浏览器安全状况总结

引言

• 浏览器已成为企业中最不成熟的安保控制点之一，2025年将成为这一理念成为现实的年份。
• 安全市场释放重要信号，SASE和EDR领域的收购表明对工作实际发生方式的可见性和控制权的追求。
• 传统防御手段已不足以应对在浏览器内运行的劳动力，浏览器成为授予访问权限、处理数据和攻击展开的主要环境。

浏览器安全状况

• 传统防御手段（如网络和电子邮件安全）已不足以应对浏览器内的威胁，浏览器活动本质上是在传统可见性之外的网页应用和服务中分散的。
• 攻击者越来越多地通过浏览器原生技术（如钓鱼、OAuth滥用、恶意扩展和社交工程）进行攻击，推动了浏览器检测与响应（BDR）的需求。

安全挑战

• 通用人工智能（GenAI）的应用已普及，但管理不均衡，且经常与敏感信息交织在一起，引入了新的数据暴露风险。
• 敏感信息通常会被输入、粘贴和上传到SaaS应用程序中，使得浏览器数据泄露防护至关重要的在于确保数据移动过程中的可见性。
• 攻击者越来越多地通过浏览器原生技术进行攻击，推动了浏览器检测与响应（BDR）的需求。

人工智能在现代社会劳动力监控中的挑战

• 41%的终端用户通过浏览器至少与一个AI网页工具进行了互动，GenAI的使用不再局限于早期采用者或技术团队。
• 58%的AI提示输入被发送到了个人账户，相比42%到企业账户，个人账户使用仍是一个关键问题。
• 23%的敏感AI提示上传经核实，系通过发送个人账户，在这些渠道中，组织对数据保留、模型训练或下游使用几乎没有或没有控制权。

浏览器数据丢失防护：浏览器中的敏感数据泄露

• 46%的敏感输入到了网络应用的个人账户，而54%输入到了企业账户，敏感数据往往通过标准企业身份、政策和监控范围之外的业务渠道流转。
• 包含敏感数据的上传内容被观察到在广泛的网络应用中，涵盖了协作平台、云存储服务、生产力工具以及人工智能驱动的目的地。
• 传统的DLP工具，围绕电子邮件网关、网络检查或端点文件活动设计的，难以检测这些浏览器内的交互。

基于浏览器的攻击：浏览器作为主要攻击面

• 基于浏览器的攻击者策略主要由凭证盗窃（约41%）和浏览器触发的环境升级(~31%)主导。
• 攻击者持续创造和改进利用合法浏览器功能及用户行为的攻击技术，如ClickFix攻击、ConsentFix攻击和“隐秘”扩展。

扩展管理及安全

• 浏览器扩展仍然是现代企业浏览器中最缺乏监管和过度信任的组件之一，平均每位用户观测到的扩展数量为4.67。
• 13%被归类为高风险或极高风险，权限是扩展风险的主要驱动因素。
• 高风险扩展通常会要求广泛访问浏览器功能，例如存储、脚本、标签访问、网络请求、Cookie以及访问所有网站的权限。

人工智能浏览器与浏览器扩张

• 人工智能浏览器的兴起引入了一种形式的现代IT蔓延，每次新的浏览器平台都会扩大企业的攻击面和管理范围。
• 代理浏览改变身份归属和政策执行，现代人工智能集成的浏览器可以自动搜索和浏览网页，执行多步骤工作流程，并与SaaS平台互动。
• 提示注入、过度代理和虚假信息成为新型威胁模型，引入了新的归因挑战。

未来展望

• 攻击者正在利用浏览器这一被忽视且治理不足的接口，条件执行、隐形、链式攻击序列和基于CAPTCHA的钓鱼流程越来越多地出现。
• 浏览器已成为现代企业的执行层，传统的边界、端点和基于声誉的防御措施并未设计用来解释现在定义企业工作的会话级浏览的动态特性。
• 浏览器检测与响应（BDR）是浏览器、SaaS依赖和AI驱动型工作团队中坚固的深度防御策略的自然补充。
• 扩展风险将保持持续，过授权和被特洛伊木马化的插件，包括安装后数月或数年才激活的休眠扩展，表明安装时的审批和静态允许列表是不够的。

