北京时间4月21日消息,据《福布斯》网站报道,美国哥伦比亚大学的一个安全小组最近发现了一种新型、隐蔽的电脑攻击模式,黑客利用这一攻击模式,可对全球八成PC实施监控。
据悉,利用该漏洞,黑客可在不被检测到的情况下对PC、网络应用或者云端虚拟机实施监控。任何使用英特尔最新处理器和HTML5网络浏览器的PC均为这一攻击的潜在对象,这意味着全球80%的PC面临着这一攻击风险。
该小组研究人员表示,黑客使用这一被称为“沙箱间谍”的安全漏洞对PC发动攻击,几乎不需要花费时间和金钱,不需要安装什么东西,而且勿需进入硬件系统。黑客所要做的,是将受害用户引诱到一个由攻击者控制的非授信内容页面上。
黑客一旦得手,内置含有虚假内容的软件将启动一个程序,可以通过操纵受害人PC缓存数据的进出,从而对系统实施监控。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。