科技巨头 Oracle 正因其对两起看似独立的数据泄露事件的处理方式而受到批评。
尽管 Oracle 据报道否认发生任何泄露,但至少其中一起事件似乎仍在持续发展。另一起事件则涉及该公司医疗保健子公司 Oracle Health 的患者数据泄露。
Oracle 未回应 TechCrunch 就这两起事件的置评请求。
Oracle Health 数据泄露影响患者数据
最近披露的泄露事件涉及 Oracle Health,该部门为医院和其他医疗机构提供在线访问健康记录的技术服务。Oracle Health 是与 Cerner 合并的业务单元,Oracle 于 2022 年以 280 亿美元收购了这家电子健康记录公司。
据彭博社和 Bleeping Computer 上周报道,此次泄露影响了患者数据,但目前尚不清楚具体泄露了哪些类型的数据,也不清楚使用 Oracle Health 的哪些机构和公司受到影响。
根据这些报道,Oracle 在今年 3 月通知了部分医疗客户,黑客入侵了 Oracle 服务器并窃取了患者数据。
据 Bleeping Computer 报道,发送给部分 Oracle Health 客户的通知中写道:"我们特此通知您,在 2025 年 2 月 20 日前后,我们发现一起网络安全事件,未经授权访问了尚未迁移至 Oracle Cloud 的旧版服务器上的部分 Cerner 数据。"
该新闻网站援引多个消息来源称,一名黑客正试图勒索受影响的医院,据报道索要数百万美元。
一名要求匿名的 Oracle 员工告诉 TechCrunch,公司对其自身员工也缺乏透明度。该员工未获授权对媒体发言。
该员工表示:"我的团队有几天无法访问客户环境。我担心的不仅仅是患者数据泄露。通过主机访问显然可以访问所有托管内容。一些客户还托管着人力资源和财务等其他应用程序。不过我不知道黑客是否访问了这些内容。"
这名员工表示,他们不得不查看 Reddit 和内部 Slack 频道"才能发现有事情正在被调查"。
该员工表示自己"感觉被完全忽视",并将这种情况描述为:"这里没什么可看的,继续向前走。"
不过该员工也表示,他们在 Slack 上看到一些团队在 3 月 4 日收到了与客户沟通的指导语:"我们将调查您遇到的问题。"
Oracle 否认云服务泄露,但证据不断增加
另一起独立的泄露事件涉及 Oracle Cloud 服务器。在这起事件中,Oracle 同样没有对事件经过保持透明。
本月早些时候,一名网名为 rose87168 的黑客在一个网络犯罪论坛上发帖,声称掌握了 600 万 Oracle Cloud 客户的数据,包括认证数据和加密密码,正如 Bleeping Computer 当时报道的那样。
为证明他们确实入侵了 Oracle,rose87168 上传了一个包含其网名的文本文件,该文件托管在 Oracle Cloud 服务器上。
奇怪的是,Oracle 完全否认发生任何泄露。
Oracle 告诉该出版物:"Oracle Cloud 没有发生任何泄露。公布的凭据不是 Oracle Cloud 的凭据。没有 Oracle Cloud 客户遭遇泄露或丢失任何数据。"
但并非所有人都相信这一说法。
网络安全专家 Kevin Beaumont 在分析这起所谓的 Oracle Cloud 泄露事件的博文中写道:"这是一起严重的网络安全事件,影响到了客户,而这个平台是由 Oracle 管理的。Oracle 试图在 Oracle Cloud 方面玩弄文字游戏,用非常具体的措辞来逃避责任。这是不可接受的。"
Beaumont 表示:"Oracle 需要清晰、公开地传达发生了什么,如何影响客户,以及他们将采取什么措施。这关系到信任和责任。Oracle 要么站出来负责,要么客户就该开始离开了。"
网络安全专家 Lisa Forte 在 Bluesky 上评论其中一起所谓的 Oracle 泄露事件时写道:"如果这最终被证实是真的,我觉得很难不是这样,这将是非常非常糟糕的表现。"
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。