La nova jardeko ĵus komenciĝis, kaj cibersekureco estos unu el la fundamentaj temoj, kiuj okupos iujn el la plej bonaj mensoj dum kelkaj jaroj. Interreto komencis esti tiu loko, kien ni iris, kiam ni havis dubojn, sed nun pli multaj aspektoj de niaj vivoj okazas interrete kaj la divido inter niaj senretaj kaj senretaj vivoj malklaras.
Bonege, ke per nova teknologio ni trovas novajn eblecojn komuniki kaj interagi kun aliaj. Precipe aperis amaso da datadaj programoj kaj platformoj en la pasintaj jaroj, kiuj havas tre malsamajn celgrupojn kaj dinamikon. Interreta rendevuado fariĝas pli disvastigita kaj akceptita maniero trovi rilatojn.
En Usono, a? enketo taksita ke preskaŭ 60% nun opinias, ke interreta rendevuado estas bona maniero serĉi partnerojn (kompare, en 2005 malpli ol 45% antaŭe opiniis, ke ĝi estas bona maniero). Laŭ la Pew Research Center, 30% de plenkreskuloj en Usono uzis interretajn rendevuojn almenaŭ unufoje kaj 12% trovis longdaŭran rilaton.
Bedaŭrinde, ĉi tio ankaŭ signifas, ke homoj kun malbonaj intencoj ankaŭ trovas novajn manierojn kaŭzi damaĝon. Interreta rendevuado estas unu el la kampoj, kie homoj estas la plej elmontritaj dum interreto.
Kiam oni serĉas novan partneron kaj influas la esperon trovi profundan rilaton, homoj emas esti pli naivaj. Ekzemple, en 2019 la FBI kondamnis 80 homojn pro uzado de interretaj servoj por ŝteli 46 milionojn da dolaroj.
Kvankam multiĝis fraŭdoj, tio ne signifas, ke oni devas rezigni pri ĉi tiuj novaj rimedoj por trovi amon, la taŭga antaŭzorgo kaj iom da helpo de la plej nova teknologio en la kampo de cibersekureco sufiĉas por eviti malkomfortajn sentojn. situacioj.
Kontrolu la Sekurecon De Viaj Ekzistantaj Programoj
La unua paŝo por certigi vian sekurecon kiam vi rendevuas interrete estas esplori kiel la misuzataj programoj, kiujn vi uzas. En la pasintaj jaroj, probable la plej populara aplikaĵo por interreta rendevuado estis Tinder.
Neniu pli freŝa oficiala figuro eliris, sed laŭ la BBC, en 2018 oni taksis, ke Tinder estis uzita de 57 milionoj da homoj tutmonde. Bedaŭrinde la populareco de ĉi tiu aplikaĵo ankaŭ igis ĝin la perfekta loko por iuj miskondutoj.
Ĉi tiu interesa artikolo, kiu klarigas kiel forigi Tinder, ankaŭ ĝisfunde priskribas la danĝerojn de uzado de la programo (ekzemple, katfiŝkaptado, Tinder-robotoj, phishing). Scii kiel homoj misuzas la programon helpos vin identigi eblajn minacojn. Kiam ajn vi detektas iun strangan konduton, vi scios reagi.
Iuj ekstraj sekurecaj rimedoj, kiuj helpos vin resti sekura, inkluzivas:
- Videa babilejo antaŭ kunveno. Se iu ne volas lasi lin vidi ŝin realtempe, tio kutime estas signo, ke io fiŝas.
- Renkontiĝu en publika loko por la unua rendevuo.
- Ne donu tro multe da personaj informoj komence
Uzu nur reputindajn retajn aplikaĵojn kun la plej nova sekureca teknologio
Ĉiu programo havas grandan intereson teni sian platformon libera de fraŭdoj. Ĉi tio estas tre bona novaĵo, ĉar ĝi antaŭenigas tre interesajn esplorojn en la kampo de cibersekureco. En la kampo de cibersekureco, ekzistas tre esperigaj esploraj vojoj, kiujn interretaj rendevuaj programoj povus uzi por helpi siajn uzantojn resti sekuraj.
