2月28日消息,美国专车公司Uber周五宣布,该公司的数据库曾在去年遭遇第三方入侵,可能导致该公司的5万名司机信息被盗。Uber表示,被盗的只有司机的姓名和驾驶证编号。
Uber在声明中称,这些司机都是其移动专车网络中的成员,该公司已经向其发送了相关通知。另外,Uber也将采取法律手段搜集与此次泄密相关的信息。
Uber表示,去年5月公司的一处数据库出现泄露,随后,Uber立即限制了对该数据库的访问。目前还没有接到关于泄露的信息被滥用的报告。
Uber将向受影响的司机免费提供为期一年的Experian身份保护会员服务。Uber表示,该公司的网络中有着数十万名司机,而这一事故只对其中的很少一部分造成了影响。
据悉,Uber已遭到很多地区监管者的质疑,这些监管者都希望进一步了解Uber的司机是否拥有合法的执照和必备的保险。迫于压力,Uber本周同意为美国马里兰州的公共设施委员会提供司机姓名。
Uber创立于2009年,目前已经将业务范围扩张到54个国家或地区的277座城市。
好文章,需要你的鼓励
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。