让合规成为血液,让安全成为灵魂——信息安全意识的觉醒与行动

开篇故事:扑朔迷离的两幕“灾难”

案例一:数据泄露的连环阴谋

角色简介

沈浩然:某国有能源公司信息部的技术骨干,工作细致、对系统安全有极高的自负,却因为“技术至上”忽视制度约束。
刘雅婷:公司法务部的合规专员,性格严谨、敢于直言,却因部门之间的壁垒常被忽视。

情节展开
沈浩然在一次系统升级后,发现新部署的日志分析平台误将内部业务数据库的访问日志以明文形式保存在共享盘中。出于“节约时间、展示技术”的冲动,他未经任何审批,直接将该盘的密码设置为“123456”,并把链接发给所在部门的同事,以便快速定位故障。

此时,刘雅婷正准备向上级汇报上季度的合规检查结果,她强调:所有涉及个人信息的系统必须采用双因素认证,并对外部访问实施最小权限原则。她将这条要求写进了《信息系统安全操作规程(草案)》,并在内部邮件中提醒各部门配合。

然而,沈浩然对这份“繁琐的文书”嗤之以鼻,认为自己是“技术高手”,不需要所谓的“繁文缛节”。他把刘雅婷的邮件标记为“已读”,甚至在部门群里调侃道:“合规是老古董,别把我们拖进井里。”

就在此时,一名外部安全研究员在GitHub上发现了该共享盘的公开链接,利用“123456”密码成功下载了包含数万条客户用能数据的CSV文件。研究员随后将文件提交给媒体,引发舆论哗然。媒体披露后,能源公司被监管部门约谈,罚款高达数千万元,且被要求在一年内完成全部系统的合规整改。

冲突与转折
监管部门的现场检查中,刘雅婷因为提前提交了合规风险报告,被委任为整改项目的主责人。她必须在短时间内组织跨部门的“安全闭环”,而沈浩然却因“技术失误”被调离技术岗位,转为系统运维的辅助工作。公司内部形成了明显的“技术派 vs 合规派”的对立,员工士气跌至谷底。

深刻教训
此事让全体员工认识到:技术能力不等同于合规能力个人随意的安全决策可导致组织整体的灾难。任何一次“方便”的操作,都可能在数据泄露的浪潮中被放大,最终将企业推向监管的风口浪尖。

案例二:AI模型的黑箱陷阱

角色简介
陈子墨:某大型互联网企业的人工智能研发主管,极富创新精神,追求“一键爆款”,对伦理合规缺乏敬畏。
赵慧琳:企业风险管理部的资深审计师,性格沉稳、对合规审计有“雷达”般的敏感度,却常被研发部门的“加速需求”边缘化。

情节展开
2023年,公司决定推出一款基于深度学习的“精准推荐”系统,声称可以在5秒内为用户生成个性化的购物建议。陈子墨率领团队在三个月内完成模型训练,使用了大量爬取自公开网页的用户行为数据。为了加快上线,他直接在生产环境中部署了未经过“可解释性”和“公平性”评估的模型。

同一天,赵慧琳在例行审计中发现,该模型的训练数据中包含了大量的个人敏感信息,如用户的健康记录、消费心理评估等。更为严重的是,模型在对特定族群的推荐中出现了明显的偏向——对低收入用户的高价商品推荐比例异常高,涉嫌“价格歧视”。赵慧琳提交审计报告,建议暂停上线并进行模型审计。

陈子墨不以为然,以“市场抢占先机”为由,直接将审计报告归档,告知全体研发成员:“如果我们不抢先一步,竞争对手早已把我们玩死”。他甚至在内部会议上演了一场“技术至上”的演讲,鼓动团队将合规审计视作“无聊的负担”。

然而,就在系统上线的第三天,消费者权益保护协会收到多起用户投诉,称在使用推荐系统后被推送了大量高利贷广告。媒体随后曝光该公司利用用户深度画像进行“精准营销”,指责其侵犯隐私并进行不公平交易。监管部门迅速启动调查,认定公司未对个人信息进行脱敏处理,且未进行公平性评估,导致对特定用户群体的歧视性推荐。

冲突与转折
公司被迫紧急下线该AI系统,面临高额的行政处罚以及巨额的用户赔偿。陈子墨因“违背企业合规政策”被记过并调离研发部门,赵慧琳则被提升为合规与风险管理部的副总监,负责全公司AI治理框架的建设。

