就在美国金融服务公司Capital One Financial披露有超过1亿客户的记录通过安全性较差的云实例被窃取之后,这一事件的后果已经被不断放大。
现在,人们对于隐私和云安全颇为担忧。所有这些数据是否在线销售或者在线共享还不得而知,这引发了客户对身份盗用的强烈关注。
云端访问安全代理公司Bitglass首席技术官Anurag Kahol表示:“Capital One数据泄露事件是有史以来最严重的数据泄露之一。恶意行为人可以利用支付卡信息和个人身份信息进行欺诈性购买,在暗网上出售这些数据以快速获利。虽然不知道这些信息是否已经被用于欺诈目的,但Capital One仍应该采取适当措施减轻潜在损害,并向受影响者提供信用保护服务。”
数据保护公司comforte AG产品经理Felix Rosbach表示:“金融机构的违规风险比以往任何时候都要高。这些违规行为给发卡机构和消费者带来了巨大的压力,因为使用窃取的帐户信息很容易实施欺诈行为。像防火墙这样的经典防御手段只能保护你免受已知的攻击,而当涉及内部威胁的时候往往就不奏效了。”
FileCloud的一位发言人补充说,考虑到Capital采用了云实例,因此此次数据泄露事件暴露出更多的问题。这位发言人说:“Capital One一直是将数据迁移到公有云中的有力支持者,而如今他们的安全协议让数据如此容易受到恶意攻击,这一点值得关注。”
Sophos Group首席研究科学家Chet Wisniewski表示,从更广泛的角度来看,这似乎是印证了数据丢失事件越来越普遍的一个例子。
Wisniewski解释说:“供应链安全是信息安全的一个关键组成部分,企业组织在采用云技术的同时,他们需要了解并解决信息存储本身存在的风险。保护供应链每个方面非常重要,这不仅包括信息系统的物理和软件组件,还包括提供交付产品所需服务的员工。”
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。