数据分析服务商Mixpanel公司发生的安全漏洞已经泄露了部分OpenAI集团用户的账户信息。
ChatGPT开发商在周三披露了这一事件。
Mixpanel的同名分析平台使企业能够收集用户与其应用程序交互方式的数据。该软件跟踪客户留存率、运行时间和性能等指标。在发生漏洞时,OpenAI使用Mixpanel收集开发者与其应用程序编程接口交互的数据。
Mixpanel在11月8日发现了这一事件。该公司确定黑客使用SMS钓鱼消息入侵了其部分内部系统并获取了客户数据访问权限。OpenAI是受影响的客户之一。
Mixpanel在发现事件后不久即通知了ChatGPT开发商。周二,该分析提供商向OpenAI提供了黑客从其API平台访问的数据集副本。OpenAI随后开始通知信息出现在数据集中的用户。
ChatGPT开发商表示,黑客访问了一些API用户的姓名、电子邮件地址和位置信息。此次漏洞还泄露了某些技术数据,包括每个受影响客户用于访问OpenAI API的操作系统和浏览器信息。据该公司称,黑客没有访问客户付款详细信息或发送到其API的提示。
OpenAI在一篇博客文章中表示,客户无需重置密码或轮换加密密钥。然而,该公司警告说,黑客可能利用被盗信息发起钓鱼攻击。
作为对此次漏洞的回应,OpenAI已从其系统中移除了Mixpanel。未来,它将与该分析提供商和"其他合作伙伴"合作进一步调查这一事件。OpenAI还计划为供应商推出更严格的网络安全要求。
API测试和监控提供商APIContext公司首席执行官Mayur Upadhyaya表示:"Mixpanel事件表明,即使是受信任的分析工具,如果没有持续验证,也可能无意中泄露敏感数据。在机器优先的世界中,你无法修复看不见的问题。可观察性必须扩展到每个API、网络钩子和第三方集成。"
目前尚不清楚除OpenAI外还有哪些其他Mixpanel客户受到此次漏洞影响。该分析提供商的网站显示其拥有超过29000个客户,包括众多主要科技公司。Mixpanel表示已经保护了受漏洞影响的账户,重置了员工密码并封锁了威胁行为者的IP地址。
到目前为止,涉及OpenAI等主要大语言模型提供商的数据泄露事件相对较少。然而,威胁行为者偶尔会使用这些模型发起黑客攻击活动。OpenAI及其竞争对手已经实施了旨在阻止此类网络攻击的防护措施。
Q&A
Q1:Mixpanel数据泄露事件是如何发生的?
A:黑客使用SMS钓鱼消息入侵了Mixpanel的部分内部系统并获取了客户数据访问权限。Mixpanel在11月8日发现了这一安全事件,并确定了攻击方式。
Q2:OpenAI用户的哪些信息被泄露了?
A:被泄露的信息包括部分API用户的姓名、电子邮件地址和位置信息,以及技术数据如操作系统和浏览器信息。但黑客没有访问客户付款详细信息或发送到API的提示内容。
Q3:用户需要采取什么措施来保护账户安全?
A:OpenAI表示用户无需重置密码或轮换加密密钥,但公司警告黑客可能利用被盗信息发起钓鱼攻击,因此用户应提高警惕防范相关网络钓鱼。
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。