深刻教训
此案揭示了AI技术的“黑箱”不应逃脱监管合规审计是防止技术滥用的最根本防线。技术创新若脱离伦理与法律的约束,最终只会变成企业的“自毁武器”。在数字化、智能化的浪潮中,合规不是束缚,而是 “可持续创新的安全阀”


违规违纪背后的根本原因剖析

  1. 制度缺陷与执行真空
    两起案例中,企业虽有《信息系统安全操作规程》《AI伦理合规指引》等制度文件,却缺乏硬性约束的执行层面。制度未形成闭环,导致部门主管可以“自行其是”。制度的生命在于监督、问责、反馈,缺一不可。

  2. 文化误区:技术至上 vs 合规至上
    沈浩然、陈子墨的共同特征是对技术的盲目自信,他们把“快速、创新”当作唯一价值衡量标尺,忽视了合规、风险、伦理的同等重要。组织内部若形成“技术派”与“合规派”的对立,必然导致信息安全的“暗箱”。

  3. 激励错位
    绩效考核往往以业务增长、项目上线速度为核心指标,而缺少安全合规指标。这使得研发、运维人员在面对上线压力时倾向于“妥协”。如果把安全事件的成本合规违规的处罚计入个人或部门的绩效,行为导向会迅速转变。

  4. 知识盲区与能力不足
    在案例中,刘雅婷与赵慧琳虽然具备合规专业能力,却在跨部门沟通、风险预警机制上缺乏足够的话语权。相反,技术人员对信息安全、隐私保护、AI公平性的认知停留在“技术层面”,缺乏系统化的安全思维。

  5. 外部监管与舆论压力
    两起事件均因外部媒体曝光而升级为监管部门的高压介入。可见舆情是一把双刃剑:既是风险,也是危机预警。企业若未主动构建合规预警机制,只会被动接受舆论“精准打击”。


信息化、数字化、智能化、自动化时代的合规新要求

1. 全链路风险治理是基本底线

  • 数据全生命周期管理:从采集、存储、处理、传输到销毁,每一环节必须落实最小化采集、加密存储、权限分离、日志审计等技术控制,并配合制度约束形成闭环。
  • AI全流程可解释:模型训练前必须进行数据脱敏、偏差检测;上线后要实现可解释性监控,并建立公平性审计风险回滚机制
  • 系统变更必经安全评估:任何代码提交、配置变更、云资源扩容,都必须经过安全评估(Security Impact Assessment, SIA)并记录在案。

2. 合规文化必须根植于组织血液

  • 自上而下的示范:高管层要在全员会议、内部社交平台上公开承诺信息安全目标,设立“合规天使”岗位,推动跨部门协作。
  • 制度渗透到日常:将合规检查嵌入研发迭代(Sprint)运维部署(CI/CD)业务审计(Quarterly Review)等常规流程。

  • 奖惩并举:对主动发现安全隐患、提出合规改进方案的个人或团队予以奖金、晋升;对违规行为实施扣分、降级、追责等惩戒。

3. 知识升级:从“知道”到“会做”

  • 分层次、分场景的培训:针对普通员工的基础安全意识(密码管理、钓鱼识别),中层管理者的合规审计技能(风险矩阵、合规报告),以及技术骨干的安全工程实战(渗透测试、SOC运维)。
  • 沉浸式模拟演练:通过红蓝对抗、业务中断演练、数据泄露应急演练等方式,让员工在真实危机情境中练就快速响应与决策能力。
  • 持续测评与反馈:利用微学习平台,对每次培训进行知识测验、行为跟踪,并将结果与绩效挂钩,形成闭环。

4. 技术与合规的协同创新

  • 安全自动化(SecOps):部署SOAR平台,实现安全告警的自动化分流、响应与闭环;使用AI驱动的威胁情报,提升预警的准确率。
  • 合规即服务(Compliance‑as‑a‑Service):借助云服务商提供的合规检查API(如PCI‑DSS、GDPR合规检查),实现合规审计的持续、可视化
  • 链路追溯与审计:采用区块链技术实现关键操作的不可篡改记录,为监管部门提供可信的审计证据。

