
突发:哈佛、宾大发生数据泄露:黑客泄露学生信息!
突发:哈佛、宾大发生数据泄露:黑客泄露学生信息!
ShinyHunters黑客组织发布了据称从哈佛大学和宾夕法尼亚大学去年数据泄露事件中窃取的数据,影响了每所大学超过一百万条记录。最初归因于社会工程攻击的此次泄露事件,暴露了校友和发展相关的数据,引发了人们对高等教育机构数据安全协议的担忧,并可能导致对高级安全措施的投资增加。



AI安全与效率驱动技术进步
人工智能正在推动从能源到网络安全等多个领域的创新,同时也引发了对安全和治理的担忧。 近期发展表明,人们对人工智能的需求日益增长,对为其提供动力的可持续能源的探索,以及管理其风险的新工具的需求也在增加。
据《麻省理工科技评论》报道,人工智能日益增长的计算需求正在推动人们对下一代核电站的兴趣,认为其可能是一种更便宜、更安全的能源。 这些核电站可以提供支持超大规模AI数据中心所需的大量电力。《麻省理工科技评论》举办了一场仅限订阅者参与的圆桌讨论会,主题是超大规模AI数据中心和下一代核能,这些技术都入选了《麻省理工科技评论》2026年十大突破性技术榜单。
在人工智能安全领域,一种管理自主系统的新方法正在出现。《麻省理工科技评论》的一篇文章强调,需要将AI代理视为强大的、半自主的用户,在它们与身份、工具、数据和输出交互的边界处强制执行规则。 该文章概述了一个实施这些控制措施的八步计划。
为了提高AI模型的效率,研究人员正在探索诸如推测采样之类的技术。 正如Hacker News上详细介绍的那样,推测采样使用“草稿采样”来实现与目标采样相同的结果,采用智能拒绝方法来对过度采样的token进行降采样,并对欠采样的token进行升采样。 该方法旨在保持目标分布,同时加速采样过程。
人工智能也被应用于通过逆向工程来增强网络安全。 由bethington开发并在GitHub上提供的模型上下文协议(MCP)服务器“Ghidra MCP Server”,将Ghidra的逆向工程能力与AI工具和自动化框架连接起来。 该服务器提供诸如函数分析、数据结构发现和字符串提取等功能,为二进制分析提供了一个全面的API。 该服务器拥有“132个端点、跨二进制文档传输、批量分析、无头模式以及用于AI驱动的逆向工程的Docker部署”。
这些进展表明了人工智能开发的多方面性,不仅包括技术创新,还包括对能源消耗、安全协议以及在各个行业的实际应用的考虑。
AI-Assisted Journalism
This article was generated with AI assistance, synthesizing reporting from multiple credible news sources. Our editorial team reviews AI-generated content for accuracy.
Deep insights powered by AI
Continue exploring
Discussion
AI Experts & Community
Be the first to comment