- 综合排序
- 最热优先
- 最新优先
检测IP地址欺诈风险“Scamalytics”
Scamalytics 是一个专注于检测IP地址欺诈风险及纯净度的在线工具平台，通过分析IP地址的历史行为和关联数据，帮助用户评估其安全性。 详细报告：提供IP的地理位置、运营商、代理状态、Tor使用情况等信息，帮助用户全面了解风险背景。 实时检测与拦截：可实时识别恶意IP地址，支持快速拦截潜在的网络攻击。 API集成：提供API接口，便于企业将检测功能集成到现有系统（如电商平台、支付系统）中，实现自动化风险监控。 主要优势提升安全性：通过拦截高风险IP，减少欺诈交易、虚假账户等行为，保护企业数据与用户隐私。 成本效益：自动化检测降低人工审核成本，同时避免因欺诈造成的业务损失。 应用场景电子商务：检测订单IP，防止虚假交易。 金融服务：监控高风险IP，防范非法转账或洗钱活动。 社交媒体：识别恶意IP以限制垃圾信息传播。 企业网络防护：阻止外部攻击IP渗透内部系统。
2.5K10编辑于 2025-04-21- 来自专栏顶象技术业务安全专栏
设备指纹也能检测业务风险？
基于设备指纹可以监测设备的运行状态，可以发现root（非法读取文件、反安全检测）、自动化工具（批量注册、活动作弊）、模拟器（自动注册小号、秒杀）、多开（虚假作弊、养号、）、改机、群控（薅羊毛、虚假流量） 识别模拟器/调试风险。设备指纹技术能够有效检测到设备终端环境和运行期风险，如，模拟器、越狱、调试、注入、攻击框架等。 除设备风险核验外，还有行业情报、IP风险核验、电诈风险核验、涉赌涉诈核验、交易风险核验等服务模块。 行业风险情报。 通过对涉赌涉诈网站/APP监测，基于同源DNS、CDN服务结合搜索引擎、论坛涉及的赌博、诈骗网站进行访问性检测，对涉赌涉诈特征识别，帮助银行发现涉赌账户信息。 交易风险核验。 基于对风险数据的人群画像、行为评分、关联关系分析、团伙欺诈挖掘、场景风险特征分析，以及专家专业经验的判断和定位后，提炼总结分析出电信诈骗风险、IP地址风险、设备风险、涉毒涉诈风险、交易风险以及不同行业风险的业务安全情报
2.6K10编辑于 2023-03-20 - 来自专栏云开发
做好内容安全检测，和风险说「再见」！（下）
前言 您将在本文中学习到通过云调用的方式对一段文本进行检测是否含有违规内容。 云函数中进行简单的配置一下,就可以实现文本内容的校验。 在前面一文中通过在小程序端请求云函数msgSecCheck1,通过request,request-promise请求微信提供的内容安全接口以及获取access_token,实现了对小程序端输入文本内容安全的检测 其实这个openapi.security.msgSecCheck已经集成到wx-server-sdk当中了的,对外您只需提供要传入检测的文本就可以了。 一、我们可以在插入数据库之前,通过前端弱校验以及接口的强校验,对内容进行检测,若内容合规,就插入数据库,不合规,就不让走下一步。 其实复杂的内部工作,都已经集成到wx-server-sdk当中了的,您只需要根据云开发官方内置的接口,传入所需要检测的字段,它就会给您返回一个结果。
1.7K10发布于 2020-06-03 - 来自专栏云开发
做好内容安全检测，和风险说「再见」！（上）
目录 前言 内容安全检测，是每一个小程序主都面临的“头疼”问题，轻则短暂性不可访问，重则永久封号，甚至关小黑屋。 本文将为您详细说明，如何在小程序中对一段文本进行合法内容检测，以判断是否含有违法违规内容。 接入内容安全检测,规避输入一些违法违规低俗等内容,避免幸辛苦苦开发出来的应用。 02.应用场景 检测小程序用户个人文字资料是否违规 针对特点词汇（如过于商业以及营销之类的词）可以进行过滤或禁止输入 在内容发布之前自动检测用户发表的信息（包括评论、留言等）是否违规 03.解决办法 围绕如何处理内容安全检测问题 接下来为大家重点介绍，如何通过小程序·云开发的云函数实现内容安全检测。