行动号召:从“意识”到“行动”,让合规成就企业竞争力

同事们,世界已经进入信息安全的“零信任”时代,任何一次疏忽都可能让我们站在监管的十字路口。我们不能再把合规当作“额外负担”,而是要把它视为提升组织韧性、赢得市场信任的核心竞争力

  1. 立即报名参加《信息安全与合规全链路实战》培训,学习从密码管理到AI伦理的全套防护技巧。
  2. 每日登录安全自评平台,完成“一键自查”,将个人风险指数降至最低;任何异常都将自动推送至部门合规顾问。
  3. 加入公司内部的“合规创新实验室”,提出改进建议,最优秀的方案将获得年度合规明星奖专项研发经费
  4. 在每月的全体例会中,分享一次自己或团队的安全改进案例,让安全经验在组织内部形成“知识病毒式”传播。

让我们一起用行动书写合规的新篇章,用安全的底色绘制创新的蓝图


走进专业合规培训——让安全与业务并肩前行

在信息安全与合规的道路上,系统化、专业化的培训是企业提升整体防护能力的关键。昆明亭长朗然科技有限公司(以下简称朗然科技)多年深耕政府、金融、互联网等行业,帮助上千家企业构建了 “安全合规闭环”。其核心产品与服务包括:

  1. 全景合规诊断平台
    • 基于AI的大数据扫描,快速定位业务系统的合规缺口;
    • 自动生成《合规风险报告》,涵盖GDPR、CCPA、网络安全法等多维度法规。
  2. 情景化安全演练系统
    • 支持红蓝对抗、钓鱼邮件模拟、业务中断演练;
    • 现场实时反馈,帮助员工在危机情境中快速形成正确的防护行为。
  3. 合规文化培育课程
    • 采用微课+案例教学,涵盖密码管理、数据脱敏、AI伦理、供应链安全;
    • 结合企业实际业务,提供定制化教学方案,确保学习成果直接落地。
  4. 持续合规监控 SaaS
    • 实时监控云环境、容器平台、API 接口的合规状态;
    • 通过仪表盘可视化风险趋势,为监管部门提供合规审计证据。

朗然科技的独特优势在于:
行业专家团队:拥有前美国联邦监管机构、知名高校法学与信息安全双导师。
案例驱动:每个培训模块都基于真实企业违规案例(包括本文开篇的两起案例),帮助学员直观感受风险。
效能保障:签约企业在使用平台后,平均合规审计通过率提升 38%,信息安全事件下降 45%

如果您希望在数字化转型的浪潮中,将合规从“痛点”转为“竞争优势”,请立即联系朗然科技的专业顾问,开启企业信息安全与合规的升级之旅。让每一次系统上线、每一次数据处理、每一次AI模型迭代,都在合规的护航下安全前行!


法不传六艺,技不养八荒;合规若枢纽,企业永不倾覆。”——《资治通鉴》之策

让我们以史为镜,以技为盾,以合规为刀,砥砺前行,共筑信息安全的钢铁长城!

昆明亭长朗然科技有限公司致力于让信息安全管理成为企业文化的一部分。我们提供从员工入职到退休期间持续的保密意识培养服务,欢迎合作伙伴了解更多。

  • 电话:0871-67122372
  • 微信、手机:18206751343
  • 邮件:info@securemymind.com
  • QQ: 1767022898

信息安全意识的破局之路——从真实案例看防御“神器”,共筑数字防线

头脑风暴
当我们围坐在会议室的圆桌前,手握咖啡、眼前是闪烁的 PPT,脑中不禁冒出四个刺痛而又发人深省的情境——

1️⃣ “一键即中”:在一次内部开发测试中,一位同事随手点了一个弹窗的“OK”,结果触发了模型上下文协议(MCP)服务器的未授权访问,敏感数据瞬间泄露。
2️⃣ “一行代码毁千金”:某大型分析平台的数据库 MCP 接口因参数校验缺失,导致攻击者通过精心构造的 db_name 参数完成 SQL 注入,整整一天的业务数据被篡改。
3️⃣ “不设防的门禁”:一个对外开放的 HTTP 接口未加任何身份验证,攻击者直接利用公开文档中的示例请求,远程接管了 Apache Pinot 实例,造成业务服务中断。
4️⃣ “不修的后门”:全球知名云厂商对其 RDS MCP 漏洞置之不理,导致数千家企业的元数据(表名、字段结构)被毫无阻拦的爬虫抓取,信息资产一夜之间被公开。