5G网联无人机白皮书

低空经济发展趋势

• 低空经济以低空空域为依托，以无人机和通用航空产业为主导，涵盖低空作业、低空遥感、航空旅游等多个行业，是辐射带动效应强、产业链较长的经济形态。
• 我国低空经济发展迎来重大机遇，2021年《国家综合立体交通网规划纲要》首次将“低空经济”写入国家规划。
• 无人机作为未来低空经济的引领力量，近年来技术创新和产业发展迅猛，行业应用逐渐成为低空数字经济的重要组成，需要低空智联网来承载和管理。

无人机产业发展前景

• 无人机定义：利用无线电遥控设备或程序控制装置操纵的不载人飞机。
• 无人机分类：按飞行平台构型、任务高度、民航法规规定的尺度和活动半径分类。
• 民用无人机发展现状：2019年底，我国民用无人机拥有者注册用户达37.1万个，注册无人机39.2万架，市场规模从2015年的24亿元增长到2019年的359亿元。
• 无人机产业链：上游为硬件和软件开发，中游为工业无人机生产制造，下游聚焦行业应用场景。

传统无人机行业应用限制

• 顶层设计不足：主体责任不清晰、重视程度不够、统筹规划尚未形成。
• 新型数字技术应用不足：低空信息化治理体系尚未建成，5G网络、低轨卫星网等技术应用创新需加强。
• 行业应用受限：配套政策法规尚未形成，产品质量标准体系和市场准入机制不完善，城区运营需求高、安全飞行难题不易破解。

发展5G网联无人机的必要性

• 5G网络低延迟、高带宽特性，为民用无人机的大规模网联化监控、任务数据实时传输、任务协同与集群应用提供技术基础，实现基于网联无人机的智慧空管规模化运行。
• 5G与无人机的结合包括新一代网络接入和边缘计算技术提高，催化下游产业更新发展，在VR直播、城市安防、物流运输等行业领域快速拓展。

5G网联无人机典型应用

• 基本应用需求：性能卓越的无人机、稳定可靠的网络传输、细致周密的飞行控制、准确清晰的业务呈现。
• 平台能力需求：集监管和应用为一体的综合性云服务平台，解决安全管控问题，提供数据存储、分发和增值处理等多元服务。
• 网络规划：考虑信号覆盖、系统容量、信号质量和实施成本等因素，采用Sub-6GHz频率，组网方案为CU+DU+AAU。

典型应用场景

• 农业植保：提高植保效率，降低农药损失和污染，提高安全性。
• 环保监察：精准、及时、广视域观测污染源，为环保监查提供决策依据。
• 水域巡查：准确掌握水面垃圾、违规排污等情况，高光谱遥感技术可识别水体污染物。
• 能源巡检：提高巡检质量和安全性，降低成本，无人机可执行检测螺丝松动、标签完好度检查等任务。
• 物流运输：避免道路拥堵，运输快速高效，山区应用优势明显。
• 公共安防：无人机可代替警力及时赶往现场，将实时情况回传，辅助进行边防监控、消防监控等。
• 应急通信：解决地形、气候等对设施建设的限制，提高应急通信服务的普及和保障能力。
• 娱乐直播：实现高空直播，通过VR直播为用户带来身临其境的直播感受。

中国联通5G网联无人机业务

• 整体体系架构：端、边、网、业、管五个维度进行技术研发，向全行业输出开放能力与服务。
• 商用产品与服务：包括中国联通5G低空智联综合业务云平台、5G泛在低空智联终端、安阳5G泛在低空测试中心等。
• 中国联通5G低空智联协管服务：具备端到端完整认证体系，为国家职能部门提供安全可靠的低空飞行信息管理服务。

概述

本指南由马来西亚个人数据保护局发布，旨在为组织提供关于执行个人信息保护影响评估（DPIA）的实用指导。DPIA 是一种评估计划处理操作对个人信息保护影响的方法，涉及根据组织的职能、要求和流程识别、评估和管理个人信息保护风险。

DPIA 的目的和重要性

DPIA 有助于组织确定处理操作相关的风险，评估这些风险是否可接受，并在早期阶段确定和实施适当的风险处理措施。这有助于确保组织遵守《2010 年个人信息保护法》（Act 709），并符合国际个人信息保护环境中的充分性要求。此外，执行 DPIA 可以增强组织的问责制和透明度，建立公众对其数据处理活动的信任。

