研究表明,全球互联网流量竟有一半来自机器人

news/2024/5/22 3:45:10

据Cyber News消息,Thales Imperva Bad Bot近期做了一份报告,显示在2023年有49.6%的互联网流量竟来自机器人,比上一年增长 2%,达到自2013年以来观察到的最高水平。

报告称,这一趋势正对企业组织产生负面影响,每年损失可达数十亿美元。

报告观察到这些机器人流量的主要类型之一——恶意机器人流量正快速上升,在全球范围内占比达到 32%。恶意机器人是能够恶意运行特定任务的专用应用程序,可帮助网络犯罪分子实施网络盗窃或欺诈等网络犯罪活动。2023 年,账户接管攻击 (ATO) 增加了 10%,几乎一半的 ATO 攻击针对各类 API 端口,金融服务、旅游和商业服务是这些攻击最常针对的行业。

随着生成式人工智能和大型语言模型的运用,报告指出这些技术对机器人流量也起到了推波助澜的作用。一方面,在2023年网络抓取和自动爬虫机器人数量从 33% 增加到 39%,这些机器人主要是为训练大模型服务。另一方面,更加智能化的机器人能够更好地模仿人类行为,更善于逃避监管,这种现象在法律、政府、娱乐和金融服务行业最为突出。

恶意机器人流量的演进

报告称,早期的恶意机器人规避技术依赖于伪装成合法人类用户常用的用户代理(浏览器),现在,伪装成移动用户的机器人将占到了所有机器人流量的 44%。其中,攻击者将移动用户代理与住宅或移动互联网服务提供商结合起来,住宅代理服务器允许机器人运营商通过伪装成流量来源是合法的、由 ISP 分配的住宅 IP 地址来逃避检测。

Imperva 公司应用安全部总经理南希·辛格(Nanhi Singh)表示,这些自动化的机器人流量将很快超过来自人类的互联网流量比例,从而改变企业构建、保护其网站和应用的方式。

从简单的网络数据爬取到恶意账户接管、垃圾邮件和拒绝服务,机器人正不断降低在线服务质量,迫使企业组织在基础设施和客户支持方面进行更多投资,从而对其正常运行产生负担。

随着机器人流量将继续对全球企业组织产生深远影响,攻击者更加注重能导致账户泄露或数据外流的 API 相关滥用行为,企业必须积极应对这些来自恶意机器人的威胁。

参考来源:https://cybernews.com/news/most-internet-traffic-comes-from-bots/


http://www.mrgr.cn/p/70525533

相关文章

流程表单平台优点全介绍

针对流程表单平台的优点和特点,本文将做一个详细介绍。在数字化转型时期,借助低代码技术平台的发展优势,可以为企业提质增效、创造高质量的发展前景。流辰信息坚持自主研发创新,提供流程表单平台、低代码技术平台产品,助力企业做好数据治理工作,实现流程化管理。针对流程…

WEB3.0:互联网的下一阶段

随着互联网的发展,WEB3.0时代正在逐步到来。本文将深入探讨WEB3.0的定义、特点、技术应用以及未来展望,为读者带来全新的思考。 一、什么是WEB3.0? WEB3.0可以被理解为互联网发展的下一阶段,是当前WEB2.0的升级版。相较于2.0时代…

直方图与核密度估计

核密度估计(KDE)方法,相当于用多个波包的组合形式来近似一个真实的概率密度,以获得一个连续可微分的概率密度函数。本文通过一些简单的概率分布的示例,演示了一下KDE的使用方法。其实KDE的思想在很多领域都会以不同的形式出现,是一个比较基础的概率分布近似手段。技术背景…

ADB的基本语法及常用命令

学习网址 ADB命令的基本语法如下&#xff1a; adb [-d|-e|-s <serialNumber>] <command> 如果有多个设备/模拟器连接&#xff0c;则需要为命令指定目标设备。 参数及含义如下&#xff1a; 常用命令如下&#xff1a; 1. 启动ADB服务 adb start-server 2. 停止…

AI智能分析视频质量诊断系统解决方案建设思路与设计

一、建设背景 随着安防视频覆盖日趋完善&#xff0c;视频在安全管理等方面发挥了不可替代的作用&#xff0c;但在使用过程中仍然存在视频掉线、视频人为遮挡、视频录像存储时长不足等问题&#xff0c;存在较大的安全隐患。 1&#xff09;视频在安全生产管理上作用日趋凸显&am…

电梯会议+原型展示

视频效果展示:原型展示PPT:

Docker+Uwsgi+Nginx部署Django项目保姆式教程

之前&#xff0c;我和大家分享了在docker中使用uwsgi部署django项目的教程。这次&#xff0c;为大家带来的是使用DockerUwsgiNginx部署Django项目。废话不多说&#xff0c;我们开干。 步骤1&#xff1a;使用命令创建一个django项目 我这里python版本使用的是3.9.x 首先&#…

Go 单元测试之HTTP请求与API测试

目录一、httptest1.1 前置代码准备1.2 介绍1.3 基本用法二、gock2.1介绍2.2 安装2.3 基本使用2.4 举个例子2.4.1 前置代码2.4.2 测试用例 一、httptest 1.1 前置代码准备 假设我们的业务逻辑是搭建一个http server端,对外提供HTTP服务。用来处理用户登录请求,用户需要输入邮箱…