这四个案例并非凭空想象,而是 《The Register》2026 年 5 月 13 日 报道的真实安全事故。它们共同折射出当下 AI‑Agent、模型上下文协议(MCP)自动化运维 的深层安全隐患,也为我们敲响了“防御先行、意识先行”的警钟。以下,我们将逐一剖析案例细节,帮助大家认识风险根源、提炼防御要点,从而在即将开启的信息安全意识培训中,真正做到学以致用、知行合一。


案例一:Apache Doris MCP 服务器的 SQL 注入(CVE‑2025‑66335)

事件回顾

Apache Doris 是一款面向 OLAP 场景的高速分析库,用户数突破万家企业。它提供的 MCP 服务器 让 AI Agent 能够直接向 Doris 发起查询,实现 “一键分析”。然而,研究员 Tomer Peled 发现,早于 0.6.1 版本的 exec_query 接口在拼装最终 SQL 前,并未对 db_name 参数做充分过滤。攻击者只需在 db_name 前塞入 ; DROP TABLE users; --,即可让数据库执行任意恶意语句。

风险评估

  • 攻击面:只要攻击者能够访问到 Doris MCP 端点(往往是内部网络的某个服务端口),便可触发。
  • 危害程度:从数据泄露、篡改到业务中断,最坏情况下导致财务报表、审计日志被删除,影响合规审计。
  • 利用难度:低——仅需构造特定 URL 参数即可,无需复杂的漏洞链。

防御措施

  1. 输入过滤:对所有用户提供的字符串进行白名单校验,禁止出现分号、注释符等 SQL 控制字符。
  2. 使用预编译语句:避免拼接 SQL,改用参数化查询(PreparedStatement)。
  3. 最小化权限:为 MCP 进程分配只读或受限的数据库角色,杜绝在同一账号上拥有 DDL 权限。
  4. 网络分段:将 MCP 服务置于内部子网,仅允许可信主机访问,并通过防火墙强制源 IP 白名单。

案例启示:即使是“官方提供”的 AI 接口,也可能因“一个小小的检验遗漏”而成为攻击者的入口。信息系统的每一次自动化调用,都应当视作潜在的攻击向量,必须在设计阶段就嵌入 “安全即代码(Security‑as‑Code)” 的理念。


案例二:Apache Pinot MCP 未认证的 HTTP 端点

事件回顾

Apache Pinot 以低延迟的 OLAP 查询著称,StarTree 公司在 2.0.0 之前的 MCP 实现默认 使用明文 HTTP 进行通信,且 未强制身份验证。Peled 在安全审计时发现,攻击者只要能够从外部网络访问该端口,即可直接发送 /mcp/run_tool 请求,调用后端的 exec_query 功能执行任意 SQL,甚至可以通过 “DELETE FROM …” 语句抹掉核心业务表。

风险评估

  • 攻击面:对外暴露的 HTTP 端口,无论是云公网 IP 还是边缘网关,都可被探测。
  • 危害程度:完整数据库接管,业务服务不可用,极易导致 SLA 违约与品牌声誉受损。
  • 利用难度:极低——只需一次 HTTP GET/POST 请求,无需任何凭证。

防御措施

  1. 强制身份认证:默认启用 OAuth2、JWT 或相互 TLS(mTLS)进行双向认证。
  2. 禁用明文协议:采用 HTTPS(TLS 1.3)加密所有 MCP 通信,防止中间人篡改。
  3. 访问审计:记录每一次 MCP 调用的来源 IP、调用者身份、SQL 内容,便于事后溯源。
  4. 安全默认配置:在发行版中将 “allow‑unauthenticated‑access” 标记为 false,并在 README 中明确告警。

案例启示:开放的接口若缺失最基本的身份验证,就像在公司大门外挂一块“随意进出”的招牌。零信任(Zero‑Trust) 的思想在此处尤为重要——任何请求都必须被验证、被授权、被审计。


案例三:Alibaba RDS MCP 信息泄露漏洞(未修复)

