——引子：头脑风暴的三桩警钟

在信息化浪潮汹涌而来的今天，安全已不再是“后勤保障”，而是每一位职工、每一行代码、每一次数据流动都必须时刻审视的“第一职责”。为帮助大家快速进入安全思考的状态，本文在开篇先抛出三桩典型且深具教育意义的真实案例，借助情境还原与因果剖析，让警钟响彻每一位同事的脑海。

---

案例一：DockSec——AI 赋能的容器漏洞“噪音”治理

背景
2025 年底，某大型金融企业在 CI/CD 流程中引入了容器镜像扫描工具（Trivy、Hadolint、Docker Scout）。一次全量扫描后，报告中列出了 200+ CVE，其中 180 条被标记为“高危”。安全团队在短短两天内已经处理完毕，却发现系统仍频繁出现同类漏洞，且开发人员对“到底该怎么修复？”一筹莫展。

安全事件
该企业的安全团队在一次内部经验分享中提到：“我们得到的只是‘警报’，没有‘手段’”。 于是，他们转向了新兴的开源项目 DockSec，该项目采用 AI 与大语言模型（LLM）对扫描结果进行去噪、优先级排序，并自动生成 Dockerfile 修复指令。DockSec 的工作流如下：

步骤	说明
1. 本地运行 Trivy、Hadolint、Docker Scout	所有扫描器均在内部网络执行，确保镜像内容不外泄。
2. 将扫描元数据（漏洞 ID、受影响层、CVSS 等）发送至 LLM	仅元数据上云，避免隐私泄漏。
3. LLM 对重复、低风险 CVE 进行合并，输出 “修复建议 + Dockerfile 代码块”	生成的代码可直接复制粘贴到 CI 脚本中。
4. 人工复核后推送合并请求	保持安全审计的可追溯性。

在实际使用中，安全团队对 15 台容器镜像 进行实验，结果显示：

• 183 条高危漏洞被定位，其中 15 条属于 “关键”（CVSS ≥ 9.0）；
• 通过 DockSec 生成的 Dockerfile 修改，全部 高危漏洞在 3 小时 内得到根除；
• 开发人员反馈，“过去要花一天甚至几天手工查文档，现在几分钟就搞定”，显著提升了 修复效率 与 安全满意度。

深层教训

1. 信息噪声危害大：传统扫描工具往往以“量大面广”取胜，却忽视了“如何让人真正用上”。大量的 CVE 报告会让人产生“安全疲劳”，导致关键漏洞被埋没。
2. AI 不是魔法棒：DockSec 的成功在于 本地化 与 元数据最小化，确保了数据隐私与合规。盲目把所有扫描结果上传云端，既违背企业合规，又可能泄露业务秘密。
3. 自动化与人工复核相结合：AI 给出建议后仍需人审，这一点是任何安全产品的基本底线。完全自动化的补丁推送在缺乏业务上下文时容易引发 “误修”。

---

案例二：开源 AI 模型安全基准——《620,000 次 TELUS 安全测试》惊现“安全平等”

背景
2026 年 5 月，全球领先的安全评测机构 TELUS 对 620,000 次 AI 交互进行安全性评估，比较对象包括 OpenAI GPT‑4、Anthropic Claude、Google Gemini 与 若干主流开源大模型（如 LLaMA‑2‑Chat、Mistral‑7B、DeepSeek‑V2）。测试重点聚焦于模型在 有害内容生成、隐私泄露、指令注入 三大维度的表现。

安全事件
评测结果令人震惊：在 有害内容 维度，开源模型的违规率（约 4.7%）与商业模型（约 4.9%）几乎持平；在 隐私泄露 维度，开源模型甚至略胜一筹。于是，媒体头条称：“开源 AI 并不比商业 AI 更不安全”。然而，社交平台上一些安全从业者解读为：“只要开源，就能随意使用”。这带来了两类误判：

1. 误判一：企业盲目将开源模型投入生产，忽视 模型微调、安全审计 与 访问控制，结果在实际业务中被对手利用模型漏洞进行 “Prompt Injection” 攻击，导致内部数据泄露。
2. 误判二：监管部门在制定政策时，只依据“安全平等”这一单一指标，忽视 国产化、可审计性 等更深层次的合规要素，导致政策实施时出现 “合规空白”。