- Aparata aŭtentikigo
Bona sistemo de aŭtentokontrolo estas ŝlosila maniero per kiu programo aŭ platformo povas helpi provizi travideblecon kaj antaŭenigi fidon en siaj uzantoj. Sciante, ke vi, aŭ almenaŭ la respondeculoj pri la programo, havas manieron ekscii la veran identecon de la persono, sekureco estas antaŭenigita. Homoj, kiuj ŝatus misuzi la programon, estas malinstigitaj. Bona aŭtentokontrolo havas tri erojn: uzantnomo (la kiu), pasvorto (la kion scii) kaj signo (io unika por havi). La aŭtentikigo estas ĝuste ĉi-lasta.
Kvankam la ideo ne estas nova, iuj el la plej novigaj manieroj per kiuj pli sekura aŭtentokontrolo estas disvolvitaj planas enkorpigi ĝin en la aparataron de la uzanto. Ekzemple Intel disvolvas la ideon per sia sesa generacia procesoro Core vPro, en kiu la validigo de identeco de uzanto funkcius per aparataro plibonigitaj faktoroj. En la pasinta jaro, pluraj novaj patentoj en ĉi tiu direkto montras iujn esperigajn evoluojn. Ekzemple iuj konsideras manierojn inkludi biometrikaj sekurecaj kontroloj.
- Maŝina Lernado kaj Profunda Lernado
Maŝinlernado konsistas el serio de metodoj, kiuj revolucias multnombraj aplikoj kaj kampoj. Kvankam ĝi eble sonas iom paradokse, ili konsistas el trovado de manieroj "instrui" maŝinojn trovi ŝablonojn por ke ili povu uzi pasintajn informojn por antaŭdiri aŭ etikedi novajn kazojn.
Por igi ĝin pli palpebla, ekzemplo de maŝina lernado-aplikaĵo estus algoritmo, kiu povas etikedi, kiuj objektoj estas inkluzivitaj en bildo. Datumaj sciencistoj provizus la maŝinon per datuma aro "etikedita" (te kie la maŝino havas la respondojn pri kiuj objektoj estas inkluzivitaj en ĉiu bildo) kaj aro de "trajtoj" aŭ trajtoj, kiujn la komputilo povas uzi por analizi la bildon kaj fari antaŭdirojn.
Ĉi tiuj novaj metodoj, multaj el ili inspiritaj al la funkciado de la cerbo, faras mirindajn progresojn kaj donas antaŭdirojn pli bonajn ol homoj.
Ekzakte ĉar maŝinoj povas esti instruitaj identigi objektojn en bildoj, veturi aŭtojn aŭ ludi ludojn pli bone ol homoj, interesaj aplikoj povus helpi interretajn rendevuajn programojn analizi kondutajn datumojn, en kiuj stranga aŭ danĝera konduto ekvidas en reala tempo.
Kvankam persono ne kapablus rimarki ĝin, nenormala konduto diferenciĝas de normala konduto en ŝablonoj. Maŝin-lerna algoritmo, kiu anonime analizas la konversacion kaj konduton inter homoj, povus helpi sendi atentigojn, kiam io stranga ekvidas.
Iuj konkludoj pri sekureco en interreta rendevuado
La mondo de interreta rendevuado estas ĉi tie por resti. Kvankam komence ŝajnis esti certa stigmato ĉirkaŭ ĝi, ĝi nun estas tute akceptita kaj famkonata maniero trovi amon. Same kiel iu ajn alia sukcesa teknologio, ĉi tio signifas, ke ĝi devas superi iujn defiojn.
Aparte, estante kampo en kiu homoj emas esti naivaj kaj fidi aliajn (kio estas rilato sen fido?), Evoluoj en sekureco estas tre valoraj. La venonta jardeko estos speciale ekscita en la kampo de cibersekureco. Ekscitaj novaj aplikoj kiel aparatara aŭtentikigo kaj uzado de maŝinlernaj algoritmoj por elporti fiŝan konduton estos granda parto de ĉi tiu evoluo.
