من امنیت رایانه را مطالعه می كنم و مقالاتی را در مورد استفاده بالقوه از روش استخراج الگوی متوالی در محصولات IDPS می خوانم:
من کنجکاو هستم كه كسی از شما این الگوهای متوالی را دیده باشد یا در عمل قانونی برای آنها تنظیم كنید در یک سیستم SIEM یا IDPS. این تصور را دارم که اکثر محصولات فقط از قوانین ارتباط پشتیبانی می کنند و توالی وقایع ، بسته ها و غیره را تجزیه و تحلیل نمی کنند. من فکر می کنم برخی از حملات تنها با بررسی توالی قابل شناسایی هستند ، زیرا یک رویداد یا بسته حاوی اطلاعات کافی نیست در مورد حمله مداوم حدس می زنم بیشتر افراد این کار را به جای استفاده از الگوریتم های الگوریتم استخراج متوالی و تطبیق دستی انجام می دهند یا از یک سیستم کاملاً خودکار استفاده می کنند و حتی از این نوع فیلتر کردن اطلاعاتی ندارند. من درست می گویم یا این در عمل استفاده می شود؟
من از یک زوج مجازی استفاده می کنم که دارای پروکسی هستند و متوجه می شوم که اثر انگشت مرورگر در سراسر مجله VM باعث مشکلات زیادی می شود. من همچنین با مرورگر ایجاد شده در داخل ماشین نشت می کنم که از VM استفاده می کنم. ممکن است به نظر یک سوال n00b باشد ، اما آیا کسی می تواند بهترین راه حل را برای استفاده از چندین مرورگر دستگاه VM بدون 1 – به وب سایت اجازه می دهد شناسایی کند که من از یک ماشین مجازی استفاده می کنم / مانند یک کاربر طبیعی و 2 به نظر می رسد – از ارتباط بین 2 یا چند مرورگر مجزا مجازی ، به عنوان مثال از طریق انگشت نگاری مرورگر یا روش های دیگر؟
COVID-19 ، که با نام Coronavirus بهتر شناخته می شود ، یک بیماری مخزنی است که در بیش از 100 کشور شیوع یافته و توسط سازمان بهداشت جهانی (WHO) اعلام شده است. اما اگر بیش از پنج دقیقه آنلاین بگذرانید ، می بینید که فردی فریاد می زند که 5G دلیل واقعی بیماری های افراد است. به عبارت ساده ، این ادعاها در واقع نادرست هستند.
5G چیست و آیا می تواند باعث ویروس شود؟
5G نسل پنجم فناوری ارتباط بی سیم است که تلفن های هوشمند و سایر دستگاه ها برای ارتباط و اتصال به اینترنت استفاده می کنند. همانطور که با 4G LTE ، 3G و همه چیز قبل از آن ، شبکه بی سیم از طریق امواج رادیویی منتقل می شود ، بخشی غیر مضر از طیف الکترومغناطیسی.
اکثر ادعا می کنند که شما به صورت آنلاین بخوانید ناشی از این واقعیت است که امواج رادیویی از نظر فنی تابش می کنند. . اگرچه این کلمه به نظر منفی است ، اما همه اشعه ها بد نیستند. از آنجا که رادیو غیر یونیزه کننده است و الکترون ها را تحریک نمی کند و آنها را از مدار خارج نمی کند ، 5G نمی تواند باعث آسیب DNA ، ایجاد سرطان یا ایجاد Coronavirus شود. هر مطالعه ای که در غیر این صورت ادعا می کند کاذب و نادرست ثابت شده است.