10_QT系统移植之在开发板上部署QT运行环境

QT系统移植之在开发板上部署QT运行环境 一.开始部署 1.我们在Ubuntu新创建一个文件夹,然后把我们用busybox做好的文件系统拷贝到这个文件下。如下图所示:2.然后我们解压这个根文件系统到当前所在的路径下。3.我们在这个解压出来的根文件系统下新创建一个opt的文件夹,如下图所…

09_QT系统移植之交叉编译QT源码和触摸源码

QT系统移植之交叉编译QT源码和触摸源码 交叉编译QT源码 一.源码下载 ​ QT官网下载: http://download.qt.io/new_archive/qt/5.7/5.7.1/ 二.编译环境 开发环境:Ubuntu16 编译器:arm-2014.05-29-arm-none-linux-gnueabi-i686-pc-linux-gnu.tar.bz2 三.编译触摸 触摸源码…

【Textin.com】智能文档处理系列 - 电子文档解析技术全格式解析

一、引言 在当今的数字化时代&#xff0c;电子文档已成为信息存储和交流的基石。从简单的文本文件到复杂的演示文档&#xff0c;各种格式的电子文档承载着丰富的知识与信息&#xff0c;支撑着教育、科研、商业和日常生活的各个方面。随着信息量的爆炸性增长&#xff0c;如何高效…

Midjourney常见玩法及prompt关键词技巧

今天系统给大家讲讲Midjourney的常见玩法和prompt关键词的一些注意事项&#xff0c;带大家入门&#xff5e;&#xff08;多图预警&#xff0c;建议收藏&#xff5e;&#xff09; 一、入门及常见玩法 1、注册并添加服务器&#xff08;会的童鞋可跳过&#xff5e;&#xff09; …

Linux之根分区扩容

前言Linux根分区扩容是运维中必不可少的操作,扩容之前需要清楚系统的根分区是逻辑卷还是一块磁盘,根据不同的情况进行不同的扩容操作。相关概念MBR和GPTMBR(Master Boot Record)(主引导记录)和GPT(GUID Partition Table)(GUID意为全局唯一标识符)是在磁盘上存储分区信…

Comate代码问答侧边栏区域使用体验

相信一直使用Comate的同学已经察觉到了 “侧边栏好像变得不一样了?” 没错! Comate侧边栏2.0来啦!新年新气象,侧边栏也要新! 🌈 侧边栏现在的功能? 基于文心大模型和飞桨能力,可以在侧边栏技术问答区域通过自然语言生成代码。你可以在这里问任何想问的技术问题!例如:…

【Vue + keep-alive】路由缓存

一. 需求 列表页&#xff0c;n 条数据项可打开 n 个标签页&#xff0c;同时1条数据项的查看和编辑共用一个标签页。如下所示&#xff1a; 参考 // 主页面 // 解决因 路由缓存&#xff0c;导致 编辑后跳转到该页面 不能实时更新数据 onActivated(() > {getList() })二. 实现…

Flutter 之 HTTP3/QUIC 和 Cronet 你了解过吗?

虽然 HTTP3/QUIC 和 cronet 跟 Flutter 没太大关系&#xff0c;只是最近在整理 Flutter 相关资料时发现还挺多人不了解&#xff0c;就放到一起聊聊。 本篇也是主要将现有资料做一些简化整合理解。 前言 其实为什么会有 HTTP3/QUIC &#xff1f;核心原因还是现有协议已经无法满…

基于GAN的图像补全实战

数据与代码地址见文末 论文地址:http://iizuka.cs.tsukuba.ac.jp/projects/completion/data/completion_sig2017.pdf 1.概述 图像补全,即补全图像中的覆盖和缺失部分, 网络整体结构如下图所示,整体网络结构还是采取GAN,对于生成器,网络结构采取Unet的形式,首先使用卷积…

Spyder修改python解释器

Spyder更改为python3.10解释器因为系统安装的python版本为3.10,但是官网下载最新的Spyder内置python版本为3.7.9,强迫症一犯就想着更改成3.10,步骤如下: 偏好里面更改控制台的运行方式(根据个人习惯设置就行,这里设置在专用控制台运行) 安装IPython先用pip3 list查看一下…

你的数据库用对索引了吗?一文揭秘PolarDB XPlan索引选择

深度解读PolarDB分布式版XPlan的索引选择​对于数据库来说,正确地选择索引是基本要求,选错索引轻则导致查询缓慢,重则导致数据库整体不可用。PolarDB分布式版存在多种不同的索引:局部索引、全局索引、列存索引、归档表索引。局部索引就是单机数据库上常用的索引,目的是避免…

论文复现---MUTANT

Robust anomaly detection for multivariate time series through temporal GCNs and attention-based VAE 基于时序神经网络和基于注意力的VAE的多变量时间序列鲁棒异常检测 https://github.com/Coac-syf/MUTANT * numpy1.21.2* torch1.9.1* scipy1.7.1* scikit-learn0.24.2*…