事件回顾

Alibaba Cloud 的 RDS 服务同样提供 MCP 接口,帮助 AI 模型实现 检索增强生成(RAG)。Peled 通过实测发现,所有版本的 RDS MCP 均未对调用方进行身份校验,且在执行向量索引查询时会直接返回 表名、字段、索引结构 等元数据。攻击者仅需发送 POST /mcp/rag 请求,即可获取整个数据库的结构蓝图——对后续的精准攻击提供了完美的情报。

风险评估

  • 攻击面:只要能够访问 RDS 的网络入口(如 VPC 直连、VPN、或云安全组误放通),即可获取信息。
  • 危害程度:信息泄露虽不直接破坏数据,但为 高级持续性威胁(APT) 的后期渗透提供黄金情报,攻击成本大幅下降。
  • 利用难度:极低——不需要复杂的漏洞链,甚至不需要登录凭证。

供应商响应

Alibaba 在收到报告后,官方回复 “不适用于修复”,导致漏洞继续保留在生产环境中。此举引发业界对 供应商安全责任 的激烈讨论,也提醒我们在选型时必须评估 供应链安全响应速度

防御措施(用户层面)

  1. 网络隔离:通过安全组、ACL 将 RDS MCP 端口仅限内部可信子网访问,外部网络绝不直通。
  2. API 网关层防护:使用云原生 API 网关在入口处添加 WAF 规则,拦截异常请求并记录日志。
  3. 元数据脱敏:在业务层对返回的结构信息进行脱敏或限制,仅返回必要字段。

  4. 供应商评估:签订 SLA 中加入 安全漏洞响应时限 条款,确保供应商对高危漏洞作出及时修补。

案例启示:即便是大型云服务商,也可能因为 “不适用” 的评估而放任漏洞。我们在 “技术选型” 环节必须将 “安全合规性” 列为硬性指标,且在合同中预设 漏洞响应与补丁交付 的明确条款。


案例四:AI Agent 与模型上下文协议(MCP)生态的系统性缺陷

事件回顾

从上述三个具体案例可以抽象出一个更宏观的安全问题——MCP 生态整体缺乏统一的安全规范。MCP 作为 Anthropic 开源的协议,为 LLM、自动化机器人与外部系统的交互提供了标准化方式。可是目前的实现层面普遍存在:

  • 参数校验不完整(如 db_name、table_name、查询语句前缀)。
  • 缺失身份认证(尤其在 HTTP 直通场景)。
  • 查询结果缺少细粒度的 授权校验,导致敏感元数据泄露。
  • 安全日志与审计功能不完善,难以及时发现异常行为。

风险评估

  • 系统级连锁:一次 MCP 漏洞可能导致 跨系统、跨服务 的连锁攻击,攻击者可借此横向移动、提权甚至植入后门。
  • 供应链放大效应:若某个开源 MCP 实现被广泛集成,单个缺陷就可能影响数千家企业的生产系统。
  • 合规挑战:GDPR、PCI‑DSS、等法规对 数据访问控制审计日志 有严格要求,MCP 的缺陷直接导致合规风险。

行业建议

  1. 制定安全基线:由行业联盟(如 CNCF、ISO)发布 MCP 安全最佳实践(包括输入验证、强制认证、最小化特权、审计日志等)。
  2. 安全审计即代码审查:在 CI/CD 流程中加入 MCP 组件的安全扫描(静态分析、模糊测试)。
  3. 安全培训与红蓝对抗:对开发、运维、业务团队进行 MCP 安全意识培训,并定期组织 红队渗透演练
  4. 供应商安全承诺:在采购协议中要求供应商提供 安全响应时限(SLO),并对未及时修复的高危漏洞设置 违约金

案例启示:安全不是某个单点的事,而是 系统化、流程化 的治理活动。只有把 “安全思维” 融入到 MCP 设计、实现、部署、运维的每一个环节,才能真正抵御下一波 AI‑Agent 风暴。


信息化、机器人化、自动化时代的安全新格局

1️⃣ 信息化:数据成为新油,安全是必备的过滤系统

在数字化转型的浪潮中,数据的 “流动性” 前所未有。AI Agent、MCP、RAG 等技术让 数据即服务(DaaS) 成为常态。每一次数据流动,都可能在 边缘节点、云端、容器集群 等多层面产生泄露风险。我们必须建立 全链路数据安全治理,包括 加密传输、细粒度访问控制、持续监测

2️⃣ 机器人化:自动化脚本是“双刃剑”

