殭屍網路（botnet）是指感染殭屍網路病毒的被劫持電腦/設備所組成的網路，讓駭客可以進行遠端控制。殭屍網路被用來寄送垃圾郵件和進行分散式阻斷服務攻擊(DDoS)攻擊，並且也可以出租給其他網路犯罪分子。殭屍網路也可以在沒有命令和控制（C&C）伺服器的情況下存在，只要透過點對點（P2P）架構和其他管理通道來將命令從一台殭屍電腦（bot）傳到另一台。
一開始，殭屍網路操作者使用IRC客戶端來傳遞指令並進行DDoS攻擊。而近來更多的殭屍網路運作包括挖掘比特幣、攔截正在傳輸的資料、將包含敏感使用者資訊的日誌發送給殭屍網路主人，以及消耗使用者電腦資源。見下圖： 繼續閱讀
本周資安新聞週報重點摘要，本文分享上週資安新聞及事件。你將會看到新聞的簡短摘要及原文連結來閱讀更詳細的見解。
媒體資安精選
折扣季當心詐騙 資安專家5個網購叮嚀 台灣蘋果日報網
男追以太幣大盜 抓到親兒 怪業者有漏洞 法院：已雙重驗證免賠 台灣蘋果日報
微軟IIS 6.0舊漏洞再被用來挖礦 iThome
搶劫流行搶比特幣？ 高投報難追查！刑案量恐持續攀升 ETtoday新聞雲
物聯網漏洞！駭客從溫度計侵入賭場資料庫，撈出豪賭大戶名單 INSIDE
透過電線偷取電腦資料，不連網也會中招 科技新報網
壯警苦心扮仙女 宣導「竄改電郵詐騙」 台灣蘋果日報網
俄羅斯法院下令封鎖 Telegram INSIDE
數萬CMS網站被駭，小心假更新訊息騙你下載惡意程式 iThome 繼續閱讀
機器學習並非一時的噱頭，而是一種不需人為介入就能讓電腦自動學習資訊的技術。它利用演算法來吸收大量資訊 (也就是訓練資料)，從中發掘一些獨特的模式，接著再分析這些模式，加以分類，進而對未曾見過的狀況做出預判。傳統的機器學習都是讓電腦學習如何解讀資訊，因為其資料都已經過人工標記，所以基本上，機器學習就是讓一個程式透過人工標記的資料模型來學習。
這項技術的獨特之處在於機器會培養出自己的直覺：藉由反覆接觸資料並從中歸納出規則，如此就不必每次都要針對新的狀況撰寫程式。但機器學習也不是沒有缺點：機器學習有可能出錯，因此應用時必須特別小心。1
在大數據當道的今日，機器學習顯得特別有用。我們日常當中每天都會接觸到機器學習，其應用包括：偵測電話語音當中的指令、Spotify 上的歌曲推薦、Amazon 上的購物推薦，還有 Waze 的最快路徑推薦等等。 繼續閱讀
我們在網路上購物、管理銀行帳戶、從事社交、工作與娛樂活動。但隨著我們日漸倚賴網路，相關的風險也與日俱增。駭客四處潛伏，伺機竊取我們的身分、掏空銀行帳戶，或是綁架電腦。因此，我們必須格外審慎，妥善保障自己的數位安全。
您或許聽過雙重驗證或兩步驟驗證 (2FA)，並好奇它究竟是什麼；其實 2FA 在網路安全的領域，已成為一項日漸重要的工具，若能搭配個人電腦/行動裝置安全軟體以及密碼管理程式，即可構成捍衛數位安全的「鐵三角」。以下是您必須瞭解的重點：
首先，2FA 為何如此重要？
資料外洩已成為新的常態。2017 上半年遭竊資料就超過 2016 全年總和。這些攻擊曾經重創全球最大的零售供應鏈 (Target、Home Depot、TJX)、飯店 (Hyatt、Hilton)、網際網路公司 (Yahoo、eBay、LinkedIn) 及其他眾多企業，從而大量竊取這些公司的客戶用來存取帳戶的帳密資訊。一旦取得憑證，罪犯便能劫持這些帳號 (以及其他共用密碼的服務) 來掏空財產、竊取更機密的個資，並以您的名義購買商品與服務。
目前已有數十億筆登入憑證資料在暗網 (dark web) 流通。去年，單是 Yahoo 一家業者，就承認有 30 億筆使用者記錄遭駭。2017 年 12 月，一處地下網站經發現設有 14 億筆遭竊帳密的資料庫供駭客使用，這是迄今已知規模最大的案件。
這些事件的教訓是什麼？採用良好的密碼安全機制，方為上策但是日益猖獗的入侵接踵而至，不但持續威脅登入憑證的機密性，也使得網路帳戶的安全管理更加棘手。而這就是雙重驗證派上用場的時刻。
這項機制如何運作？ 繼續閱讀
