日韩无码专区无码一级三级片|91人人爱网站中日韩无码电影|厨房大战丰满熟妇|AV高清无码在线免费观看|另类AV日韩少妇熟女|中文日本大黄一级黄色片|色情在线视频免费|亚洲成人特黄a片|黄片wwwav色图欧美|欧亚乱色一区二区三区

RELATEED CONSULTING
相關(guān)咨詢
選擇下列產(chǎn)品馬上在線溝通
服務(wù)時(shí)間:8:30-17:00
你可能遇到了下面的問題
關(guān)閉右側(cè)工具欄

新聞中心

這里有您想知道的互聯(lián)網(wǎng)營銷解決方案
你想看的都在這里了:八大領(lǐng)域245家新零售企業(yè)網(wǎng)絡(luò)安全狀況

第1章 報(bào)告介紹

1.1 概述

近年來,零售業(yè)蓬勃發(fā)展,規(guī)模持續(xù)擴(kuò)大,業(yè)態(tài)不斷創(chuàng)新,網(wǎng)絡(luò)零售快速發(fā)展,在技術(shù)升級(jí)與消費(fèi)升級(jí)驅(qū)動(dòng)下,新零售應(yīng)運(yùn)而生;新零售強(qiáng)調(diào)通過大數(shù)據(jù)和互聯(lián)網(wǎng)重構(gòu)“人、貨、場”等商業(yè)要素形成新的商業(yè)業(yè)態(tài)。

我國擁有13億的消費(fèi)人口,如何推動(dòng)零售業(yè)持續(xù)、穩(wěn)定、健康的發(fā)展是社會(huì)各界共同關(guān)心的課題。在以信息技術(shù)為驅(qū)動(dòng)力,滿足消費(fèi)者多樣性購物體驗(yàn)、“線上+線下”相結(jié)合的的新零售模式下,業(yè)務(wù)信息、個(gè)人信息、支付信息等都全面實(shí)現(xiàn)了采集網(wǎng)絡(luò)化、信息共享化、支付通用化。在國家網(wǎng)絡(luò)安全工作的深入推廣、個(gè)人信息保護(hù)的高壓態(tài)勢下,敏感數(shù)據(jù)、個(gè)人隱私保護(hù)成為全社會(huì)關(guān)注的重點(diǎn),報(bào)告通過對(duì)“新零售”生態(tài)鏈上下游企業(yè)和“消費(fèi)者信息”的關(guān)系,選擇了8個(gè)重要的環(huán)節(jié),對(duì)在國內(nèi)從事各環(huán)節(jié)業(yè)務(wù)的主流企業(yè)進(jìn)行采樣,包括:

  • 電商平臺(tái)30家:用戶線上消費(fèi)的入口,國內(nèi)主流電商平臺(tái);
  • 大型商超20家:線下綜合類大型賣場、超市(部分也開展互聯(lián)網(wǎng)轉(zhuǎn)型);
  • 消費(fèi)品牌40家:消費(fèi)者購買的國內(nèi)外品牌生產(chǎn)廠商;
  • 數(shù)字廣告30家:提供營銷數(shù)據(jù)分析和程序化廣告投放的服務(wù)企業(yè);
  • 運(yùn)營服務(wù)30家:為品牌主提供線上店鋪運(yùn)營和客戶服務(wù)外包的服務(wù)企業(yè);
  • 三方支付30家:擁有支付牌照的第三方支付公司;
  • 物流倉儲(chǔ)35家:主流的倉儲(chǔ)及配送服務(wù)企業(yè);
  • 信息技術(shù)30家:提供公有云服務(wù)的云計(jì)算服務(wù)提供商。

為了解“消費(fèi)者隱私”在新零售生態(tài)內(nèi)的安全狀況,報(bào)告對(duì)以上8類共計(jì)245家“新零售”上下游企業(yè)在2018年618期間的互聯(lián)網(wǎng)資產(chǎn)、安全事件和脆弱性這三類數(shù)據(jù)進(jìn)行計(jì)算分析,洞察產(chǎn)業(yè)鏈生態(tài)中的薄弱環(huán)節(jié)與主要網(wǎng)絡(luò)風(fēng)險(xiǎn)。

