“白名单管理体系”提升中日纺织印染行业自律

2011年12月13日-15日．两场行业自律标准和白名单管理体系说明会分别在东京和大阪召开．标志着日本行业自律标准正式启动。日方对白名单管理体系给予了高度评价．认为白名单管理体系对纺织品安全进行主动管理．覆盖染色企业、出口商、进口商、零售商整条产业链．不仅是中日纺织品领域．     

用白名单脚本拦截垃圾邮件

一位Exchange管理员编写了一个批处理文件脚本，该脚本可以使用白名单来消除垃圾邮件。同时让公司继续保留它的智能邮件筛选器黑名单。[编者按]     

工信部公布“App黑白名单”成员

为了针对日益严重的移动互联网安全威胁进行控制,工业和信息化部领导下的国家互联网应急中心于近日启动了《移动互联网恶意程序黑名单规范》和《移动互联网应用自律白名单规范》的制定工作,全球服务器安全、虚拟化及云计算安全领导厂商趋势科技成为＂移动互联网应用自律白名单工作组＂的首批成员,将协力遏制恶意App,净化移动互联网安全环境。趋势科技全球执行副总裁暨亚太区总经理张伟钦表示：＂新型移动安全威胁层出不穷,需要多层面进行遏制,趋势科技非常荣幸成为‘移动互联网应用自律白名单工作组＇的首批成员,我们将承担信息安全产品与解决方案监测、拦截恶意移动互联网应用等职责,配合工信部及国家互联网应急中心,积极推动移动互联市场和产业的生态环境稳定、健康发展。＂     

换一种思路做安防——解析“一KEY通”病毒与木马防御系统

相信每一位电脑用户都对木马病毒深恶痛绝,它们的手段越来越先进和隐蔽,不知不觉中侵入你的计算机,飞速泛滥、层出不穷,使你防不胜防。却不知它们屡杀不尽的真正原因。如果总处在被动挨打的位置上,肯定谁都不会觉     

白名单，让UAC不再烦你

为了安全，微软在Windows Vista中自作聪明地加入了UAC，谁知道却被用户骂个狗血喷头。不智能，太多需要用户干涉的操作是大家诟病的焦点。Windows7中，虽然UAC智能了很多，不过也算不得上完美，我们最好手工调整一二……     

基于云安全的高级计量体系恶意软件检测方法

高级计量体系(AMI)中,智能电表主要依赖嵌入式硬件加密(ESAM)提供保护,遭破解后可能遭恶意软件攻击威胁。针对智能电表通信和计算资源有限的特征,提出了基于白名单的云安全防护方法。首先利用运行环境封闭固定的特点,在计量中心云端安全服务器中建立并维护合法进程白名单;然后在智能电表中安装运行进程检测模块,由其枚举出所有运行进程,计算唯一标识各进程的哈希值特征码并提交到云端安全服务器,与白名单进行对比即可检出含非法进程的表计。该模式仅需在智能电表中计算并上传进程特征码,可在有限的计算和通信资源约束下满足恶意软件检测需求,能够强化AMI的网络安全防护水平。     

一种基于信任/不信任的信誉攻击防御策略及稳定性分析

虽然各电子商务企业采用多种信誉评价机制解决消费者对卖方或平台的信任问题,但是信誉评价系统仍然频繁地遭受各种攻击.这些攻击致使卖方的信誉排名和推荐排名被操控,大量诚实消费者被误导而购买了质量较差的商品.有研究者提出综合考虑消费者之间的信任和不信任信息可以使消费者更好地抵御信誉攻击.然而,现有工作存在“信任或不信任信息融合不足”以及“使用一组顾问评价所有卖方”等局限性,因此导致卖方信誉评价的针对性和准确性较差.提出了一种新的防御策略——T&D,它综合考虑了消费者的可信和不可信2个方面.此外,该策略为消费者设置了白名单(存储若干个最信任的评价者)和黑名单(存储若干个最不信任的评价者).利用黑名单净化白名单,诚实消费者可以找到更可信的评价者并依据这些评价者的评分和诚实消费者自身的经历准确评估每个卖方的信誉值.模拟实验结果显示：该策略在评估准确性和稳定性方面明显优于现有防御策略.     

防治垃圾邮件的“并蒂莲花”——Norton AntiSpam 2004与McAfee SpamKiller

电子邮件是当今使用最为广泛的通信方式．但近年来垃圾邮件的出现给我们带来不小的麻烦。据有关机构统计，日常邮件中有近60％是垃圾邮件，这些害群之马不但给我们带来工作不便．还造成很大的经济损失。如何防治这些垃圾邮件是个很棘手的问题，各大软件厂商都推出自己的解决方案。下面针对个人用户，介绍两款防范垃圾邮件软件——Norton AntiSpam 2004与McAfee SpamKiller的使用方法。     

双层垃圾邮件过滤模型研究

设计了基于白名单技术与贝叶斯垃圾邮件过滤技术相结合的双层垃圾邮件过滤模型：利用实时白名单技术直接接收信任地址发来的邮件,对不在白名单中的地址发来的邮件,通过贝叶斯过滤技术进行邮件的正常性判断.该双层垃圾邮件过滤模型可以有效提高垃圾邮件的过滤精度.     

大数据环境下基于决策树的恶意URL检测模型

恶意网址URL检测一直是信息安全防御技术领域的研究热点之一。针对传统恶意URL检测技术无法自主探测未知URL,并且缺乏适应大数据时代发展的能力等问题,设计并实现了一种基于大数据技术,结合决策树算法与黑白名单技术的恶意URL检测模型。该模型基于Spark分布式计算框架,利用已知URL训练集提取特征、训练决策树分类模型,然后用已有分类模型对黑白名单无法检测出的URL进行分类预测,达到检测目的。实验证明,构建的检测模型具有很好的检测效果和稳定性。