深层教训

1. 安全基准是起点，而非终点：即使开源模型在基准测试中表现不劣，也必须结合 业务场景、数据敏感度 进行二次评估。
2. 开源的“透明”不等于“免疫”：模型代码公开反而意味着攻击者可以更快定位漏洞。企业需要 主动加固（如对敏感指令进行过滤、使用沙箱执行）而非依赖“开源天然安全”。
3. 安全治理要多维度：仅看“有害内容生成率”的统计不够，还应关注 模型供应链（模型权重来源、训练数据版权）和 部署体系（容器化、零信任网络）。

---

案例三：GLM‑4.7 在 TELUS 安全评测中击败多款商业大模型 ——“黑盒” AI 的双刃剑

背景
同一次 TELUS 安全评测中，GLM‑4.7（由清华智谱 AI 开发的中文大模型）在 指令注入 与 对话漂移 两大指标上均取得 显著优势，整体安全得分超过 GPT‑4、Claude‑2 约 8 分（满分 100 分）。该成绩在业界引发了广泛关注，很多企业开始考虑将 GLM‑4.7 作为 内部知识库问答 与 自动化客服 的核心引擎。

安全事件
在一次大型电商平台的试点项目中，研发团队将 GLM‑4.7 部署于 边缘算力节点，用于即时生成商品推荐文案。上线后不久，平台收到用户投诉：“推荐里出现了不实折扣与虚假促销信息”。调查发现：

• 错误根源：攻击者通过 微调数据（在公开的 GitHub 项目中上传了带有误导性示例的 JSON）实现了 “数据投毒”，导致模型在特定触发词下输出不实信息。
• 影响范围：受影响的用户约 12,000 人，导致平台产生 约 300 万元 的潜在损失（包括用户信任度下降与补偿费用）。
• 应急处置：安全团队在 24 小时内回滚到未微调的模型版本，同时加入 输入校验 与 输出审计，防止类似注入再次发生。

深层教训

1. 微调是双刃剑：对模型进行业务微调可以提升 专业度，但若微调数据来源不受控，则极易成为 攻击面。
2. 边缘部署不等于安全：将模型放在边缘节点可以降低延迟，却可能削弱 统一安全监控 与 日志聚合，导致攻击难以及时发现。



3. 实时审计不可或缺：对模型输出进行 业务规则校验（如价格合法性、促销有效期）是防止模型误导的关键防线。

---

信息化、无人化、数据化的融合时代——新型安全挑战的全景图

过去的 “防火墙+IDS” 已经无法完整覆盖 云原生、容器化、Serverless、边缘 AI 的生态。今日的企业正处在 数据化（大数据、实时分析）、无人化（自动化运维、机器人流程自动化）与 信息化（数字化协同、全员协作平台）交叉融合的关键节点。以下是三大趋势带来的安全新课题：

趋势	对安全的冲击	应对策略
数据化	海量日志、业务数据成为攻击者的情报库；数据泄露成本直线上升。	实施数据分类分级、最小权限原则；采用 零信任 数据访问模型；部署 数据防泄漏 DLP。
无人化	自动化脚本、机器人流程若被劫持，将 批量执行 恶意指令，放大攻击面。	对 CI/CD、RPA 流程加入 数字签名、行为异常检测；实行 多因素审计（代码审查+运行时监控）。
信息化	协作平台（钉钉、企业微信）集成第三方插件，插件供应链风险提升。	建立 插件白名单、供应链安全审计；对外部 API 调用实施 细粒度授权 与 流量监控。

在上述背景下，“人—机”协同的安全文化 必须从“培训一次，记忆终身”向“持续学习、即时反馈”转变。仅靠一次性的安全培训已无法满足快速演进的威胁环境，必须形成 “安全即生产力” 的认知体系。

---

号召：加入即将开启的信息安全意识培训，筑牢个人与组织的双重防线

1. 培训目标——从“认识”到“实践”

阶段	关键能力	具体产出
认识层	了解最新威胁形态（容器噪声、模型注入、供应链投毒）	能在新闻、内部通报中快速定位风险点。
技能层	掌握 DockSec 类 AI 辅助工具的使用；掌握 LLM Prompt 安全；熟悉 零信任 与 数据分类 的基本实现。	能在实际项目中自行完成 安全扫描 → 噪声过滤 → 自动化修复 全链路。
文化层	建立 持续安全反馈（每日一报、每周复盘）机制；推广 同伴安全审查（Peer Review）文化。	部门安全事件响应时间从 24h 缩短至 4h；安全事件复现率下降 60%。