618大促始于2009年,源于京東店慶月。隨著促銷的常態(tài)化,618逐漸演變成全民購物節(jié)。每年的618大促對(duì)于新零售企業(yè)來說,都是一次大考。我們作為中立性網(wǎng)絡(luò)安全與風(fēng)險(xiǎn)服務(wù)機(jī)構(gòu),認(rèn)為此期間的數(shù)據(jù)更具代表性,更加體現(xiàn)新零售行業(yè)的網(wǎng)絡(luò)安全狀況,因此,我們將本報(bào)告數(shù)據(jù)采集時(shí)間定為2018年4月1日-2018年6月20日。

1.2 名詞解釋

  • 安全漏洞:主機(jī)操作系統(tǒng)和安裝的組件存在的嚴(yán)重的高危漏洞,會(huì)使服務(wù)器遭受病毒或黑客入侵,引起信息泄露或篡改。
  • 網(wǎng)絡(luò)攻擊:企業(yè)在互聯(lián)網(wǎng)上的應(yīng)用系統(tǒng)或網(wǎng)絡(luò)遭受到DDOS拒絕服務(wù)攻擊,包括TCP攻擊或UDP攻擊的報(bào)警信息,拒絕服務(wù)攻擊通過流量攻擊的方式攻擊系統(tǒng)或網(wǎng)絡(luò),過大的攻擊流量會(huì)引起服務(wù)中斷。
  • 垃圾郵件:組織郵箱服務(wù)器被列為垃圾郵件發(fā)送域,一旦被反垃圾郵件設(shè)備攔截,將導(dǎo)致用戶可能無法正常使用郵件。
  • 惡意代碼:來自國內(nèi)外安全廠商的惡意代碼檢測結(jié)果,系統(tǒng)可能已經(jīng)被植入后門、病毒或者惡意腳本。
  • 僵尸網(wǎng)絡(luò):組織服務(wù)器被攻破,被當(dāng)做“肉雞”不斷向外部發(fā)起掃描或者攻擊行為,服務(wù)器主機(jī)可能被入侵,存在后門被遠(yuǎn)程控制。
  • 黑名單:域名或者IP地址被權(quán)威黑名單機(jī)構(gòu)列入黑名單,用戶的正常網(wǎng)頁訪問可能被瀏覽器攔截或者IP網(wǎng)絡(luò)通訊被防火墻阻斷。

第2章 “新零售”八大領(lǐng)域安全矩陣

2.1 八大領(lǐng)域安全風(fēng)險(xiǎn)值概況

注:安全值越低則風(fēng)險(xiǎn)越高

通過數(shù)據(jù)分析可以發(fā)現(xiàn)在八大領(lǐng)域取樣的企業(yè)中,數(shù)字廣告類企業(yè)平均風(fēng)險(xiǎn)值最高為723;消費(fèi)品牌企業(yè)平均風(fēng)險(xiǎn)值最低為394;在《網(wǎng)絡(luò)安全法》、歐盟GDPR法案對(duì)個(gè)人隱私保護(hù)強(qiáng)烈態(tài)勢下,一直崇尚精準(zhǔn)營銷的數(shù)字廣告行業(yè)安全工作受到了挑戰(zhàn),雖然在“新零售”的八個(gè)領(lǐng)域中表現(xiàn)最佳,但723分在全國各行業(yè)中屬于偏低水平,安全能力提升空間還很大。而消費(fèi)品牌企業(yè)則更加側(cè)重于產(chǎn)品生產(chǎn)、營銷,對(duì)安全工作的投入較少,394分體現(xiàn)了這一點(diǎn)。

圖中紅色曲線代表了八類企業(yè)近一個(gè)月安全狀況的趨勢圖,其中可以看到物流倉儲(chǔ)及大型商超類在近一個(gè)月來安全值增長最快,其他行業(yè)也均為增長趨勢。

2.2 八大領(lǐng)域安全值四維評(píng)價(jià)

為了能夠深入研究行業(yè)互聯(lián)網(wǎng)風(fēng)險(xiǎn)狀況及關(guān)聯(lián),我們采用RSTP四維評(píng)價(jià)模式,從風(fēng)險(xiǎn)值、資產(chǎn)規(guī)模、風(fēng)險(xiǎn)趨勢、流行度等角度的數(shù)據(jù)分析了各領(lǐng)域風(fēng)險(xiǎn)狀況及其內(nèi)在關(guān)系。從上表可以看出八大領(lǐng)域中電商平臺(tái)的互聯(lián)網(wǎng)資產(chǎn)規(guī)模最大,物流倉儲(chǔ)風(fēng)險(xiǎn)值較上月增幅較大,同樣訪問流行度最高的行業(yè)為電商平臺(tái),也意味著電商平臺(tái)采集的個(gè)人信息最多。