مرتبط: چقدر باید نگران خطرات سلامتی 5G باشید؟
5G نظریه های توطئه Coronavirus چیست؟
ذکر شد ، تئوری های توطئه در مورد 5G و سایر فن آوری های جدید چیز جدیدی نیستند. متأسفانه ، به نظر نمی رسد که مردم به یاد داشته باشند که دیگران آنلاین ، همانطور که اکنون در حدود 5G هستند ، همان ادعاهایی راجع به Wi-Fi ، 4G و سایر امواج رادیویی انجام دادند. . بسیاری از این ادعاها را شامل می شود که آنها اطلاعاتی را به صورت آنلاین یافتند که "ثابت می کند" که بیماری تنفسی که بسیاری از آنها از کروناویروس رنج می برند ، ناشی از وجود حدود 5G است.
توجه: ما هیچ ارتباطی با آنها برقرار نکرده ایم. از پستهایی که ادعاهای دروغین ساخته شده در تصاویر زیر را شامل می شود. ما نمی خواهیم به گسترش پیام های جعلی که برای ترساندن مردم استفاده می شود ، کمک کنیم.
نظریه هایی که شامل چندین نقشه هستند که ادعا می کنند همبستگی بین توسعه 5G و ظهور موارد Coronavirus ساده ترین مورد تأیید است.
در مثال زیر ، AT&T ، Verizon ، T-Mobile و دیگران تصمیم به استقرار 5G در شهرهای بزرگ با جمعیت زیادی گرفتند. انجام این کار باعث می شود تا شرکت های حمل و نقل قبل از حرکت به حومه شهرهایی که اجتماع در آن بیشتر است ، به مشتریان ممکن دسترسی پیدا کنند.
شهرهای بزرگ چه چیز دیگری دارند؟ فرودگاه های بین المللی و جمعیت بیشتر در هر مایل مربع. ما می دانیم که Coronavirus از خارج از کشور شروع به کار کرده و به دلیل مسافرانی که قبلاً آلوده شده بودند ، در کنار هم قرار گرفت. هنگامی که ویروس در شهر است ، انتقال آن به دیگران به طور تصادفی به راحتی در سراسر منطقه بسیار آسان است.
و ، در آخر ، ما این ادعا را داریم که هزاران بار به اشتراک گذاشته شد در فیس بوک و سیستم عامل های دیگر رسانه های اجتماعی. در اینجا باید شکسته شود ، اما با این ادعا که Coronavirus در چین آغاز شده است آغاز می شود زیرا اولین کسی بود که بیش از 100000 برج 5G ساخت.
اول ، بله ، چین بیش از 100،000 برج 5G ساخته است. حتی اگر این تعداد جادویی با شیوع علائمی که توسط هزاران نفر احساس می شود ، ارتباطی داشته باشد ، در حال حاضر هیچ مدرکی مبنی بر دستیابی به اولین کشور در این کشور به 100000 نفر وجود ندارد.
دوم ، بنیاد بیل و ملیندا گیتس کمک های مالی را در این زمینه انجام داده اند. تحقیقات Coronavirus به امید یافتن درمانها و احتمالاً واکسن. جایی که این شخص اطلاعات خود را درباره گیتس در حال توسعه ویروس یا ادعای عجیب و غریب مبنی بر اینکه واکسن شامل میکروچیپ ها خواهد شد ، رمز و راز است برای همه.
سرانجام ، ادعا می کند که هزاران نفری که قبلاً از تاج کورون درگذشته اند ، همه بازیگران هستند نقض کد اخلاقی جدی برای هر کسی است که به اشتراک گذاشتن این نوع از اطلاعات غلط می پردازد.
ارتباط: چه ارتباطی با "فاصله اجتماعی" دارد. و آیا واقعاً مؤثر است؟
کاری که می توانید برای مبارزه با اطلاعات غلط انجام دهید
اگر با نظریه های توطئه مشابه روبرو شوید ، باید پست ها را به فیس بوک ، توییتر ، اینستاگرام یا هر سیستم عامل دیگری که می بینید این نوع خطرناک را گزارش کنید. پیام ها در گسترش مداوم اطلاعات نادرست و مضر می تواند باعث شود كه افراد نتوانند اقدامات بهداشتی مناسب را انجام دهند ، و به پزشك خود اعتقاد ندارند در صورت انقباض Coronavirus و خیلی موارد دیگر.