1.9K10发布于 2020-06-03 - 来自专栏FreeBuf
如何使用Spoofy检测目标域名是否存在欺骗攻击风险
关于Spoofy Spoofy是一款功能强大的域名安全检测工具，在该工具的帮助下，广大研究人员可以轻松检测单个目标域名或域名列表中的域名是否存在遭受欺诈攻击的风险。 该工具基于纯Python开发，可以根据SPF和DMARC记录来检测和判断目标域名是否可以被欺骗。
1.2K10编辑于 2023-12-28 - 来自专栏谢公子学安全
干货｜一款镜像风险检测工具使用全记录
最近在调研国内外开源的容器安全相关工具，发现了很多优秀的项目，国外的项目有 trivy、anchor 等，在漏洞检测这块做的很出色了；而国内的项目不多，关注非漏洞检测的工具更少，所以对长亭开源的问脉容器安全工具集比较感兴趣 首先，了解一下官方描述的具体功能： 支持镜像中五种威胁的检测：恶意样本、后门、弱口令、敏感文件、异常历史命令 支持镜像资产清点 支持扫描本地镜像、仓库镜像，支持集成dockhub/harbor等主流仓库 /parallel-container-run.sh scan-host ，使用所有已识别插件扫描本地所有镜像 发现其中一个高危的敏感信息，输出检测详情 查看当前插件列表 . /parallel-container-run.sh scan-host -g "**/veinmind-weakpass" ，指定只使用弱口令插件扫描 发现高危的弱口令风险，输出检测详情 使用宿主程序进行仓库镜像的检测 扫描本地镜像时检测出了好几个敏感信息和弱口令，看介绍恶意样本检测集成了 VT ，还是比较靠谱的，希望官方持续增加工具的检测规则，调研时提的 issue 集成 Jenkins 这么快就实现了，看来是专人维护
1.1K20编辑于 2022-11-22 - 来自专栏OpenSCA
2025开源SCA工具推荐 | 组件依赖包安全风险检测利器
，以识别和清点开源软件的组件及其构成和依赖关系，并检测是否存在已知的安全和功能漏洞、安全补丁是否已经过时或是否存在许可证合规或兼容性风险等安全问题，帮助确保企业软件供应链中组件的安全。 ，深度挖掘组件中潜藏的各类安全漏洞及开源协议风险。 许可合规分析，知识产权安全保障支持主流许可证的检出；分析开源许可证的合规性及兼容性风险04. 许可证风险：识别潜在的许可证合规问题。2. 2.3 查看检测结果检测完成后，生成的文件（如 output.html）将包含以下信息：组件清单：项目中的所有开源组件。漏洞信息：已知漏洞的详细描述及修复建议。许可证合规信息：识别潜在的许可证风险。
2.4K10编辑于 2025-03-07 - 来自专栏技术圈
经验风险、结构风险、正则项
称为“结构风险”描述的是模型f的某些性质。 ? 是经验风险，描述的是模型与训练数据的契合程度，C用于对二者进行折中。 经验风险 经验风险针对不同的学习模型有不同的计算方法。 结构风险 ? 又被称为正则化项，C被称为正则化常数，Lp范数是常用正则化项。 正则化项主要是在降低经验风险的同时能够降低最小化训练误差的过拟合风险。 L1范数和L2范数正则化都有助于降低过拟合风险，L1范数比L2范数更容易获得稀疏解，求得的解w会有更少的非零分量。
1.2K10发布于 2019-08-21 - 来自专栏网络安全技术点滴分享
Django SQL注入漏洞CVE-2025-13372：FilteredRelation安全风险检测工具
