维护系统安全的自行车道理

简介:

7月份struts2官方自曝高危漏洞,厂商安全公告:S2-016,S2-017

国家计算机网络应急技术处理协调中心安全公告编号:CNTA-2013-0022

 

咋办?简而言之,升级到最新版本呗!

 

对于安全问题,我总结如下:

 

只要系统在使用,就没有绝对的安全。但是,骇客也是要吃饭的,无利不早起。因此,一般系统安全的基本原则就是抬高门槛,最好能做到骇客攻击的成本大于收获。骇客的成本一是被抓住的风险,二是时间付出。还有一个更实际一些原则就是在同类系统中做到相对安全,你懂的。

 

以上是我在维护自行车安全的“实践”中总结出来的道理。维护自行车安全的基本原则就是上两把锁(假定一把锁的情况居多),还有一个更实际一些的原则就是停放在“好车”附近。自合理运用这两条原则以来,我第一辆自行车骑了3年,直到从学校毕业时带不走决定送人;第二辆自行车骑到了可以报废(也可以说不值得修),不想要了,留给小区物业卖废品。

 

“自行车道理”运用在7月份struts2漏洞事件上,基本原则当然是系统升级。不幸的是,我负责的这个系统底层软件版本有点低,短时间内升不上去呀!嘿嘿,这个系统里面的数据大概只有用户自己能明白吧,别人偷了去,不明白还好,误导了不好!就这样,我于心不安的渡过了几个月(干更重要的事情去),直到被领导问话,怎么别人都上进了,就你还在原地踏步?想不升(漏洞想别的办法补),很难呐。升级过程中遇到一个convertFromString不执行问题。用过struts的同学都知道XXX-conversion.properties中可以指定自己的类型转换方法。一个报表这么用挺好,另外一个报表用同样的方法,愣是刷不出数来!调试发现convertFromString压根就没执行!啥情况?Action中set/get方法与properties中的配置不一致,实际上俺们系统就是一个该大写字母的地方用了小写字母“而已”。就这样我们奋战了三天,终于让系统焕然一新!

 

最后讲个故事,真实的故事。大名鼎鼎的CHI病毒,有一天终于爆发了。俺们宿舍有一台电脑,是为数不多的之一,居然逃过了一劫。为什么呢?这台电脑有点老旧,对CHI居然不感冒:)

 




 本文转自 hexiaini235 51CTO博客,原文链接:http://blog.51cto.com/idata/1333477,如需转载请自行联系原作者


相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3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。
292 164
|
2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。
303 155
|
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: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。
233 113
|
11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。
809 6