企业普遍采用 机器人过程自动化(RPA)AI‑Agent 来完成低代码、低错误率的业务流程。但机器人本身若缺乏安全校验(如凭证硬编码、缺少最小权限),就会成为 “内部特权突破” 的敲门砖。安全编排(Secure Orchestration) 必须与业务编排同步进行。

3️⃣ 自动化:DevSecOps 必不可少

从代码提交到容器交付,安全必须渗透进 CI/CD 流水线。针对 MCP 相关的 容器镜像K8s Operator,应在 镜像签名、合规扫描、运行时防护(Runtime Protection) 等环节设立安全门禁。通过 GitOpsPolicy‑as‑Code,实现安全策略的 自动化审计与强制执行


号召全员参与信息安全意识培训 —— 从“知晓”到“行动”

亲爱的同事们,面对 MCP 漏洞AI Agent 失控云服务供应链风险 这些前所未有的挑战,我们每个人都是 最前线的守门员。为此,公司特推出 《信息安全意识提升专项培训》,计划将在 2026 年 6 月 10 日至 6 月 24 日 分两轮进行,内容涵盖:

  1. 安全基础:密码管理、钓鱼防范、社交工程识别。
  2. MCP 安全实战:参数校验、身份认证、审计日志的落地配置。
  3. AI Agent 与 RAG 防护:模型调用权限、数据脱敏、上下文注入防御。
  4. 云服务安全:安全组、VPC、IAM 最佳实践以及供应商安全评估。
  5. 红蓝对抗演练:分组模拟 MCP 漏洞利用与修复,真正让“理论”转化为“实践”。

培训形式与奖励机制

  • 线上自学 + 实时研讨:每位学员可在企业学习平台观看 1 小时视频,随后参加 30 分钟线上答疑。
  • 现场实验室:在公司安全实验室(位于 12 号楼安全实验区)进行真实环境的漏洞复现与修补,完成实验后将获得 “安全防护工程师” 电子徽章。
  • 积分制激励:培训期间累计 安全积分(阅读材料、完成测验、提交改进建议)最高的前 10 名将获得 公司专项安全基金 10,000 元年度安全之星 表彰。

我们期待的改变

  • 安全思维渗透:让每一次代码提交、每一次 API 调用,都先问自己:“这一步是否已验证安全?”
  • 主动报告:鼓励同事在发现异常行为、潜在漏洞时,使用内部 Vulnerability Disclosure Portal 主动提交,快速进入 安全响应流程
  • 跨部门协同:安全、研发、运维、产品共同制定 MCP 安全基线,实现 安全即服务(Security‑as‑Service)

正所谓 “防患于未然,方能高枕无忧。” 在这个 AI 泽被浸润自动化如潮 的时代,信息安全不再是 IT 部门的“后勤工作”,而是 全员使命、全链路责任。让我们在即将到来的培训中,以案例为镜、以防御为剑,共同守护企业的数字资产与信誉。


结语:从案例到常态,从意识到行动

  • 案例一 告诉我们:细节疏漏(如缺少 SQL 参数过滤)可以让攻击者“一键”夺取数据库。
  • 案例二 揭示:无认证的 HTTP 接口 等同于敞开的后门,任何人都可“走进”。
  • 案例三 警醒:供应商不修复 的高危漏洞会让企业无形中背负“信息泄露”的重担。
  • 案例四 强调:MCP 生态的系统性缺陷 必须通过行业标准、代码审计、红蓝演练等手段根治。

信息化、机器人化、自动化 快速融合的今天,安全是唯一的底线意识是最坚固的城墙。通过本次 信息安全意识培训,我们将把每位同事都锻造成 “安全守门员”,让企业的每一次 AI 调用、每一次数据交互,都在可信赖的防线之下安全运行。

让我们携手,把“怕”变成“会”,把“会”转化为“能”,把“能”落实到每一次代码、每一次部署、每一次对话之中。信息安全,让我们一起守护!

昆明亭长朗然科技有限公司致力于提升企业信息安全意识。通过定制化的培训课程,我们帮助客户有效提高员工的安全操作能力和知识水平。对于想要加强内部安全防护的公司来说,欢迎您了解更多细节并联系我们。

  • 电话:0871-67122372
  • 微信、手机:18206751343
  • 邮件:info@securemymind.com
  • QQ: 1767022898