谁负责执行 DPIA

执行 DPIA 的责任落在数据控制者身上，因为他们负责决定是否进行处理操作并确保所有风险得到解决。数据控制者的高级管理层对 DPIA 和任何结果决策负有最终责任。数据保护官（DPO）的核心职责是支持 DPIA 的执行，包括确定是否需要 DPIA、提供有关 DPIA 执行和风险缓解措施的咨询，以及开发针对数据控制者的 DPIA 模板或清单。DPO 不一定是执行 DPIA 的负责人，DPIA 领导者可以是 DPO、项目经理或其他由数据控制者认为合适的人员。

当执行 DPIA 时

数据控制者应在预见处理操作可能导致对数据主体的高风险时执行 DPIA。数据控制者需要遵循一个两步法来确定风险级别并评估是否需要 DPIA：

1. 定量阈值：如果处理个人数据预计将涉及 20,000 名以上数据主体，或者处理敏感个人数据（包括财务信息数据）预计将涉及 10,000 名以上数据主体，则应执行 DPIA。
2. 定性因素：如果处理操作不符合任何定量阈值，DPO 需要运用最佳判断力，考虑其他可能导致对数据主体的个人数据保护构成高风险的定性因素，例如：
   • 对数据主体潜在的法律或重大影响（例如，对数据主体的法律地位或权利、财务状况、健康、声誉、获取服务或其他经济或社会机会的明显影响）；
   • 对数据主体的系统性监控；
   • 使用创新技术；
   • 拒绝或限制数据主体的权利；
   • 跟踪数据主体的位置或行为；
   • 针对儿童或弱势群体；
   • 对数据主体构成高风险的自动化决策和画像。

如何执行 DPIA

数据控制者应采用五步法（DEICA）来分析处理操作：

1. 描述：描述处理操作（包括涉及的个人数据的范围和数据流）和处理的目的是什么。
2. 评估：评估处理操作的合规性、必要性和比例性与其目的相关。
3. 识别：识别和分析对数据主体个人数据保护的特定风险。使用 3x3 风险矩阵确定每个特定风险的风险级别。
4. 考虑：考虑采取措施来解决已识别的特定风险，以保护个人数据的保护。
5. 评估：评估处理操作的整体剩余风险级别（例如，高、中、低）。

DPIA 后

1. 向高级管理层报告：在完成 DPIA 后，如果整体剩余风险级别被评估为“高”，则应将发现报告给组织的高级管理层。除非组织另有决定，否则所有风险，无论其级别如何，也应报告给高级管理层。
2. 实施风险缓解措施：一旦决定继续进行处理操作，就应相应地实施已识别的风险缓解措施，以解决 DPIA 中发现的特定风险。
3. 发布、有效性和监控：为了促进透明度和问责制，数据控制者可以考虑发布其 DPIA，以培养对其个人数据处理活动的信任。为保护商业敏感信息或管理其他数据安全风险（包括涉及个人数据的那些风险），发布的 DPIA 可以被编辑。或者，可以发布 DPIA 的摘要。
4. 记录保存：DPIA 应被保存，所有相关记录应至少从处理操作停止之日起保存两年。例如，如果处理操作持续五年，则 DPIA 及其相关记录应从处理操作停止之日起保存两年。因此，记录保存期将至少为七年。

大模型在气象、金融和医疗等领域的应用，不仅推动了这些行业的数字化转型，还极大地提升了服务效率和质量，为用户提供了更加智能化和个性化的体验。大模型在各行各业的应用将越来越广泛，特别是在气象、金融和医疗等领域，大模型的应用已经取得了显著的成效。在气象领域，大模型的主要应用场景包括气象预测、AI气象分析和定制化的气象服务。在金融领域，大模型的应用场景主要包括金融报告撰写、知识库问答以及智能客服等。利用大模型，金融机构可以自动化地生成金融报告和分析，提高决策效率和准确性。在医疗领域，大模型的主要应用场景包括医疗文本处理、医疗问答以及赋能医疗器械等。医疗文本处理可以帮助医疗机构自动化地处理和分析大量的医疗文本数据。医疗问答则可以为患者和医生提供快速、准确的医疗信息咨询和解答服务。