در زمانی كه خبرهای جعلی می توانند در اینترنت سرخ شوند. از یک چشم ، این مهم است که هر چیزی (به ویژه ادعاهای عجیب و غریب) را که آنلاین می خوانید ، بررسی کنید.
5G Is You Saking You Sick Your Sick
Coronavirus یک ویروس است. هیچ سوالی در این مورد وجود ندارد. پزشکان و دانشمندان در سراسر جهان از زمان نخستین بار در مرحله جهانی در حال تحقیق در مورد این بیماری هستند و با عجله به دنبال معالجه هستند و به جلوگیری از شیوع آن کمک می کنند. هر ادعایی مبنی بر اینکه 5G باعث بروز مشکلات بهداشتی می شود ، کاملاً نادرست است و در نهایت مضر است.
ربط: همه چیز از بین می رود ، بنابراین این یک ناخواسته ناز مثبت برای روشن کردن روز شما است [19659006] به یاد داشته باشید ، اگر می خواهید به محافظت از سلامتی شما ، خانواده و افراد جامعه خود کمک کنید ، دستان (و دستگاه های هوشمند) خود را مرتبا بشویید ، مدتی را در خانه با خانواده بگذرانید و بسیار بازدید نکنید. در صورت عدم نیاز مناطق پرجمعیت همچنین ، این شخص نباشید.
چند سال پیش ، حریم خصوصی اخبار آنلاین در مورد نوع جدیدی از نظارت ، که در محل کار اتفاق می افتد نوشت. در آن زمان هدف این سیستم ها توجه به کارگران بود و آنها اغلب برای شناسایی مشکلات طراحی می شدند. اما دو سال زمان طولانی در دنیای دیجیتال امروز است و همه چیز به طور قابل توجهی پیش رفته است. به عنوان مثال ، در سال 2017 هوش مصنوعی (AI) قبلاً برای نظارت بر محیط کار اعمال شده بود ، اما تا حد زیادی برای کمک به تجزیه و تحلیل الگوهای کار ، و پرچم گذاری ناهنجاری ها بود. هوش مصنوعی امروز قادر تر و مداخله گرتر است. دیگر رضایت ندارد که به صورت استعاری بنشینیم و فقط تماشا کنیم که کارگران مشاغل خود را طی کنند. اکنون شروع به کنترل آنها می کند. گزارشی از داده و جامعه این موضوع را "مدیریت الگوریتمی" توصیف می کند:
[Its] ظهور در محل کار با عزیمت از ساختارهای مدیریتی قبلی که بیشتر بر روی ناظران انسانی به کارگران متکی هستند ، مشخص می شود. مدیریت الگوریتمی مقیاس گذاری کارها را به عنوان مثال با هماهنگی فعالیت های کارگرهای بزرگ و تفکیک شده یا استفاده از داده ها برای بهینه سازی نتایج مطلوب مانند هزینه های پایین تر کار امکان پذیر می کند.
در این گزارش پنج عنصر اصلی مدیریت الگوریتمی انتخاب شده است: "داده های پرکار جمع آوری و نظارت کارگران از طریق فناوری "؛ پاسخگویی در زمان واقعی؛ تصمیم گیری خودکار یا نیمه خودکار؛ ارزیابی عملکرد انجام شده توسط سیستم های AI بر اساس معیارهای نسبتاً ساده؛ و استفاده از "gudges" و مجازات برای تأثیرگذاری بر رفتار کارگران.
گزارش داده و جامعه اشاره می کند که بسیاری از این ویژگی ها برای اولین بار در شرکت هایی که به عنوان بخشی از اقتصاد "گیگ" فعالیت می کنند – به عنوان مثال ، Uber. استفاده از نیروی کار در حال تغییر و توزیع ، به هیچ وجه نیاز به این نوع "نظارت مستمر و نرم" دارد. با این حال ، نکته قابل توجه این است که صنایع سنتی نیز چگونه از این رویکرد استقبال می کنند ، حتی اگر آن را کاملاً لازم نباشد.