名詞解釋:

  • 風(fēng)險(xiǎn)值(R):Risk,評(píng)分區(qū)間(0-1000分),風(fēng)險(xiǎn)越高R值越低。
  • 資產(chǎn)規(guī)模(S):Scale,評(píng)分區(qū)間(0-10分),機(jī)構(gòu)的資產(chǎn)數(shù)量越多S值越高。
  • 風(fēng)險(xiǎn)趨勢(T):Trend,評(píng)分區(qū)間(±1000分),當(dāng)月與前一月R值變化趨勢。
  • 流行度(P):Popular,評(píng)分區(qū)間(0-100分),被訪問次數(shù)越多P值越高。

2.3 八大領(lǐng)域資產(chǎn)S-R風(fēng)險(xiǎn)相關(guān)關(guān)系分析

為了研究資產(chǎn)數(shù)量對(duì)網(wǎng)絡(luò)風(fēng)險(xiǎn)的影響,我們根據(jù)表中的數(shù)據(jù)繪制了象限圖:

從圖中可以看出,抽樣企業(yè)的風(fēng)險(xiǎn)值隨著資產(chǎn)數(shù)量增多而降低,圖中虛線代表了平均資產(chǎn)數(shù)量及平均風(fēng)險(xiǎn)值;我們認(rèn)為位于第一象限的三方支付是風(fēng)險(xiǎn)值最高的領(lǐng)域,在單位資產(chǎn)中風(fēng)險(xiǎn)均分較高;而作為資產(chǎn)數(shù)量最多的電商平臺(tái)及消費(fèi)品牌則風(fēng)險(xiǎn)值最低,說明互聯(lián)網(wǎng)資產(chǎn)的增多一定程度上增加了互聯(lián)網(wǎng)暴露面,為企業(yè)帶來了更多的互聯(lián)網(wǎng)風(fēng)險(xiǎn),企業(yè)必須采取更加科學(xué)的體系完善安全工作。

我們?yōu)榱朔治霭舜箢I(lǐng)域資產(chǎn)的詳細(xì)情況,將互聯(lián)網(wǎng)資產(chǎn)分為域名資產(chǎn)、主機(jī)資產(chǎn)、IP資產(chǎn)、云資產(chǎn)等幾個(gè)維度進(jìn)行統(tǒng)計(jì)結(jié)果如下:

注:信息技術(shù)主要指“云計(jì)算”提供商,本次分析并未涵蓋用戶資源池IP地址

從表中可以看出,域名數(shù)最多的為電商平臺(tái),平均每家電商有7個(gè)線上域名;主機(jī)數(shù)最多的是物流倉儲(chǔ)領(lǐng)域;IP資產(chǎn)最多的則是為企業(yè)提供云服務(wù)的信息技術(shù)類企業(yè);其中提供運(yùn)營服務(wù)的企業(yè)云資產(chǎn)比例、遷移比例均為最高,運(yùn)營服務(wù)為很多商家提供售前、售后的外包服務(wù),工作性質(zhì)基于網(wǎng)絡(luò)開展較多,接觸的業(yè)務(wù)數(shù)據(jù)較為敏感,需要重點(diǎn)考慮其風(fēng)險(xiǎn)狀況。

2.4 八大領(lǐng)域流行度P-R風(fēng)險(xiǎn)相關(guān)關(guān)系分析

為了研究訪問流行度和網(wǎng)絡(luò)風(fēng)險(xiǎn)的關(guān)系,我們根據(jù)表中的數(shù)據(jù)繪制了象限圖:

從圖中可以看出,電商平臺(tái)訪問流行度最高;圖中虛線代表了平均訪問量及平均風(fēng)險(xiǎn)值,從風(fēng)險(xiǎn)趨勢來看,訪問流行度較高的三方支付、大型商超、消費(fèi)品牌及電商平臺(tái)的風(fēng)險(xiǎn)值均較低;訪問流行度代表著企業(yè)互聯(lián)網(wǎng)業(yè)務(wù)系統(tǒng)的訪問頻率及用戶規(guī)模,越是活躍的業(yè)務(wù)系統(tǒng)重要性越高,但目前的安全風(fēng)險(xiǎn)卻最高。

