跳到正文
今天10月30日周五2 条
  1. 虎嗅54

    AI 硬件,别想绕过隐私

    文章以车联网隐私研究、苹果手表Live Rewind功能和Meta眼镜的隐私调整为例,讨论AI硬件时代数据采集与用户授权的边界问题。文中提到,美国东北大学与《消费者报告》合作的研究涉及21辆汽车和30款配套应用,发现车辆与广告、追踪及分析域名存在连接;美国联邦贸易委员会在2026年1月最终确定针对通用汽车及OnStar的和解命令,要求其在五年内禁止向消费者报告机构披露相关数据。

10月29日周四
  1. CSO精读70

    攻击者冒充OpenAI、Anthropic等约32个AI机器人身份扫描企业凭据文件

    据Cequence威胁研究总监Will Glazier披露,单一威胁组织在2026年9月底至10月底期间,冒充约32个AI机器人身份(包括OpenAI、Anthropic、Meta和Perplexity),针对金融、零售、电信、能源和软件行业的企业Web服务器扫描敏感文件。

    推荐理由:文章梳理了攻击者冒充AI爬虫扫描凭据文件的手法与防御建议,读者可据此检查自家对AI bot流量的验证策略。

10月28日周三
  1. 安全内参65

    从Meta PrivacyLib看智能体个人信息保护的运行机制

    文章以Meta公开介绍的PrivacyLib为切入点,分析智能体场景下个人信息处理边界如何持续有效。PrivacyLib把隐私规则嵌入后端数据访问客户端库,配合AgentLib将工具调用与会话关联,结合Policy Zones和Agent Observability分别执行用途与流向限制、记录访问轨迹;在强制执行模式下,调用上下文或数据标注任一不满足即阻断写入。

10月25日周日
10月23日周五
10月22日周四
  1. AICSO.AI汇总78

    Meta Muse 分享链接设计缺陷暴露用户私人对话,Meta 暂停该功能

    安全公司 Claroc 的研究人员发现,Meta 的通用 AI Agent Muse 的分享链接存在设计缺陷,可被公开枚举,研究人员据此枚举出 6800 条用户分享链接,并在打开其中数百条后看到候选人面试笔记、公司内部营收复盘、贷款申请、含部分账号的待办清单等非公开信息。

    推荐理由:Muse 分享链接因把对话标题写进子域名而被被动 DNS 收录,读者可据此理解 Agent 产品在分享设计上的隐私风险。

  2. FreeBuf22

    FreeBuf早报 | PHP预警两个CVSS 9.2级严重漏洞;日本传媒集团披露数据泄露事件

    PHP预警两个CVSS 9.2级严重漏洞,疑为无需认证的远程代码执行,补丁于10月21日发布并同步细节。日经系统开发云服务遭窃取凭证入侵,约183万条记录泄露,不含信用卡信息,已封禁凭证并通知用户。微软发布全新安全框架,将AI Agent视为内部威胁,主张放弃前置信任,以动态权限和持续风险评分实时管控。

10月21日周三
  1. AICSO.AI汇总78

    Redact 调查:WhatsApp 帮助中心 80 个页面藏有 102 段隐藏指令,其中一段要求 AI 不建议用户联系监管机构

    Redact 调查发现,WhatsApp 帮助中心 545 个页面中有 80 个页面藏有 102 段不会显示在屏幕上的隐藏指令,仅供 AI 读取,其中删除账号页要求 AI 不要建议用户联系任何数据保护监管机构,举报与屏蔽页则要求用户提到律师或诉讼后不得引用 GDPR、LGPD 或 CCPA。

    推荐理由:调查逐页抓取 545 个帮助页面,把隐藏指令与公开隐私政策逐条对照,呈现了面向 AI 的内容与面向人的内容如何分叉。

  2. AICSO.AI汇总65

    Meta Muse 对话分享链接暴露个人与商业机密,Meta 暂停分享功能

    安全公司 Claroc 研究人员称枚举出 6800 条 Meta Muse 用户创建的对话分享链接,打开其中数百条后发现明显不打算公开的信息,包括个人与商业机密。Meta 回应 Ars Technica 称正在审查该功能,并在审查期间暂停分享。Muse 是 Meta 推出的通用 AI 智能体。

4月6日周一
  1. AICSO.AI汇总77

    Meta 在重大 AI 数据泄露后暂停与 Mercor 合作

    Meta 暂停与 AI 数据初创公司 Mercor 的全部合同,起因是一次针对开源库 LiteLLM 的供应链攻击:黑客组织 TeamPCP 于 3 月 27 日利用 LiteLLM 维护者泄露的凭证入侵其 CI/CD 流水线。

    推荐理由:原文梳理了从开源依赖到多家 AI 厂商的连锁泄露路径,读者可据此理解共享第三方数据供应商的集中风险。