苹果公司发表声明坚称,该公司从未构建任何进入其产品或服务的后门。
据《金融时报》记者蒂姆·布拉德肖(Tim Bradshaw)在其Twitter上发布的以下声明表示,苹果否认该公司与任何政府机构合作,在苹果产品中穿插后门:
“我们设计的iOS系统,可以保证其诊断功能不会危及用户的隐私和安全,但在遇到故障排除技术问题时,该系统仍然会为企业的IT部门、开发者和苹果提供必要的信息。用户必须已经解锁设备并同意信任另一台计算机,才能使该计算机能够访问这些有限的诊断数据。用户必须同意共享这些信息和数据,而且数据不会未经他们允许就进行传输。正如我们过去的解释,苹果从未与任何国家的任何政府机构合作,在我们的任何产品或服务中穿插后门。”
在美国国家安全局前雇员爱德华·斯诺登(Edward Snowden)泄露政府机密文件后,苹果公司和其他科技公司均纷纷因被指控有后门漏洞而受到困扰。这种系统安全漏洞将允许政府机构以及第三方黑客和其他恶意实体轻松地进入用户设备,访问用户数据。如果这些文件属实,这些指控将对这些公司的声誉和销售造成损害,毕竟这意味着他们愿意在损害客户信任的情况下与政府部门进行合作。
苹果公司及其他科技公司过去已对此作出回应,否认了这些指控。最近,法科学学家兼作家Jonathan Zdziarski声称,美国国家安全局可能利用iOS的某些特性和服务向其潜在目标收集数据,作为回应,苹果发表了这份最新声明。不过在上周五的安全会议上,Zdziarski解释称,他并没有声称苹果公司在创建后门这一点上与美国国家安全局进行了合作,而是仅仅指出可能存在这样的后门。
Zdziarski在一篇博文中写道:“我‘并未’指控称苹果与国安局进行了合作,但我怀疑(基于斯诺登所披露的文档)该系统中的某些服务‘可能’已经被国安局利用,收集其潜在目标的数据。我并非暗示说其中有什么大阴谋,只不过,一些不应存在于iOS系统中的程序正在该系统中运行,它们是作为系统固件的一部分被苹果故意添加进去的,它们能绕过备份加密,从用户的手机中复制更多个人资料。我认为,这些最起码应该向约6亿运行iOS设备的用户解释和披露。”
而苹果在当地时间本周一发表的声明并不能准确地回应Zdziarski。同一天晚些时候,Zdziarski在其发布的另一篇博文中指责苹果“无意中”承认了iOS系统中确实存在某些后门,只不过这些后门存在的目的是为了方便企业IT部门进行故障诊断。Zdziarski表示,既然苹果能够绕过iOS备份加密获取用户信息,这似乎是承认这些后门存在隐私漏洞。
Zdziarski说道:“据我了解,每个操作系统都具有诊断功能,但在输入备份密码时,这些服务打破了苹果与消费者之间的承诺。消费者对此毫不知情,而且苹果也并未以任何形式提示消费者。我们无法证明因这些服务泄露的大量数据,未经用户明确同意。”
Zdziarski还对苹果提出的后门仅用于故障诊断的说法提出了质疑。
他表示:“我不太相信这些服务只是为了故障诊断而存在的。他们泄漏的数据是极其私人性质的,但却没有向用户告知。一个真正的诊断工具,其设计应当尊重用户,它会像某些应用访问数据时那样提示用户,并遵守备份加密。告诉我,如果存在一个能绕过备份加密的后门,那么承诺用户加密的意义何在?”
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。