尽管大模型技术在推动各行各业的数字化转型和智能化升级方面展现出巨大潜力，其在行业应用中仍面临技术门槛高、需求定义模糊、数据获取困难等挑战，同时还需考虑战略定位和投资回报，以及与现有系统的集成和用户培训问题。然而，这一技术在中国市场上已呈现强劲增长态势，市场规模达到891.2亿元，特别是基于语言的大模型人工智能市场表现尤为突出，规模高达668.3亿元。大模型技术的快速发展正助力气象、药物、金融、政务、教育、电商、法律、农业、工业和医疗等多个领域的创新升级，提升服务质量和工作效率。随着大模型技术与实体经济的深度融合，我们将迎来一个充满机遇和挑战的新时代，各行各业将利用先进的大数据和AI技术实现可持续发展的目标。

大模型行业应用框架：大模型快速发展助力千行百业，广泛应用于气象、能源药物、工业、金融、政务、法律、医疗、教育、电商、农业、工业等领域，为各行业的数字化转型和智能化升级提供了强大的动力和支持。

中国AI大模型市场规模：中国AI大模型市场呈现出了强劲的增长态势，市场规模达到了891.2亿元。其中，基于语言大模型的人工智能市场表现出色，规模高达668.3亿元。

中国大模型行业应用全景图谱：医疗、工业、政务、金融、气象、药物、教育、电商、法律、农业。

中国AI大模型行业落地政策分析：与国际社会倾向于更开放合作且伦理为本的人工智能政策发展趋势相比较，中国在鼓励合作与交流的同时，更注重在关键技术与数据管控领域的自主发展和有效管理。

大模型行业应用落地发展现状分析：大模型的飞速进步，它们的应用已经逐渐渗透到各行各业，不仅在金融、政务、医疗、教育、气象和法律等领域大大提高了工作效率，而且也显著提升了这些行业的服务质量。

大模型行业应用落地构建路线分析：目前，行业大模型构建虽能有力推动数字化转型与服务质量提升，但其对行业数据、计算资源及运维的高要求构成显著门槛，且用户普遍缺乏构建方法与流程指导。

大模型行业应用价值研究：
金融行业：大模型通过提升数据处理与分析效率、自动化业务流程、辅助复杂决策、优化风控架构以及增强客户体验，有效解决了金融行业在效率、风险管理、个性化服务等方面的痛点。
政务行业：大模型以其强大的数据处理、理解、生成和推理能力，能在数据集成与共享、个性化服务、决策支持、流程优化等方面为政务行业解决核心痛点提供有力技术支撑，助力政务数字化、智能化转型升级。
气象行业：气象大模型通过提升预测精度与效率、深化气候变化影响评估、强化数据安全防护以及优化资源分配，有力地回应了气象行业当前的核心需求痛点。
药物行业：大模型在药物行业中能够通过加速药物发现、精准靶点识别、优化临床试验设计、智能化文档生成等方式，有效解决药物研发周期长、成本高、靶点识别难、临床试验效率低等核心痛点。
教育行业：教育大模型通过分析学生的学习习惯、知识掌握情况等数据，为每个学生提供个性化的学习计划和资源。教育大模型可以集成和分发优质的教育资源，打破地理和时间的限制。教育大模型通过智能化的教学辅助工具，教师可以更高效地进行教学活动，同时也能提高教学质量。
电商行业：大模型技术在电商行业的应用前景广阔，能够帮助商家和平台解决核心的需求痛点，提升整体运营效率和用户体验。
医疗行业：医疗大模型凭借其强大的数据处理、学习与推理能力，能够从诊断、资源管理、科研创新到患者服务等多个层面，有效解决医疗行业当前的核心需求痛点。
法律行业：法律大模型以其强大的信息处理、学习和推理能力，能够有效解决法律行业在信息检索与知识管理、案件预测与策略制定、合同审查与起草自动化以及法律咨询服务与教育普及等方面的痛点。
农业行业：大模型在农业领域的应用能够解决精准农业与资源管理、病虫害预警与防治、农产品质量追溯与食品安全以及农业知识传播与技术服务等核心痛点，助力实现农业生产的智能化、绿色化和透明化。
工业行业：大模型凭借其强大的数据处理、预测分析与决策支持能力，能够有效解决工业行业在生产效率与质量、供应链管理、能源效率与碳排放、个性化定制与柔性生产等方面的痛点。