Django FilteredRelation SQL注入漏洞检测工具项目概述本项目提供了一个针对CVE-2025-13372漏洞的概念验证（PoC）检测工具。 该漏洞影响Django框架在使用PostgreSQL数据库后端时，结合FilteredRelation功能处理动态字典参数时可能引发的SQL注入风险。 功能特性多类型Payload检测：支持错误型、时间延迟型等多种SQL注入检测技术智能路径探测：自动尝试常见端点路径（如/search/, /api/filter/, /admin/lookup/等）响应分析 ：检测Django应用的安全性漏洞验证：验证CVE-2025-13372漏洞的修复情况渗透测试：在授权范围内测试目标系统的安全性手动检测建议如果自动检测未发现漏洞，可尝试：使用Burp Suite或ZAP # 如果检测到PostgreSQL错误特征或时间延迟，则表明目标可能受到漏洞影响。# 这种方法不依赖版本号检测，而是直接测试漏洞可利用性。
19210编辑于 2026-01-02 - 来自专栏FreeBuf
如何使用Packj检测恶意或高风险的开源软件包
关于Packj Packj是一款功能强大的代码安全检测工具，该工具本质上是一个命令行接口工具套件，可以帮助广大研究人员检测软件代码包中潜在的恶意或高风险代码，旨在缓解软件供应链攻击。 在该工具的帮助下，我们可以持续审查软件包并获取免费的风险评估报告。 工具下载 由于该工具基于Python 3开发，因此我们首先需要在本地设备上安装并配置好Python 3环境。 clone https://github.com/anil-yelken/Vulnerable-Soap-Service.git （向右滑动，查看更多） Packj提供了下列工具： Audit：用于检测软件代码包中的高位风险属性 Sandbox package installation to mitigate risks （向右滑动，查看更多） 工具使用 审计一个代码包 Packj可以审计开源软件包的“高风险 297.8K bytes] [C]ommit all changes, [Q|q]uit & discard changes, [L|l]ist details: （向右滑动，查看更多） 恶意软件检测
1.4K30编辑于 2022-11-14 - 来自专栏网络安全技术点滴分享
Cisco SMA 暴露面检测工具 - 快速识别CVE-2025-20393风险
Cisco SMA 暴露面检测工具项目概述这是一个轻量级、单文件的 Python 3 安全检测脚本，专为快速识别 Cisco Secure Email 和 Secure Malware Analytics 功能特性多端口并发扫描：快速检测目标主机上的关键端口，包括管理端口（443, 8080）、隔离区专用端口（6025）以及共享端口（82, 83, 8443, 9443）。 恶意软件 IOC 检测：在 HTTP 响应及原始 Socket Banner 中搜索 "AquaShell", "AquaTunnel", "Chisel", "AquaPurge" 等已知恶意软件模式 是否检测到 Cisco 专有路径。是否匹配到恶意软件特征码（IOC）。从响应内容中提取的设备版本号。核心代码1.
10600编辑于 2026-02-27 - 来自专栏最新最全的大数据技术体系
机器学习(八)经验风险与结构风险