این توسط مقاله طولانی در The Verge نشان داده شده است ، که واقعیت مدیریت الگوریتمی را برای افرادی که باید کار کنند نشان می دهد. در زیر آن. داستان ها شامل خانه داران هتل هستند که به وسیله نرم افزار به آنها دستور داده اند که اتاق ها را به روش هایی که خواستار و تخلیه آنها هستند تمیز کنند ، اما در عین حال هر چند فایده ای را برای بازدید کنندگان هتل ایجاد می کنند. با کمال تعجب ، ویژگی های آمازون که وسواس کارآیی دارند. این فقط فرسودگی نیست که مدیریت الگوریتمی بی امان می تواند منجر به آن شود ، بلکه به میزان بالایی از صدمات کارگران نیز منجر می شود. شاید ساده ترین کار برای نظارت و مدیریت الگوریتمی نوشتن کد باشد. هر ضربه ای را می توان ضبط کرد ، هر مکثی ذکر شد ، و از وب کم رایانه می توان برای نظارت تصویری از برنامه نویس هنگام کار خود استفاده کرد. این تجربه مارک رونی ، مهندس نرم افزار در داکا ، بنگلادش ، با استفاده از "ابزار اندازه گیری بهره وری" WorkSmart است ، همانطور که در مقاله "Verge" شرح داده شده است:
این نرم افزار کلیدهای کلید ، کلیک ماوس و برنامه های کاربردی وی را ردیابی کرد. همه برای ارزیابی بهره وری او. او همچنین موظف بود دسترسی به این برنامه را به وب کم خود بدهد. هر 10 دقیقه ، برنامه به طور تصادفی سه عکس می گرفت تا از حضور او در میز کار اطمینان یابد. اگر رونی در آنجا نبود که WorkSmart عکاسی کند ، یا اگر این کار را تعیین کرد که کار وی در زیر آستانه مشخصی از بهره‌وری قرار گرفته است ، برای آن بازه 10 دقیقه‌ای پول دریافت نخواهید کرد. شخص دیگری که با رونی شروع به کار کرد ، از دسترسی به وب کم نرم افزار امتناع کرد و شغل خود را از دست داد.
تجربه آنجلا ، که در یک مرکز تماس با بیمه کار می کرد ، به آنچه که احتمالاً با یک مدیریت الگوریتمی تبدیل به یک مسئله جدی می شود ، اشاره می کند. مشاغلی که به مهارتهای بین فردی احتیاج دارند کیفیت اصلی در این زمینه "همدلی" است ، بنابراین نظارت در محیط کار به طور طبیعی در تلاش است تا این امر را اندازه گیری کند و کارگران را تحت فشار قرار دهد تا بیشتر از این نشان دهند. اما یک مشکل بزرگ در اینجا وجود دارد:
این عادت مرسوم است که مهارت های بین فردی مانند همدلی یکی از نقش هایی خواهد بود که انسان پس از به دست آوردن روبات ها ، به انسان ها واگذار می شود ، و این اغلب به عنوان یک آینده خوش بینانه رفتار می شود. اما مراکز تماس نشان می دهند که چگونه می توان آن را به راحتی تاریک کرد: اتوماسیون افزایش همدلی مورد نیاز کارگران و سیستم های خودکار که برای ایجاد همدلی بیشتر از آنها یا حداقل تقریب قابل خواندن با ماشین از آن استفاده می شود. آنجلا ، کارگری که با [the call center evaluation software] Voci مشغول است ، نگران این است که از آنجا که از AI برای خنثی کردن تأثیرات شرایط کار استفاده می شود ، کار او همچنان به صورت ناخوشایند تر می شود.
