
今年4月,“心脏流血”(Heartbleed)安全漏洞令整个互联网世界震惊。而来自安全公司Errata Security的一份最新报告称,目前仍有逾30万台服务器存在“心脏流血”漏洞。
安全研究人员罗伯特·大卫·格雷厄姆(Robert David Graham)在这份报告中称,尽管“心脏流血”漏洞在发现后,已有不少服务器进行了安全升级、封堵了相关漏洞,但在发现“心脏流血”两个月之后,目前仍有30.9197台服务器存在该漏洞。
今年4月,谷歌工程师在网页安全软件OpenSSL上发现一处高危级别的安全漏洞——“心脏流血”漏洞,黑客利用该漏洞可以轻松盗取用户计算机中储存的信息,包括用户名,密码或者其他敏感数据。
报告称,在“心脏流血”漏洞刚被发现时,全球大约有60万台服务器存在这一漏洞。在过了一个月之后,有近32万台服务器存在这种漏洞。但在两个月过后,仍有逾30万台服务器存在“心脏流血”漏洞。在近一个月来,仅有9042名用户封堵了这一漏洞。这意味着人们逐步放缓了针对该漏洞的安全升级,甚至不再关注这一漏洞。
该研究人员表示,这种放缓意味着用户已停止针对该漏洞的系统修复,但随着老的服务器系统被逐渐淘汰,存在危险的系统会逐布减少。尽管大公司都通过在线方式对系统进行安全更新,但小公司却没有采取类似防范措施。
格雷厄姆还称,“从现在开始,即使在今后的十年中,预计在上万台服务器中仍会发现该漏洞,包括一些很重要的服务器。”
报告建议,如果不确定自己的系统是否仍存在“心脏流血”漏洞,可以通过有关安全扫描检测一下,更好的办法是为,将你的不同网络账户设置不同的密码。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。