第3章 “新零售”八大領(lǐng)域網(wǎng)絡(luò)風(fēng)險(xiǎn)分析

3.1 “新零售”八大領(lǐng)域網(wǎng)絡(luò)風(fēng)險(xiǎn)概況

我們從安全漏洞、網(wǎng)絡(luò)攻擊、隱私保護(hù)、惡意代碼、僵尸網(wǎng)絡(luò)、IP黑名單等六個(gè)維度的網(wǎng)絡(luò)風(fēng)險(xiǎn)數(shù)據(jù)對(duì)采樣企業(yè)做了分析。

根據(jù)上表發(fā)現(xiàn),2018年初至618結(jié)束,消費(fèi)品牌企業(yè)面臨的互聯(lián)網(wǎng)風(fēng)險(xiǎn)最高;88%的消費(fèi)品牌企業(yè)出現(xiàn)安全漏洞;龐大的線上業(yè)務(wù)量使電商平臺(tái)遭受DDOS攻擊占比達(dá)到77%;大型商超的隱私保護(hù)問題高達(dá)100%;惡意代碼、僵尸網(wǎng)絡(luò)風(fēng)險(xiǎn)相對(duì)發(fā)生率較低,數(shù)字廣告的企業(yè)惡意代碼及僵尸網(wǎng)絡(luò)的發(fā)生率極低;其中消費(fèi)品牌38%的企業(yè)出現(xiàn)惡意代碼,電商平臺(tái)為27%,一旦企業(yè)發(fā)生惡意代碼或僵尸網(wǎng)絡(luò)事件,都可能導(dǎo)致業(yè)務(wù)中斷事件;目前提供云服務(wù)的信息技術(shù)類企業(yè)整體已有17%的企業(yè)存在IP地址被列入國際黑名單中,收錄國際黑名單的安全設(shè)備將會(huì)阻斷黑名單中IP地址的通訊,對(duì)線上業(yè)務(wù)的開展造成很大不良影響;同時(shí)消費(fèi)品牌企業(yè)高達(dá)20%的互聯(lián)網(wǎng)業(yè)務(wù)平臺(tái)被列入黑名單,特定瀏覽器將無法正常訪問這些平臺(tái)。

3.2 “新零售”八大領(lǐng)域安全漏洞詳情

3.2.1 “新零售”八大領(lǐng)域安全漏洞概況

我們分析了八大領(lǐng)域安全漏洞的整體情況統(tǒng)計(jì)如下:

由上表可知,2018年4-6月,“新零售”各類企業(yè)出現(xiàn)漏洞共計(jì)16780個(gè),其中三方支付、消費(fèi)品牌兩類企業(yè)出現(xiàn)的安全漏洞占比最高;電商平臺(tái)、消費(fèi)品牌平均漏洞數(shù)量最多。所有企業(yè)發(fā)生漏洞的概率高于67%,漏洞數(shù)量多于65個(gè);高危漏洞一直都是危害業(yè)務(wù)系統(tǒng)正常運(yùn)行、導(dǎo)致數(shù)據(jù)泄漏的元兇。

就目前來看,“新零售”企業(yè)的漏洞問題非常嚴(yán)重,說明新零售企業(yè)整體對(duì)于互聯(lián)網(wǎng)應(yīng)用系統(tǒng)的安全漏洞缺乏有效管理、修復(fù)機(jī)制,容易被攻擊者利用,可能會(huì)對(duì)新零售企業(yè)的業(yè)務(wù)安全和用戶敏感信息造成威脅;作為供應(yīng)鏈的整體信息流參與者,不光自己的漏洞,來自第三方的漏洞危害同樣會(huì)危及到自身業(yè)務(wù)系統(tǒng),建議新零售企業(yè)在做好內(nèi)部漏洞管理的同時(shí)也要加強(qiáng)第三方企業(yè)漏洞風(fēng)險(xiǎn)管理。