این تجربه برخی از مسائل مهم دیگر را با استفاده از سیستم های خودکار برای مدیریت قرار می دهد. مردم. به عنوان مثال ، در افراطی ساده لوحانه به نظر می رسد كه فکر می کنیم چیزی به اندازه "همدلی" پیچیده و گنگ است که نمی تواند تنها توسط مجموعه الگوریتمها شناسایی شود ، بلکه با توجه به نوعی درجه بندی به منظور درخواست تغییر در رفتار کارگر. این در مورد بسیاری از جنبه های دیگر کار صادق است. به سادگی نمی توان مهارت های یک مدیر خوب انسانی را به خطوط کد هوش مصنوعی تقسیم کرد ، مهم نیست که چه تعداد یا چه اندازه خوب نوشته شده باشد – حداقل ، هنوز هم نیست.
علاوه بر این ، تلاش برای انجام این کار چالش های معمول را با خود به همراه می آورد. با سیستم های هوش مصنوعی به عنوان مثال ، فرضیات اصلی برنامه ها ممکن است حاوی تعصبات پنهان باشد. و حتی اگر این حداقل ها باشد ، مدیران الگوریتمی همچنان جعبه های سیاه برای کارگران هستند ، که هرگز به آنها گفته نمی شود که چرا تصمیم گیری در مورد آنها گرفته می شود یا به هر فرصتی برای تجدید نظر در مورد آن داده می شود. در واقع ، انتقال از مدیریت سنتی و مبتنی بر رایانه ، روشی از عینیت را فراهم می کند که احتمالاً تصمیم گیری را برای کارگران دشوارتر می کند ، زیرا به نظر می رسد آنها متلاشی و منطقی هستند.
نکته اصلی این است که این به طور فزاینده ای بی حس می شود. و نهایتا روش ضد تولید در مدیریت مردم فقط به دلیل نظارت مستمر و دقیق در محل کار امکان پذیر است. یکی از راه های متوقف کردن این فقدان بشریت ، مبارزه با از بین رفتن حریم خصوصی است که آن را زیرپا می گذارد.
تصویر برجسته توسط اسکات لوئیس.
درباره Glyn Moody
Glyn Moody یک روزنامه نگار آزاد است که در مورد حریم شخصی می نویسد و صحبت می کند ، نظارت ، حقوق دیجیتال ، متن باز ، حق چاپ ، حق ثبت اختراعات و موضوعات کلی سیاست مربوط به فناوری دیجیتال. وی شروع به پوشش استفاده از مشاغل اینترنت در سال 1994 كرد و اولین ویژگی اصلی را در مورد لینوكس نوشت ، كه در اوت 1997 در Wired ظاهر شد. كتاب وی با نام "Rebel Code" اولین و تنها تاریخ كامل در مورد ظهور منبع آزاد است. ، در حالی که کار بعدی او ، "کد دیجیتال زندگی" ، به بررسی بیوانفورماتیک – تقاطع محاسبات با ژنتیک می پردازد.
نتیجه ی این عمل و نمکی 1 به صورت جانبی در همان جدول ذخیره می شوند ، بیایید کاربران بگوییم.
salt2 ، با این حال ، این است. در یک ردیف تصادفی در یک جدول جداگانه ذخیره شده به نام UnorderedSalts .
هنگامی که کاربر سعی در ورود به سیستم کند ، سیستم اعتبار خود را با محاسبه چک می کند:
for (let i = 0؛ i <UnorderedSalts. طول ؛ من ++)
if (sha384 (Users.salt1 + input.password + UnorderedSalts [i]) === Users.password)
بازگشت درست است؛ // مسابقه یافت شد!
بازگشت به دروغ؛ // هیچ کبریتی پیدا نشد
از آنجا که نمک2 در همان سطر ذخیره نشده است نمک و رمز عبور ، محاسبه باید بسته به در مورد چه تعداد کاربر تنظیم شده است.
سوال من این است:
آیا با افزایش زمان محاسبه احتمالی ، این سیستم برای سیستم ایمن تری ایجاد می کند؟
آیا این امنیت امنیتی رمز عبور را به خطر می اندازد؟
