搜索结果 - 安全内参 | 决策者的网络安全知识库

补天漏洞平台发布最受白帽黑客喜爱的安全工具榜

安全会议补天白帽大会 2021-09-18

期待未来能产生中国出品的IDA、Nmap、Metasploit等经典产品。

从《数据安全法》到“重要数据”的思考

大数据路云天网络安全研究院 2021-09-23

数据分类分级是实施数据安全保护措施的基础，是真正提出落地数据安全保护技术要求的基础。

CNCERT：医疗器械行业网络安全分析报告

医疗卫生关键基础设施安全应急响应中心 2021-09-23

由于医疗器械长期处于封闭简单的应用场景，因此产品在设计时强调设备的功能性及可用性，对安全性考虑不足，普遍存在安全漏洞且升级困难，通信协议缺少加密认证机制等安全隐...

Coremail2021邮件安全竞赛正式开幕，快来报名吧！

安全会议 CACTER 2021-09-23

2021年9月18日，由Coremail论客、奇安信集团、清华大学网络研究院、蚂蚁集团DataCon共同主办的2021 Coremail邮件安全大赛，正式开幕并启动报名！

应急管理部、公安部联合开展打击假冒政府网站制售假冒安全生产证书专项行动

监管中华人民共和国应急管理部 2021-09-23

重点打击利用互联网搭建假冒政府网站，提供假冒安全生产证书查验，涉嫌非法利用信息网络的违法犯罪行为，或为上述行为提供互联网接入、服务器托管、网络存储、通讯传输等技...

超过80%的企业计划在1年内实施零信任安全架构迁移

安全运营奇安信身份安全实验室 2021-09-23

Ericom发布一项零信任市场动态的调查，结果显示超过80%的企业计划在1年内向零信任安全架构迁移。

恒生研究院院长白硕：数据安全进入下半场

专家观察恒生LIGHT 2021-09-22

这一波数据安全的最本质特征，就是在完成数据确权的情况下，让数据的支配权回归数据的所有者，说成大白话也就是“谁的数据谁做主”。

美国众议院提议成立联邦贸易委员会 (FTC) 数据安全局

政务安全内参 2021-09-22

建立并运营新的数据安全局，负责管理贸易委员会内涉及隐私、数据安全、身份盗用、数据滥用等问题的不公平或欺诈行为。

Gartner 2021年云安全技术成熟度曲线中的四项必备技术

趋势洞察 Gartner公司 2021-09-22

Gartner 2021年云安全技术成熟度曲线（Gartner Hype Cyclefor Cloud Security）总结了29项关键技术，它们能够帮助企业机构实现可控、合规、经济的云战略。

Facebook：已在网络安全保障上投入逾130亿美元

互联网新浪科技 2021-09-22

Facebook表示，自2016年以来，它已经向网络安保投入130多亿美元。

上海合作组织信息安全合作的机制建设与挑战

政务中国信息安全 2021-09-21

信息安全领域的合作仍将是保障上合组织未来行稳致远发展的重要领域。为应对上述挑战，需要思考以下问题。

发展上合组织数字经济：基于数据安全合作的视角

政务中国信息安全 2021-09-21

落实上合组织元首峰会确定的政策目标还需要创造很多合作条件，其中，数据安全合作是关键。

拜登政府网络安全战略的调整与中国应对

政务时政国关分析 2021-09-20

我国须及时评估拜登政府网络安全战略调整带来的消极影响，妥善应对美国对华网络安全施压及挑战，进而有效管控好中美网络空间关系。

黑客入侵已威胁到太空安全

太空海洋数世咨询 2021-09-19

黑客入侵脆弱的太空设备可能会在几秒钟内使大众生活水平生生倒退几十年。

上合组织信息安全合作：进展、挑战与未来路径

政务中国信息安全 2021-09-18

上合组织站在第三个十年的历史新起点上，维护信息安全面临新的挑战和压力。

企业自动化市场爆发，安全自动化飙升171%

趋势洞察安全牛 2021-09-18

由于许多员工远程工作，企业需要锁定安全流程以确保网络和数据安全，安全性和合规性自动化增长了171%。

调查：全球主要国家的重大安全事件报告率

趋势洞察数世咨询 2021-09-17

纵览全球，过去两年间各个市场的安全事件报告率呈现出巨大差异。

安全厂商宣布公开REvil勒索软件主密钥

病毒木马 GoUpSec 2021-09-17

安全厂商Bitdefender近日发布了勒索软件REvil/Sodinokibi的免费通用解密密钥（主密钥）。

欧盟网络信息与安全局发布网络安全评估方法，为谁准备？

监管 E安全 2021-09-17

欧盟网络安全署(ENISA)发布了一项网络安全评估方法，用于行业ICT系统的网络安全认证。

机器学习与网络安全：炒作背后的真相

报告调查虎符智库账号 2021-09-16

对决策者和从业者来说，务实的做法是细致了解哪些任务可以从机器学习中受益，哪些任务不能。