1.11经验风险与结构风险 策略部分： 1.11.1 经验风险 模型f(x)关于训练数据集的平均损失称之为经验风险（emprical risk）或经验损失（empirical loss），记作R(emp ) 期望风险R(emp)是模型关于联合分布的期望损失，经验风险R(emp)是模型关于训练样本集的平均损失。 根据大数定律，当样本容量N趋于无穷时，经验风险R(emp)趋于期望风险R(exp)，所以一个很自然的想法就是利用经验风险估计期望风险。 但是，由于现实中训练样本数目有限甚至很小，所以用经验风险估计期望风险常常不理想，要对经验风险进行一定的矫正，这就是关系到监督学习的两个基本策略：经验风险最小化和结构风险最小化。 1.11.2 经验风险最小化 在损失函数以及训练数据集确定的情况下，经验风险函数式就可以确定，经验风险最小化(emprical risk minimization，EMR)的策略认为，经验风险最小的模型是最优模型
84340编辑于 2023-11-08 - 来自专栏腾讯安全
Windows MSHTML远程代码执行漏洞风险通告更新，腾讯安全支持全面检测拦截
2021年9月8日，微软官方发布风险通告，公开了一个有关Windows MSHTML 的远程代码执行漏洞。 有攻击者试图通过使用特制的Office文档来利用此漏洞，该漏洞风险为高，腾讯安全已捕获在野利用样本，腾讯安全全系列产品已支持对该漏洞的恶意利用进行检测拦截，建议Windows用户警惕来历不明的文件，避免轻易打开可疑文档 之后的版本已支持检测Windows MSHTML 远程代码执行漏洞风险； · 腾讯零信任无边界访问控制系统（iOA）、腾讯电脑管家均已支持在终端系统检测拦截利用Windows MSHTML 远程代码执行漏洞的攻击 时间线： 2021.9.7，微软官方发布风险通告； 2021.9.8，腾讯安全发布风险通告； 2021.9.9，漏洞POC、EXP及在野攻击样本均已出现。 腾讯安全全系列产品支持对该漏洞的恶意利用进行检测拦截。
88830发布于 2021-09-09 - 来自专栏网络安全技术点滴分享
内部网络GitLab审计：公开项目的安全风险与自动化检测
在内部渗透测试中，一个容易被忽视的敏感信息藏匿点就是那些明目张胆存在的密钥。也就是说，在内部网络的许多情况下，这些地方根本不需要身份验证。我指的是源代码管理平台，特别是GitLab。其他自托管平台可能也容易受到这种未授权技术的攻击，但我们将重点讨论GitLab。
41510编辑于 2025-08-29 - 来自专栏自学气象人
机器学习中的期望风险、经验风险、结构风险是什么？
要区分期望风险、经验风险、结构风险这三个概念，需要先讲一下损失函数L(Y,f(x))的概念。在机器学习中，损失函数主要是用来衡量模型的拟合程度，即表示模型预测值与真实样本值之间的差距。 总结经验风险和期望风险之间的关系： 经验风险是局部的，基于训练集所有样本点损失函数最小化。经验风险是局部最优，是现实的可求的。 期望风险是全局的，基于所有样本点损失函数最小化。 期望风险是全局最优，是理想化的不可求的。 所谓的经验风险最小化，指的是经验风险越小，模型对训练集的拟合程度越好。那么是不是经验风险越小越好呢？ 其实并不是的，因为经验风险越小，越有可能出现过拟合，如下图所示： 三、结构风险 所谓的结构风险指的是，在经验风险的基础上，加一个惩罚项(也叫正则化因子)，从而减少模型出现过拟合的风险。 3、结构风险，是在经验风险的基础上加上惩罚项，目的是为了减少经验风险最小化带来的过拟合的风险。 Ps: 期望（或均值）：是试验中每次可能结果的概率乘以其结果的总和。
4.2K20编辑于 2023-06-20 - 来自专栏蓝桥杯历年省赛真题集
风险度量
显然，对于给定的两个站点，关于它们的关键点的个数越多，通信风险越大。 你的任务是：已知网络结构，求两站点之间的通信风险度，即：它们之间的关键点的个数。 最后1行，两个数u,v，代表被询问通信风险度的两个站点。 输出：一个整数，如果询问的两点不连通则输出-1.
