本月早些时候,MacPaw公司的网络安全部门Moonlock发布了《2025年Mac安全调查报告》。该调查针对近2000名macOS用户的使用习惯、安全担忧以及对Mac网络安全的整体认知进行了研究。最值得注意的是,调查结果显示Mac用户对恶意软件的认知以及对苹果防护能力的看法正在发生有趣的转变。
长期以来,人们一直存在一个误区,认为Mac电脑不会感染恶意软件。这种观点在2000年代初期可能更为准确,当时Mac仅占市场份额的2%左右,Windows PC占据绝对主导地位。如今,苹果个人电脑销量的不断增长让他们无论好坏都成为了攻击目标。正如我之前在Security Bite栏目中报道的那样,企业和个人macOS用户都在以创纪录的速度成为网络攻击的受害者。尽管苹果通过XProtect等内置系统安全机制做出了强有力的应对措施,但Moonlock今天发布的报告声称,用户认为Mac能够免受危险恶意软件侵害的观念正在逐渐减弱。
现在只有15%的调查受访者认为macOS能够免受恶意软件侵害,这一比例较2023年的28%有所下降。与此同时,66%的Mac用户报告在过去一年中至少遭遇过一次网络威胁,包括恶意软件、钓鱼攻击和数据泄露等。
报告还突出了用户对人工智能日益增长的担忧,这里指的不是苹果智能那种AI。72%的用户担心人工智能正在推动网络威胁的增长,而只有34%的用户表示AI让他们感到更安全。超过一半的受访者承认他们对AI工具收集的数据感到无法控制。去年,我报道过实际观察到ChatGPT等AI工具被用来帮助编写恶意软件脚本。这种趋势只会继续下去。
继续分析Moonlock的2025年调查,这家网络安全公司发现,用户对仅依赖苹果内置保护的信心正在下降。近一半的Mac用户(46%)表示他们需要额外的安全软件,因为macOS本身不够安全。同时,64%的用户认为仅凭软件就能完全保护他们,这表明太多用户可能仍在忽视基本的安全卫生习惯,如软件更新、强密码、网络安全等。
Moonlock的《2025年Mac安全调查报告》充满了非常有趣的见解。其中最重要的是人们对影响Mac威胁的认识正在提高。用户可能仍过度依赖软件解决方案,同时忽视良好的安全卫生习惯,但认识的提高是令人鼓舞的。
Q&A
Q1:Mac用户对恶意软件的认知发生了什么变化?
A:根据Moonlock 2025年调查,现在只有15%的Mac用户认为macOS能够免受恶意软件侵害,这一比例较2023年的28%大幅下降。同时,66%的Mac用户报告在过去一年中至少遭遇过一次网络威胁。
Q2:Mac用户如何看待人工智能对网络安全的影响?
A:调查显示,72%的Mac用户担心人工智能正在推动网络威胁的增长,而只有34%的用户表示AI让他们感到更安全。超过一半的受访者承认对AI工具收集数据感到无法控制。
Q3:Mac用户对苹果内置安全保护的信心如何?
A:用户对仅依赖苹果内置保护的信心正在下降。近一半的Mac用户(46%)认为需要额外的安全软件,因为macOS本身不够安全。不过,64%的用户仍认为软件能完全保护他们。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。