一起网络安全事件导致FleetWave平台在英国和美国出现"重大故障",Chevin Fleet Solutions被迫将旗下SaaS平台的部分服务下线,众多客户陷入等待与不安之中。
此次中断情况已在Chevin的公开状态页面上有所体现。据《The Register》获取的一封发送给客户的邮件显示,Chevin公司确认出于预防考虑,已将托管在Azure上的FleetWave英美两地环境暂时下线。Chevin于4月3日首次确认此次服务中断,并表示正在"全天候配合外部网络安全专家"开展工作,对系统进行威胁溯源和痕迹分析,同时部署额外的安全管控措施。
FleetWave是一个面向机构组织的车队管理平台,用于统一管理车辆、驾驶员、维护保养、合规事务及物流运营。一旦平台停止服务,不仅仅是管理后台无法访问,整个日常车队运营体系都会陷入瘫痪。
Chevin在公告中着重强调处置流程和安全保障,但对事件本身的细节却讳莫如深——既未说明事件如何发生、攻击者是否已获取客户数据,也未透露触发此次停机的具体异常行为类型。公司仅表示,将在"确认环境安全"后方才恢复服务,并预计于4月10日前提供进展更新。
目前,英美两地用户正面临已宣布的重大服务中断,却仍未获知促使平台下线的具体风险原因。更令人困惑的是,并非所有区域的环境都被关闭。据一位受影响的客户透露,欧盟和澳大利亚的服务器基础设施仍在正常运行,且在受影响的每个区域中至少有一个实例保持在线。
总部位于德比郡的Chevin似乎正在控制事态与维持业务连续性之间寻求平衡,一边保持部分服务运行,一边评估问题波及的范围。
此外,也存在这样一种可能性:此次攻击专门针对特定客户或部分租户,大范围服务中断可能只是隔离措施所带来的连锁效应。车队管理平台通常同时承载运营数据与商业数据,极具攻击价值——攻破单一机构便可能产生远超预期的影响。
Chevin公开披露的信息极为有限,仅确认了故障发生及调查正在进行,对《The Register》的问询也未予回应。《The Register》同时联系了Chevin的多家客户,包括什罗普郡消防局和Cox Enterprises,但均未收到及时答复。
在系统仍处于停机状态之际,英美两地的用户不仅在等待服务恢复,更迫切希望得知自己是否已直接受到此次安全事件的影响。
Q&A
Q1:FleetWave平台是什么?主要用来做什么?
A:FleetWave是由Chevin Fleet Solutions开发的一款SaaS车队管理平台,主要供企业和机构用于统一管理车辆、驾驶员、维护保养、合规事务及物流运营。该平台托管于微软Azure云服务之上,服务覆盖英国、美国、欧盟及澳大利亚等多个地区。一旦平台出现故障,不仅后台管理无法访问,整个日常车队运营体系也会受到严重影响。
Q2:此次FleetWave安全事件造成了哪些影响?
A:此次网络安全事件导致FleetWave在英国和美国出现"重大故障",Chevin被迫将Azure托管的英美两地环境暂时下线。受影响的客户无法正常使用车队管理相关功能。值得注意的是,欧盟和澳大利亚的基础设施目前仍在正常运行。Chevin表示正全天候配合外部网络安全专家处理此事,预计4月10日前提供最新进展。
Q3:Chevin是否公开说明了客户数据是否泄露?
A:截至目前,Chevin尚未公开说明客户数据是否遭到泄露,也未披露攻击者是否获取了相关数据,更未透露触发此次停机的具体异常行为。公司仅表示将在确认环境安全后恢复服务,并未回应媒体的进一步追问,令受影响客户面临较大的信息不确定性。
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。