87140发布于 2019-01-21 云上风险检测工具：筑牢数字时代的业务安全防线
##摘要 随着企业上云进程加速，云上风险检测已成为保障业务连续性的核心环节。 本文将从市场需求出发，深度解析云上风险检测工具的核心功能，并重点推荐腾讯云智能顾问（Tencent Cloud Smart Advisor），结合其一站式治理能力与实战案例，为企业提供高效、智能的上云风险管理方案 如何通过智能化工具提前识别风险、优化架构？本文将为你揭晓答案。 ###一、云上风险检测工具的三大核心价值 风险可视化undefined打破多云资源分散管理的困境，通过架构图谱实时呈现资源关联性与风险分布，例如腾讯云智能顾问的云架构IDE功能，支持拖拽式绘制业务拓扑 腾讯云智能顾问凭借其全栈风险检测能力与丰富的行业经验，已成为企业数字化转型的“安全舵手”。
22210编辑于 2025-11-20- 来自专栏硬核项目经理的专栏
【信管10.1】风险以及风险管理过程
毕竟，任何事情，任何项目都会有风险，风险是不可避免的，而且无处不在的。 风险 生活中的风险就不必多说了，可以说，只要你活着，就有各种风险面对着你。出门有风险，甚至走路都有可能被楼上的水泼到。 人为风险 由于人的活动而带来的风险，可细分为行为、经济、技术、政治和组织风险 可管理 可管理风险 可以预测，并可采取相应措施加以控制的风险 不可管理风险 不可预测的风险 影响范围 局部风险 影响的范围小 所有人肯定都是希望纯粹风险变成投机风险，而不要让投机风险变成了纯粹风险。另外就是已知、可预测和不可预测风险相关的概念。 风险的分类（二） 除了上面的那些基础的风险分类之外，我们在做信息系统相关的项目时还可以将风险分为：项目风险、技术风险、商业风险三类。 在整个项目中，实施风险应对计划、跟踪已识别风险、检测残余风险、识别新风险和评估风险过程有效性的过程 总结 今天的内容主要就是入门了解一下风险相关的定义，以及风险的分类。
86820编辑于 2023-03-02 - 来自专栏JavaEdge
10-风险管理：如何应对暗礁风险？系统化风险管理让你安心！
风险概率，每个具体风险发生的可能性 风险影响，风险对项目目标（进度、成本、范围、质量）的潜在影响 上图是《项目管理知识体系指南》给出的，风险对项目目标影响程度的评估量表，可对照量表来计算相应的风险指数， 可通过访谈或会议进行风险概率和影响的评估，参与人员包括： 熟悉相应风险类别的人员 项目外部的经验丰富人员 风险登记册示例： 2 暗礁风险 最大风险，不是那些显而易见的风险，而是暗礁看不见的风险，才最要命 很快你就能扩展自己对暗礁风险的理解。 你识别出的风险越多，项目风险就越低。 3 风险应对措施 你要为识别出的每个风险，制定相应风险应对措施。 项目执行期间，已识别风险会不断变化，新风险也会产生，你要在每周项目状态同步会议，对风险再评估，并通过 周期性的风险审查，识别新风险。 根据风险概率和影响，你需要召集项目组成员完成风险登记册以及风险具体评估，制定相应的风险应对措施及应急预案，同时对冰山下的风险保持敏感。
83920编辑于 2023-06-10 - 来自专栏TSINGSEE青犀视频
浅析AI智能检测在工地安全生产与风险预控场景中的应用
为规范施工现场管理，并借助互联网技术手段实现建筑业监督管理的信息化，强化监督执法部门的监管手段，提高政府宏观调控的科学性、动态性、准确性，构建智能化的工地安全生产监管与风险预控平台成为当前亟待解决的需求 结合现在的高科技图像处理手段，还可实现主动预警、风险预测等能力，有了良好的环境，全方位的安全保障，才能创造良好的社会效益和经济效益。 EasyCVR平台可提供多协议的设备接入、采集、AI智能检测与识别、处理、分发等服务，还能支持对视频监控场景中的人、车、物进行抓拍、检测与识别，对异常情况进行智能提醒和通知，可广泛应用于安防监控、智能分析 5）AI智能检测与风险预警安全帽与防护服穿戴检测将AI安全生产摄像机部署在工地、矿区的各个出入通道口、施工作业区域等位置，对进入作业区域的工作人员自动检测与识别是否佩戴安全帽、穿着工装、防护服等，若未按照规定着装则将触发告警 烟火识别实时检测与识别烟火，一旦监测到烟雾、火焰，便立即触发告警，还可以联动消防装置进行喷淋灭火。睡岗离岗检测对监控区域内的人员睡岗离岗行为进行识别，防止一些关键性的岗位因职责疏忽造成不可估量的损失。
2K30编辑于 2023-02-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号