软件行业巨头 MathWorks 正在清理一次勒索软件攻击,此次攻击使其旗舰产品 MATLAB 下线已超过一周,而 MATLAB 是全球超过 500 万用户使用的重要工具。
昨天,MathWorks 最终证实了用户的怀疑——长达数天的停运正是由勒索软件所致。其状态页面最初在 5 月 18 日指出,“多个应用”出现了问题。
一位与 The Register 取得联系的工程公司 IT 经理表示,他们公司在获取新的付费许可时遇到困难,“这确实严重阻碍了我们的项目进展。”
MathWorks 不断在其状态页面上发布更新,但在确认勒索软件攻击前,更新中提供的均是一些动作性信息甚少的内容,读者对此颇有微词。
该公司在一份声明中表示: “MathWorks 遭遇了勒索软件攻击。我们已就此事通知联邦执法部门。此次攻击影响了我们的 IT 系统。自 5 月 18 日(星期日)起,一些客户使用的在线应用变得无法访问,同时部分员工使用的内部系统也无法正常使用。
我们已经使许多系统恢复上线,并在网络安全专家的协助下,正持续将其他系统陆续恢复。”
尽管完全恢复还需一段时间,许多应用和服务仍处于离线状态或功能受限,但 MATLAB 的大部分功能现已恢复。
MATLAB 是一套极受欢迎的软件套件,提供数据分析、算法开发、数据可视化、数值分析与计算等高级功能。
基于 MATLAB 的环境 Simulink —— 用于建模、仿真和分析动态系统,也受到了此次攻击的影响。
MATLAB 在教育界的应用日益广泛,从小学到大学均将其作为学习和评估工具。此次停运正值考试季的高峰,使得许多学生失去了提交论文的重要工具。
许多 MATLAB 用户通过在线平台访问该软件,而非在 PC 上安装独立版本。在 MATLAB 的 subreddit 板块上,不少学生抱怨此次问题可能导致他们错过最后期限,并分享了他们的解决办法。
有用户反馈,对于那些已经安装 MATLAB 的用户来说,在启动软件前关闭电脑的网络连接,在某些情况下能够解决问题。
另有部分用户坦承,他们不得不通过盗版来恢复对软件的访问。
一位愤怒的 Reddit 用户表示: “我受够了 MATLAB 缺乏解释,所以我就去盗版了。我确实拥有正版许可,但既然他们无法提供我有偿获得的服务,我就要彻底盗版使用。同时,为了安全考虑,我还在使用虚拟机,以防恶意软件。”
“我现在的整个研究阶段,没有 MATLAB 根本无法开展任何工作。”另一位用户补充道。
主要问题之一在于 MathWorks 的许可服务器宕机(其 Licensing Center 截至撰写时仍处离线状态),因此网页用户无法验证许可是否有效,进而无法登录网站。License Center 为管理客户现有许可提供集中服务,而在线许可——其状态页面显示现已恢复运行——则是基于云的解决方案,替代了网络许可管理器。
这也是部分商业客户未受影响的原因,因为这些组织通常自行托管 MATLAB 许可服务器。
MATLAB Online 在教育领域的应用更为广泛,因此大量中小学校和大学生受到影响。不过,公司状态页面显示,目前 MATLAB Online、许可服务器以及用于学生评估的 MATLAB Grader 均已恢复在线。
MathWorks 状态页面上连续一周多的多次更新令读者抓狂,很多更新仅称公司“正在继续调查该问题”。随着更新不断增加,受影响的应用和服务列表也在不断扩大。
截至目前,一些用户反映已能再次使用 MATLAB Online。状态页面显示在线服务已经恢复运行,但部分用户仍无法进行身份验证。
The Register 联系了几所受此次停运影响的大学,试图了解是否会对赶截止日期或近期有考试的学生提供延期政策,但没有立即收到回复。
我们也就更多信息询问了 MathWorks,但他们未予回应。
好文章,需要你的鼓励
Nvidia公布2026财年一季度业绩,营收441亿美元,同比增长69%;新AI超算与显卡产品陆续亮相,尽管出口管控对H20业务造成影响,但整体AI市场前景依然乐观。
Cerebras WSE 芯片拥有 40 亿晶体管,推理速度达到 NVIDIA 集群的约 2.5 倍,刷新了全球 AI 推理速度记录,为复杂 AI 代理应用提供高性能计算支持。
这项研究提出了"B-score",一种新指标用于检测大语言模型中的偏见。研究人员发现,当模型能看到自己之前对同一问题的回答时(多轮对话),它能够减少偏见并给出更平衡的答案。B-score计算单轮与多轮对话中答案概率的差异,无需外部标注即可识别有偏见的回答。实验证明,将B-score用于回答验证可显著提高准确率,在标准基准测试上平均提升2.9个百分点。这一发现不仅提供了实用工具,还表明大语言模型具有自我纠正能力。
这篇论文探讨了强化微调(RFT)如何增强多模态大语言模型(MLLMs)的推理能力。研究指出,作为一种后训练算法,RFT已在各种模态(视觉、音频、GUI等)、任务和领域中取得显著成功。论文详细分析了现有工作,总结了RFT在多模态推理中的五大成功:多样化模态应用、广泛的任务与领域支持、算法改进、丰富的评测基准和完善的工程框架。作者还提出五个未来研究方向:提升跨模态泛化能力、结合不同奖励范式、加强安全性研究、探索数据增强技术以及开发更优算法和应用场景。