3.2.2 采樣企業(yè)中最常見安全漏洞一覽

3.2.3 常見漏洞統(tǒng)計(jì)與描述

CVE漏洞比較容易被攻擊者利用,會(huì)為攻擊提供更便利的途徑,對(duì)新零售企業(yè)的信息系統(tǒng)威脅較大,需要根據(jù)各種漏洞的特點(diǎn)實(shí)施修補(bǔ)。

3.3 “新零售”八大領(lǐng)域網(wǎng)絡(luò)攻擊詳情

3.3.1 “新零售”八大領(lǐng)域網(wǎng)絡(luò)攻擊概況

我們分析了“新零售”八大領(lǐng)域在2018年4-6月遭受DDOS攻擊網(wǎng)絡(luò)攻擊情況統(tǒng)計(jì)如下:

我們發(fā)現(xiàn),電商平臺(tái)、消費(fèi)品牌企業(yè)遭受DDOS攻擊的數(shù)量占比較大,企業(yè)占比高于60%;三方支付類企業(yè)遭受DDOS次數(shù)最高,平均達(dá)到820次;信息技術(shù)類企業(yè)遭受DDOS攻擊的平均流量高達(dá)12G,遠(yuǎn)高于其他領(lǐng)域;大流量、高密度的DDOS攻擊會(huì)對(duì)企業(yè)的線上服務(wù)造成極大不良影響,這類企業(yè)應(yīng)當(dāng)使用流量清洗類服務(wù)以應(yīng)對(duì)異常的大流量攻擊,而遭受攻擊頻繁的企業(yè)在使用上述方法的同時(shí),應(yīng)對(duì)發(fā)起攻擊次數(shù)高的可疑IP地址實(shí)施控制。

3.3.2 采樣企業(yè)常見攻擊統(tǒng)計(jì)與描述

3.3.2.1 DDoS攻擊詳情

詳見下表:

根據(jù)上表結(jié)果,TCP半連接攻擊占據(jù)網(wǎng)絡(luò)攻擊的主要部分,對(duì)于這種類型的DDoS攻擊,可通過縮短SYN響應(yīng)時(shí)間或設(shè)置SYN Cookie過濾TCP包等手段來實(shí)施。對(duì)于UDP放大攻擊,可以通過限制UDP包大小,或建立UDP連接規(guī)則來達(dá)到過濾惡意UDP包,減少攻擊發(fā)生的效果??筛鶕?jù)企業(yè)自身的詳細(xì)情況選擇合適的解決方案。

3.3.2.2 惡意代碼詳情

我們同樣研究了惡意代碼對(duì)八類企業(yè)的影響:

從統(tǒng)計(jì)結(jié)果來看,消費(fèi)品牌類的惡意代碼比例高達(dá)15%,而電商平臺(tái)及物流倉儲(chǔ)類企業(yè)的惡意代碼比例也高達(dá)8%,其中電商平臺(tái)平均每個(gè)主域名下惡意代碼數(shù)量居然達(dá)到45個(gè),數(shù)字廣告類的惡意代碼數(shù)量則明顯較少;惡意代碼的產(chǎn)生原因多樣,建議企業(yè)多關(guān)注外部威脅情報(bào)數(shù)據(jù),盡早發(fā)現(xiàn)惡意代碼鏈接,盡快處理惡意代碼以免影響到頁面的正常訪問。

3.4 訪問流行度Top10企業(yè)網(wǎng)絡(luò)風(fēng)險(xiǎn)分析

我們排列了訪問流行度最高的十家企業(yè),分析了其中網(wǎng)絡(luò)風(fēng)險(xiǎn)發(fā)生概率較大的企業(yè)如下:

我們可以看到,這些企業(yè)不光訪問流行度較高,資產(chǎn)數(shù)量相對(duì)也較高;淘寶的惡意代碼數(shù)量高達(dá)556個(gè),支付寶遭受的網(wǎng)絡(luò)攻擊高達(dá)9374次,惠普、京東的安全漏洞均高于200個(gè),幾乎所有的企業(yè)都有信息泄露的風(fēng)險(xiǎn);這些都是國內(nèi)外知名度較高的企業(yè),資產(chǎn)數(shù)量眾多、用戶范圍龐大,一旦出現(xiàn)安全事件都會(huì)給企業(yè)和消費(fèi)者帶來巨大的損失。

3.5 資產(chǎn)數(shù)量Top10企業(yè)網(wǎng)絡(luò)風(fēng)險(xiǎn)分析

我們選擇了資產(chǎn)數(shù)量最多的十家企業(yè)分析了其網(wǎng)絡(luò)風(fēng)險(xiǎn)的情況:

從表中可以看出中通作為資產(chǎn)最多的企業(yè),網(wǎng)絡(luò)風(fēng)險(xiǎn)主要來自于網(wǎng)絡(luò)攻擊,作為資產(chǎn)數(shù)量龐大的支付寶與聯(lián)想也同樣遭受著網(wǎng)絡(luò)攻擊的苦惱,光環(huán)新網(wǎng)、金蝶則網(wǎng)絡(luò)漏洞數(shù)量龐大。

3.6 互聯(lián)網(wǎng)威脅最大的十家企業(yè)網(wǎng)絡(luò)風(fēng)險(xiǎn)分析

為了識(shí)別企業(yè)安全狀況較差的核心原因,我們統(tǒng)計(jì)了互聯(lián)網(wǎng)威脅最大的十家企業(yè),將我們可以采集到的風(fēng)險(xiǎn)進(jìn)行分析處理:

可以發(fā)現(xiàn),網(wǎng)絡(luò)攻擊及安全漏洞是導(dǎo)致分值較低主要原因,但是惡意代碼、信息泄露發(fā)生的概率較高也不可忽視;十家企業(yè)六個(gè)風(fēng)險(xiǎn)維度幾乎都受到了影響。

第4章 報(bào)告總結(jié)

“新零售”與我們每個(gè)人的生活息息相關(guān),電商交易系統(tǒng)不僅存有海量的用戶敏感數(shù)據(jù),而且直接涉及到資金交易。

從分析數(shù)據(jù)可以看出,零售行業(yè)面臨著多種多樣的安全威脅,安全漏洞、網(wǎng)絡(luò)攻擊、垃圾郵件、惡意代碼、僵尸網(wǎng)絡(luò)、黑名單等風(fēng)險(xiǎn)無時(shí)無刻不威脅著“新零售”生態(tài)鏈的各個(gè)環(huán)節(jié)企業(yè),不光電商平臺(tái)、三方支付平臺(tái)需要加強(qiáng)信息安全管理,物流倉儲(chǔ)、大型商超、運(yùn)營服務(wù)、數(shù)字廣告等企業(yè)也應(yīng)該加強(qiáng)安全體系建設(shè)降低安全風(fēng)險(xiǎn)。

從分析的結(jié)果來看,問題普遍較為嚴(yán)重的消費(fèi)品牌一直是我們關(guān)注的盲區(qū)。其實(shí)作為產(chǎn)品的直接生產(chǎn)者,生態(tài)鏈的重要環(huán)節(jié)之一最需要建立完善的安全體系,不光要合規(guī)合法,更要時(shí)時(shí)關(guān)注安全動(dòng)態(tài)、安全事件。

因此,“新零售”各個(gè)環(huán)節(jié)企業(yè)安全水平體現(xiàn)在能否快速響應(yīng)網(wǎng)絡(luò)攻擊,做到快速識(shí)別風(fēng)險(xiǎn)、及時(shí)修補(bǔ)漏洞、提升員工安全意識(shí)以及積極引入威脅情報(bào)數(shù)據(jù)、完善網(wǎng)絡(luò)安全防范機(jī)制等方面。

第5章 數(shù)據(jù)支持

本報(bào)告由“安全值”團(tuán)隊(duì)基于大數(shù)據(jù)分析結(jié)果提供,如需要更多、更詳細(xì)的數(shù)據(jù)請(qǐng)與安全值取得聯(lián)系。

安全值是國內(nèi)首個(gè)安全評(píng)價(jià)服務(wù)(SRS),面向企業(yè)提供免費(fèi)評(píng)估服務(wù),訪問安全值網(wǎng)站(https://www.aqzhi.com/),獲取企業(yè)自身安全評(píng)估報(bào)告。

【本文是專欄作者“”李少鵬“”的原創(chuàng)文章,轉(zhuǎn)載請(qǐng)通過安全牛(微信公眾號(hào)id:gooann-sectv)獲取授權(quán)】


網(wǎng)站題目:你想看的都在這里了:八大領(lǐng)域245家新零售企業(yè)網(wǎng)絡(luò)安全狀況
文章網(wǎng)址:http://www.5511xx.com/article/cdceshg.html