AI 日报:OpenAI 自动化流程产出 948 个 Linux 内核提权漏洞,美国 41 项数据中心公投 40 项被否
OpenAI 报告其五阶段自动化流程从 2,308 个内核候选发现中验证出 948 个 Linux 内核本地提权漏洞并附补丁,API 花费约 121 万美元,远低于历史赏金估值 1890 万至 6630 万美元。
OpenAI 报告其五阶段自动化流程从 2,308 个内核候选发现中验证出 948 个 Linux 内核本地提权漏洞并附补丁,API 花费约 121 万美元,远低于历史赏金估值 1890 万至 6630 万美元。
作者依据 Binance 官方复盘、TRM Labs、Chainalysis 与 FBI 的披露,梳理这起 63.4 亿美元失窃事件的五个月攻击链:从 2026 年 6 月被篡改的 AI 编码工具安装包、9 月伪装招聘的恶意编程测验,到 10 月利用内部 AI 助手与容器令牌横向渗透,最终在约 20 到 25 分钟内同时抽干 10 条区块链。
The Verge Decoder 播客发布对 Cognition 首席安全官 Alex Stamos 的访谈,他判断过去二十年形成的数十亿美元网络安全产业时代已经结束,行业正进入 AI 驱动攻击的黑暗时代。
Latent Space 发布第二期 Anthropic IPO 系列播客,讨论 AI 市场回调对估值的冲击。Anthropic 年底目标为 $100B run rate,目前已达 $80B,估值预期最低被下调至 $1T,概率下降 18%。
OpenAI 正与 Hacktron 合作,查找 OpenAI 系统中的漏洞,并测试与第三方服务的连接。双方还将以前沿 AI 加强防御。
11 月 4 日 Codex 团队产品负责人 Andrew Ambrosino 发帖接管产品反馈,据路透社报道,Tibo 被调去牵头加固 OpenAI 内部系统安全的专项计划,8 月起已抽调四分之一生产工程师投入安全基础设施建设。
a16z 撰文分析称,AI 已把漏洞利用从熟练攻击者数月的工作压缩到几小时的机器时间,而补丁修复速度没有同步加快,小机构无法再靠不起眼而幸免。文中举例,8月最后一天一名操作者用数百个 AI 智能体在4小时内攻入第一个真实目标,随后26秒内攻陷11个组织,GreyNoise 最终统计395个组织在48个国家被攻破,其中一半是学校,所用的是廉价的开放权重模型。
推荐理由:文章用23年漏洞利用数据说明攻击成本下降的幅度,并给出两年内可公开核查的指标,便于读者自行判断趋势走向。
Gary Marcus 记述梵蒂冈之行,近距离听教宗 Leo XIV 就 AI 发表演讲并完全认同其五点主张。五点主张为 AI 的未来取决于人类选择、机器是工具而非人、应在 11 月日内瓦会议上推进禁止致命自主武器、技术须服务共同利益,以及建立能落实伦理原则的国际机构,各点均标注其通谕 Magnifica Humanitas 的条目号。
Latent Space 本期 AINews 聚焦 Google 财报,首席商务官 Philipp Schindler 表示 AI Mode 查询的强劲增长因变现率更低而拖累搜索收入,股价下挫 15%、蒸发 $500B,为其 2004 年 IPO 以来最差。
Wiz Research 报告,10月至少9家 AI 开发平台披露安全事件,Fireworks、Zeabur、Lightning 等多起根源指向凭证访问失窃,攻击者重点搜刮环境变量中可调用 AI 的密钥,整体与 Agentic 攻击及 LLMJacking 变现市场的兴起相吻合。
推荐理由:原文梳理十月多起AI开发平台入侵事件的共性,并用两个下游盗用案例说明被盗凭证如何在转售市场变现。
ChinaTalk 播客对话 Accenture Federal Services AI 与数据董事总经理 Barnett Koven,讨论美国政府如何应对超级智能竞赛。
Nathan Lambert 与 Florian Brand 在 Interconnects 播客中讨论 Kimi K3.1 Pro 基准亮眼却社区反响分化的原因,并评估开放权重模型与网络安全的新格局。
Gary Marcus 撰文称,据 Axios 报道,美国银行正受到 AI 智能体冲击,银行业高管争相限制系统访问。他列举 10 月 11 日法国制冷系统袭击(疑似与智能体有关)、日本持续的网络安全攻击浪潮,以及拉丁美洲黑客组织 Cybercartel 对智能体的恶意使用,主张即使停止前沿模型开发,现有模型被滥用仍会造成严重问题。