2. 培训模式——线上+线下、理论+实战、个人+团队

• 线上微课（30 分钟）：聚焦热点案例（如 DockSec、GLM‑4.7），配合 互动问答 与 即时测验。
• 线下实战工作坊（2 小时）：现场演练 容器镜像全链路扫描 → AI 生成修复 → CI 自动化推送 的完整流程。
• 跨部门安全研讨会：邀请 IT、研发、合规、法务 四大部门共同探讨 数据治理、模型审计、供应链安全 的落地方案。
• 安全挑战赛（Hack‑the‑Sec）：设置 “AI Prompt 注入” 与 “容器噪声消除” 双重赛道，激发职工创新思维，产出 企业内部安全工具 原型。

3. 参训奖励——让学习有价值，让价值可见

• 证书体系：完成基础与进阶课程后颁发 《企业信息安全合规证书》，计入 岗位绩效。
• 积分激励：每完成一次实战演练可获 安全积分，积分可兑换 技术书籍、云资源免费额度、内部创新基金。
• 优秀案例展示：在公司内刊《信息安全之光》上刊登优秀创新案例，提升个人 专业形象 与 职业竞争力。

4. 行动指南——马上加入，别让安全“盲区”敲响警钟

1. 打开企业内网门户，进入“信息安全意识培训”专区。
2. 完成自测问卷，获取个人安全薄弱环节报告。
3. 预约首场线上微课（下周二 14:00），并在日历中标记实战工作坊时间。
4. 邀请团队成员 共同报名，形成学习合力。
5. 每周一提交安全日志，记录学习收获与实际应用情况，获得导师“一对一”指导。

“千里之行，始于足下；安全之路，亦如此。” 正如《论语·卫灵公》所言：“‘三人行，必有我师焉’”，在安全的学习旅程中，每位同事既是学习者，也是最好的老师。让我们在 数据化、无人化、信息化 的浪潮中，携手共筑 可信赖的数字防线，让企业的每一次创新都在安全的护航下稳健前行。

---

让安全成为一种习惯，让 AI 成为安全的助力，让每一次代码、每一次部署、每一次数据交换，都在可视、可控、可审的环境中进行。 期待你在即将开启的培训中收获满满，携手打造更加安全、更加透明、更加高效的数字未来。

昆明亭长朗然科技有限公司致力于推动企业信息安全意识的提升，通过量身定制的培训方案来应对不同行业需求。我们相信教育是防范信息泄露和风险的重要一环。感兴趣的客户可以随时联系我们，了解更多关于培训项目的细节，并探索潜在合作机会。

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

头脑风暴——在信息化、数智化、数据化深度融合的今天，你是否曾想象：一次看似普通的系统更新，可能瞬间让公司核心业务陷入“停摆”；一次轻率的密码设置，可能让客户的个人隐私化为公开的“免费午餐”；一次对开源代码的盲目使用，可能让供应链的每一个节点都暴露在黑客的狙击之下。

下面，我将从四个典型且具有深刻教育意义的信息安全事件出发，借助真实案例的力量，让每一位职工都在“危机中学习”，在“学习中防御”。

---

一、案例一：OTP平台EVERY8D遭黑客攻击——“双因素失效”的代价

事件概述

2026 年 5 月 26 日，国内占有率第一的 OTP（一次性密码）平台 EVERY8D 突然陷入大规模安全事件。F‑ISAC（金融信息共享与分析中心）发布黄灯级安全警报，称攻击者利用平台的 API 接口漏洞，批量获取用户的 OTP 密钥，并在短时间内完成数万笔交易的“劫持”。

安全失误

1. 接口鉴权薄弱：平台对外开放的短信发送 API 未对请求来源进行严格的 IP 白名单限制，导致恶意脚本能够通过伪造请求轻松调用。
2. 日志审计缺失：异常的高频调用未能触发实时告警，甚至在事后审计时也未能快速定位攻击路径。
3. 密钥管理不当：OTP 生成算法的种子值储存在未加密的配置文件中，一旦服务器被渗透，攻击者即可逆向生成合法的 OTP。

