天前
|
监控 关系型数据库 MySQL
【01】客户端服务端C语言-go语言-web端PHP语言整合内容发布-优雅草网络设备监控系统-硬件设备实时监控系统运营版发布-本产品基于企业级开源项目Zabbix深度二开-分步骤实现预计10篇合集-自营版
【01】客户端服务端C语言-go语言-web端PHP语言整合内容发布-优雅草网络设备监控系统-硬件设备实时监控系统运营版发布-本产品基于企业级开源项目Zabbix深度二开-分步骤实现预计10篇合集-自营版
18 0

热门文章

最新文章