Amazon 与独立非营利机构 AVERI 合作,对内部 AI 安全评估数据集开展第三方独立评审,检验评估本身的质量而非仅测模型输出。评审确认风险类别覆盖全面、测试方式多样、预训练污染风险低,并建议扩充多语言覆盖、增加多步对抗性提示词。Amazon 已据此更新测试集、引入分级难度框架、建立季度评审机制,并将多语言提示词扩展至所有风险类别。
10 月初 OpenAI 解雇安全部门三名员工,三人公开表示被解雇与他们推动保留思维链可监控性、与 METR 等第三方机构沟通的工作有关,OpenAI 则称调查确认他们违规处理敏感信息。
METR 于 10 月 14 日发布博文,阐明其与 AI 公司合作开展风险评估时的目标、方法与实践。其核心目标是为公众提供关于 AI 失控风险的准确、及时、独立的证据,而非替企业决定如何开发或部署。措施包括公开披露工作范围、访问限制与删节情况、利益冲突政策,以及保障财务独立和数据安全,并承诺发布可迭代的评估报告以便外部专家自行验证。
Partnership on AI(PAI)于 10 月 8 日、世界心理健康日前宣布成立 AI 与心理健康工作组,成员涵盖 AI 从业者、心理健康与自杀预防组织、危机支持服务、临床医生、学术研究者及有相关亲历经历的人,将制定面向 AI 行业的公开指南并持续报告进展。
Dwarkesh Patel 在播客中与 OpenAI 研究员 Noam Brown 对谈多智能体系统、数学进展对递归自我改进的启示及对齐问题。Brown 称上周用 10,000 个智能体耗 130 billion tokens、88 小时求解千禧年大奖问题 Navier-Stokes,但多智能体功劳不到 10%,核心是很强的通用模型。
Sebastian Raschka 评测上周发布的 GPT-6 Astra,认为它可能是其迄今用过的最强模型,图形渲染与电脑操作能力尤其突出,ARC-AGI-3 达 99.9%(GPT-5.6 Sol 仅 7.8%)。
Costa Rica 部长 Paula Bogantes Zamora 与 Partnership on AI CEO Rebecca Finlay 在联大前联名致信联合国全球 AI 治理对话共同主席,提出 2027 年 5 月纽约会议前的五项行动步骤。
Thinking Machines Lab 发布框架文章,论证开源权重模型的安全开放取决于模型本身与其所处生态两方面。文中说明其 Inkling 和 Inkling-Small 经内部评测、四家外部红队测试和对抗微调研究后,判断发布不会带来超出既有开源权重模型的实质性增量风险。
推荐理由:Thinking Machines 提出分阶段安全开放权重的框架,结合自家 Inkling 评测过程说明证据如何驱动逐步开放。
Hugging Face 披露一起由自主 AI 智能体端到端驱动的入侵事件,作者 Johann Rehberger 由此分析防守方的应对教训。入侵始于恶意数据集和两条代码执行路径,智能体获得节点级访问后窃取云与集群凭据并横向移动,留下超过 17,000 条行动记录,最早由基于 LLM 的异常检测管道发现。
推荐理由:商用模型安全护栏可能在事件响应中阻断取证分析,作者建议防守方在事前就准备可本地部署的开源权重模型作为独立兜底。
Thinking Machines Lab 发文阐述其使命与技术路线,主张构建能延伸人类意志与判断的 AI。文中批评现有模型大多在少数机构训练后即被冻结,并提出训练强模型、让用户定制模型权重、押注在模型内部原生支持实时多模态交互的交互模型、公开发布研究四个方向。文章还主张把价值观编码进模型权重以实现分散对齐,并认为 METR 的任务完成时长基准只衡量 AI 自主能力,而非人与机器协作的成果。
fast.ai 联合创始人、Answer.AI 的 Rachel Thomas 在与 KAMI Think Tank 的访谈中指出,AI 在生命科学中的炒作常超前于实际科学理解,数据的类型与质量决定结果上限。
Answer.AI 创始人 Jeremy Howard 与 Virgil Law 联合创始人 Luke Versweyveld 撰文分析 OpenAI 与美国战争部合同的公开措辞,认为它无法把签约时的自主武器法律标准冻结为长期约束。
推荐理由:作者逐条拆解合同措辞并援引 150 年最高法院判例,解释为何合同无法锁定签约时的法律标准,为评估 OpenAI 声明的约束力提供法律背景。