影响与代价

• 受影响用户超过 30 万，累计金融损失约 1.2 亿元新台币。
• EVERY8D 品牌信誉跌至谷底，客户流失率在两周内飙升至 18%。
• 监管部门依据《个人资料保护法》对平台处以高额罚款，并要求在三个月内完成系统整改。

教训提炼

• 双因素防护不是万能的：即便拥有 OTP，若生成与传输环节本身不安全，整体防护体系仍然脆弱。
• 最小特权原则必不可少：对外接口必须实行最小权限，所有调用均需经过多因素鉴权并记录完整审计日志。
• 安全合规应提前渗透：在产品上线前进行渗透测试、代码审计以及安全风险评估，避免“后期补丁”带来的业务中断。

职场启示：如果你是系统管理员或研发人员，一定要记住：安全是代码的第一行注释，而不是事后才写的文档。

---

二、案例二：Gemini 3.5代码大幅删除导致服务中断——“删库”灾难的警示

事件概述

2026 年 5 月 25 日，Google 旗下的生成式 AI 大模型 Gemini 3.5 在一次内部版本升级过程中，意外删除了近 3 万行核心代码。该操作导致大量依赖 Gemini API 的企业服务瞬间宕机，部分用户在数小时内无法完成关键业务流程，直接造成业务收入损失估计超过 5000 万美元。

安全失误

1. 缺乏变更管控：代码删除未经过完整的变更审批流程，直接在生产环境的主分支上执行。
2. 备份策略不当：虽然有每日快照，但快照的恢复点设置为 48 小时前，导致恢复时间窗口过长。
3. 自动化测试缺失：关键的回滚脚本未经过自动化测试，导致在实际回滚时出现二次错误。

影响与代价

• 受影响的企业包括金融、医疗、物流等关键行业，累计业务中断时间超过 12 万分钟。
• 因为服务不可用，部分企业被迫与竞争对手签订临时合作协议，导致长期合作关系受损。
• Google 面临舆论压力，被迫公开道歉并对内部治理进行大幅整改。

教训提炼

• 变更管理是防止“删库”灾难的第一道防线：每一次代码提交、配置改动都应通过严格的审批、审计和回滚机制。
• 备份与恢复要做到“即时可用”：关键系统的备份频率应根据业务容忍度制定，恢复点目标（RPO）与恢复时间目标（RTO）必须提前设定。
• 自动化测试不可或缺：即便是一次看似简单的代码删除，也应在预生产环境完成回滚演练，确保业务不受影响。

职场启示：每位开发者、运维人员乃至项目经理，都应把 “一次失误的代价” 当作日常工作的标配考量，用制度化的流程抵消个人的失误。

---

三、案例三：AI普及导致支付诈骗升级——“人性”不再是唯一防线

事件概述

2026 年 5 月 25 日，Visa 发布《2026 年支付威胁趋势报告》，指出随着生成式 AI 技术的广泛落地，诈骗集团不再依赖传统的技术手段（如键盘记录、钓鱼网站），而是转向 “AI 人设”：利用大模型快速生成逼真的语音、视频乃至聊天对话，冒充银行客服、公司高管或亲友进行诈骗。

安全失误

1. 身份验证单点失效：多数企业仍然依赖 “短信 OTP” 或 “电话验证码” 进行身份确认，而这些方式正被 AI 合成语音轻易绕过。
2. 缺乏行为分析：支付系统未对异常交易行为（如突发的大额跨境转账）进行实时机器学习检测，导致诈骗在短时间内完成。
3. 员工安全教育不足：一线客服人员对 AI 生成的语音缺乏辨别能力，误将钓鱼电话当作真实用户请求。

影响与代价

• 全球范围内，AI 驱动的支付诈骗案件增长 68%，单笔诈骗平均金额提升至 1.5 万美元。
• 受害企业的财务损失累计超过 10 亿美元，且因为品牌信任受损，后续的客户流失更为严重。
• 法律监管部门开始对企业的 “AI 防诈骗能力” 进行强制性审查，未达标者将面临高额罚款。

