微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 中国央视称苹果iPhone定位服务或威胁国家安全

中国央视称苹果iPhone定位服务或威胁国家安全

2014-07-13 20:30
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-07-13 20:30 CNET科技资讯网

苹果iPhone在中国受到指责,中国官方媒体声称iPhone是一个国家安全威胁。

央视曝光iPhone定位服务可能威胁国家安全

中国中央电视台(CCTV)于本周五报道称,iPhone的“常去地点”功能对中国国家安全构成了一个潜在的威胁。据路透社报道,接受央视采访的研究人员表示,如果这些数据被获取,那么该功能所采集的数据有可能会揭示中国整个国家的经济状况,“甚至是国家机密”。

苹果iOS 7操作系统为iPhone引入了这项“常去地点”功能,隐私权倡导者已将其归为一个潜在的隐私安全问题。默认情况下,该功能将允许苹果追踪用户持有iPhone的地理位置,并最终提供定位信息。不过,iPhone用户可以在其设备的隐私设置中关闭“常去地点”功能。

在最近几年中,中国和美国一直在打一场已不那么秘密的网络战。虽然长期以来,定位功能一直是隐私权倡导者所担心的一个问题,但中国报道称这些功能正是一些证据,表明美国公司正在与美国政府监视中国的项目进行合作。

虽然尚未得到证实,但央视的这项报导有可能是对美国官员于当地时间本周四所报道内容的反击。美国官员周四报道称,有中国黑客闯入了美国计算机网络,而该计算机网络储存着美国联邦雇员的个人信息。为回应美国对中国网络间谍的指控,中国常常会将矛头指向美国的科技公司。苹果、思科、谷歌、IBM和微软正是被卷入这场网络战的几家美国科技公司。

尽管如此,苹果应该不怎么乐意在这次央视报道中被提及。苹果公司首席执行官蒂姆·库克(Tim Cook)一直表示,中国是苹果的第二大重要市场。苹果与中国移动通信公司在去年年底宣布的合作,意味着苹果在中国的市场份额可能会迅速扩大。中国官方媒体在其增长势头上浇下的这盆水或将令苹果非常担忧。

CNET已联系苹果对此予以置评。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-