智能家居是有多不安全,这个搜索引擎能看别人家

Shodan搜索引擎可轻易获取大量未加密的网络摄像头画面,暴露个人隐私。这些摄像头多由追求低成本而忽视安全性的公司制造,甚至一些知名品牌产品也存在安全隐患。

智能家居产品的安全问题并不是一个新鲜的话题,时不时哪家的恒温器、智能灯泡就出了问题。不过,通常发现这些漏洞的,都是那些看上去比较厉害的技术人员,现在看来,这个门槛也可能也没有那么高。

有个叫 Shodan 的搜索引擎最近开辟了一个联网摄像头的专区,可以让用户搜索、查看那些联网摄像头拍下的画面,包括大麻种植园、银行后门、学校、厨房甚至是起居室等场所。Shodan 的付费用户可以在 images.shodan.io 网页上直接搜到这些快照,这比黑客鼓捣半天电脑要快多了。

image

Shodan 上还能搜到位于中国的一间教室

这些摄像头快照的“外泄”,背后仍然是跟密码保护相关。这些网络摄像头通过实时流媒体协议(Real Time Streaming Protocol)来分享、上传视频,却没有加密这些视频内容。Shodan 引擎通过随机抓取这些开放的端口,得以拍下快照。

这种事情本不该发生的,而事实可能要比普通消费者想的要严重。研究网络摄像头的安全研究人员 Dan Tentler 告诉科技网站 ArsTechnica,他估计能被 Shodan 搜索到的网络摄像头可能有上百万,大多卖得很便宜,只要 20 美元。

最主要的问题,还是这些卖便宜摄像头的公司以安全为代价追求利润。一方面,了解这种安全机制的普通消费者数量可能不多,那么这些公司就可以避免对安全的长期投入、压低硬件的成本,增加营收。

这也不仅仅是创业公司的事情,大公司或者有大公司支持的智能家居产品也有安全机制的问题。Google 旗下的产品 Nest 恒温器、三星收购的智能家居平台 SmartThings 以及贝尔金 WeMo 的智能开关都曾被指泄露用户信息。

image

本文转自d1net(转载)

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值