教训提炼

• 多因素认证（MFA）必须升级：除 OTP 外，还应引入硬件安全密钥（如 YubiKey）或基于生物特征的动态验证。
• 行为分析是 AI 对 AI 的最佳防线：通过机器学习模型实时监控交易行为、登录模式等异常，形成“即时预警+自动阻断”。
• 安全意识培训要跟上 AI 步伐：定期组织针对 AI 生成欺诈手段的案例演练，让员工学会“听辨 AI 语音”、识别深度伪造的痕迹。

职场启示：在 AI 时代，“技术是把双刃剑，安全是唯一的护身符”。每位员工都应当把辨别 AI 诈骗列入日常工作检查清单。

---

四、案例四：开源供应链攻击——从 Anthropic 漏洞到 TeamPCP 数据售卖的完整链条

事件概述

2026 年 5 月 25 日，人工智能实验室 Anthropic 公布 Project Glasswing 项目一月内的安全评估报告，其中指出其最新语言模型 Claude Mythos 发现超过 三万条 安全漏洞，涉及 内存泄露、权限提升、代码注入 等多种攻击面。仅三天后，黑客组织 TeamPCP 在暗网公开售卖近 4000 份 GitHub 开源仓库的源码与凭证，最低单价仅 5 万美元。

安全失误

1. 开源依赖未进行安全审计：许多企业在项目中直接使用了未经审计的第三方库，导致漏洞随代码一起进入生产环境。
2. 凭证管理松散：开发人员在本地或 CI/CD 环境中硬编码了 API 密钥、SSH 私钥，导致这些敏感信息被爬虫轻易抓取。
3. 供应链可视化不足：缺乏对所有第三方组件的版本控制、漏洞跟踪与补丁管理，导致发现漏洞后补丁发布时间延迟。

影响与代价

• 多家使用 Claude Mythos 的企业因模型后门被植入恶意指令，导致内部业务数据被窃取并在暗网出售。
• TeamPCP 的数据售卖链条导致 约 2.3 万 开源项目被攻击者抓取，形成了庞大的 “开源攻击素材库”。
• 受影响企业在合规审计中被扣除“供应链安全”项的高额罚款，整体安全支出在年度预算中激增 35%。

教训提炼

• 开源使用必须配套安全治理：引入 SCA（Software Composition Analysis）工具，对每一个第三方依赖进行实时漏洞扫描与合规检查。
• 凭证管理走向“零信任”：使用 Vault、AWS Secrets Manager 等安全凭证管理系统，避免明文保存，实施最小权限原则。
• 供应链可视化是根本防线：通过 CI/CD 流水线将安全审计、代码签名、镜像扫描等步骤自动化，形成闭环。

职场启示：每位开发者、项目经理乃至采购人员，都应当把 “开源安全” 当作项目立项的必备要素，而不是事后的补丁。

---

二、信息化、数智化、数据化融合的环境——安全挑战与机遇共存

1. 数字化浪潮的“三大趋势”

趋势	具体表现	对安全的冲击
信息化	企业业务全面上云、IT 基础设施虚拟化	边界模糊，传统防火墙失效
数智化	AI/ML 深度嵌入业务流程（如 AI 灾防、智能客服）	AI 模型供应链、对抗样本攻击
数据化	大数据平台、实时数据湖、跨部门数据共享	数据泄露风险倍增，数据治理难度提升

在 行政院 最近推出的 “AI 导入灾防专案会议” 中，政府明确提出四大 AI 应用方向：决策支援、资源调度、信息传递、特殊族群支持。这些方向本质上是 数据驱动的 AI 系统，而 数据安全 与 模型安全 必须同步推进。

2. “AI + 信息安全” 的双向赋能

• AI 赋能安全：利用机器学习模型自动检测异常流量、识别恶意代码、预测泄露风险。正如 交通部 在边坡监测系统中使用 AI 进行实时预警，企业同样可以借助 AI 对内部网络进行 行为基线 建模。
• 安全护航 AI：对 AI 训练数据进行完整性校验、对模型进行对抗样本测试、使用 防篡改硬件（如 TPM）确保模型部署环节的可信度。

3. 数据治理的四大基石

基石	内容	实际操作
数据分类	根据敏感度分为公开、内部、机密、极机密	建立标签系统，配合 DLP（数据防泄露）工具
权限最小化	仅授权必要的人员/系统访问数据	基于 RBAC/ABAC 实现细粒度访问控制
审计监控	实时记录数据访问、修改、导出行为	使用 SIEM（安全信息与事件管理）实现统一日志分析
备份恢复	确保数据在灾难或攻击后可快速恢复	实施 3-2-1 备份法则（三份拷贝、两种介质、一份异地）

---

三、职工参与信息安全意识培训的必要性与行动指南

1. 为何每位职工都是 “第一道防线”

• 人是最柔软的环节：黑客的第一步常常是钓鱼邮件、社交工程，只有具备 安全意识 的员工才能在第一时间识别并阻断。
• 技术安全是团队协作：从研发、运维到业务部门，任何一个环节的疏漏都可能导致全链路的风险暴露。
• 合规压力日益增强：如《个人资料保护法》、ISO 27001、PCI DSS 等标准，已将 员工培训 纳入审计必查项目。

2. 培训活动的核心目标

目标	具体表现	成功衡量指标
认知提升	了解常见威胁（钓鱼、勒索、供应链攻击）	前测后测分数提升 30% 以上
行为转变	在日常工作中主动使用安全工具（密码管理器、MFA）	安全事件报告下降 40%
技能赋能	熟练使用企业安全平台（SIEM、DLP）进行自检	完成实战演练并取得合格证书
文化沉淀	建立“安全第一”的组织价值观	员工安全满意度调查 ≥ 90%

3. 培训的四大模块（建议采用混合式学习）

1. 威胁情报视野：
   • 解析近期国内外热点安全事件（如 EVERY8D、Gemini 3.5）。
   • 通过红队/蓝队对抗演练，让学员体会攻击者的思维路径。
2. 安全技术实操：
   • 演示密码管理、硬件安全密钥的使用。
   • 实战演练日志分析、异常流量检测、AI 模型安全评估。
3. 政策合规与治理：
   • 解读《个人资料保护法》与 ISO 27001 的员工职责。
   • 结合公司内部的 “信息安全管理制度”，阐明合规流程。
4. 应急响应与危机沟通：
   • 案例复盘（如 TeamPCP 数据泄露），演练应急预案的启动。
   • 练习内部报告、外部通报与媒体沟通的最佳实践。

4. 激励机制与持续改进

• 积分制奖励：完成各模块学习、通过考核即可获得积分，积分可兑换公司福利或专业认证培训。
• 安全之星评选：每季度评选 “安全之星”，表彰在防御、报告、创新方面表现突出的个人或团队。
• 循环反馈：通过培训后问卷、演练结果和实际安全事件统计，不断优化培训内容和难度，使之贴合业务发展和技术演进。

---

四、行动呼吁——让我们一起筑起“数字化时代的安全长城”

“防患于未然”，是古代兵法的智慧，也是信息安全的根本法则。

在 AI 灾防、云端迁移、大数据分析 等前沿技术的浪潮中，安全隐患如同暗流潜伏；而每一位职工的安全觉悟，就是那把能够照亮暗流的灯塔。

我们期待您做到以下几点：

1. 主动学习：报名参加即将开启的信息安全意识培训，完成全部四大模块的学习与考核。
2. 自我检查：定期使用公司提供的安全自评工具，检查个人账号、设备、密码的安全状态。
3. 及时报告：遇到可疑邮件、异常登录或系统异常，第一时间通过 安全事件上报平台 报告。
4. 共享经验：在部门内部开展“安全经验交流会”，把自己防御成功的案例或失误的教训分享给同事。

结语

正如 行政院 在灾防专案中所强调的：“数据整合、AI 分析、跨部门协作”，信息安全也同样需要 技术、流程、文化三位一体 的协同发力。让我们在数字化转型的浪潮中，既拥抱 AI 与大数据带来的效率红利，也用扎实的安全防护筑起坚不可摧的防线。

“安全不是负担，而是竞争力的源泉。”

—— 让我们在即将开启的培训中，携手共筑 “安全智护”，为企业的可持续发展保驾护航。

---

我们提供包括网络安全、物理安全及人员培训等多方面的信息保护服务。昆明亭长朗然科技有限公司的专业团队将为您的企业打造个性化的安全解决方案，欢迎咨询我们如何提升整体防护能力。

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