260918｜AI数据盗窃,OpenAI漏洞 - Hacker News | 小宇宙

今日 Hacker News 精选涵盖安全漏洞、AI 数据争议、内存分配器更新、多模态模型发布以及跨学科话题，从古语言到恐龙化石。

A heap overflow and SSO misconfiguration to compromise OpenAI internal repos

漏洞链条

攻击者利用 Discourse 图片上传流程中的 libheif 堆溢出，再借助 OpenAI SSO 身份验证缺陷，得到员工 ChatGPT/Codex 账户访问权限，进而通过 GitHub 集成触达内部仓库。

关键技术细节

libheif 版本 1.19.7/1.19.8 未回传 upstream 安全补丁，导致堆越界读写。

通过 ImageMagick 调用暴露易受攻击的解码器。

借助 Claude Opus 5 fast‑track 将本地复现扩展至远程环境，整个利用过程不到 72 小时。

实际影响与响应

攻击者仅创建了一个无害的 PR 来证明权限，未窃取代码。

OpenAI 及时补漏并支付了 6,500 美元赏金。

事件表明，AI 辅助漏洞利用正在把昔日需专家团队耗时数月的工作压缩至几天。

Microsoft exec called AI scraping 'the largest theft of labor in human history'

事件概述

纽约时报诉 OpenAI 和 Microsoft 的未删档文件显示，Microsoft 应用科学总监 Brent Hecht 在内部演讲中称 AI 训练数据抓取是“人类历史上最大的劳动力盗窃”。

背景脉络

双方从 Bing 索引、Project Taxi/Mango 中抓取付费 NYT 内容，去除版权声明用于模型训练。

内部 memo 把此行为描述为“对出版商的生存威胁”，并警告将削弱原始作品市场。

微软首席执行官 Satya Nadella 曾表示应要求 OpenAI 重新训练模型。

行业影响

文件削弱了双方依据合理使用进行辩护的立场，凸显了训练数据获取的法律风险。

诉讼仍在进行，最新证据加强了原告的举责。

Jemalloc 5.4.0

核心亮点

Jemalloc 5.4.0 包含超过 160 次提交，重点在于技术债务清理、可移植性提升以及新功能引入。

关键特性

新增 EXTENT_ALLOC_FLAG_PINNED 以及相应的 stats.pinned* 接口，用于标记不可回收的内存映射。

恢复 thread.arena 以支持每 CPU 分区选择。

人类可读与 JSON 统计输出保持一致。

将运行时 experimental_infallible_new 替换为编译时 --enable-cxx-infallible-new 标志。

不兼容变动：tcache 填充/保留目标随 GC 事件动态调整，七项旧控制被删除。

大量错误修复，包括 errno 保存、尺寸类溢出检查、free_sized 接受 NULL、TSD 生命周期问题、死锁避免等。

优化与重构：分配器前端模块化、控制流宏替换为类型化帮助函数、页分配边界简化、统计收集分阶段、OS 抽象层引入。

可移植性改进：使用标准 C++ 抛异常、灵活数组成员、macOS 时钟处理、PID‑namespace 解析等。

实际影响

这些变更让 Jemalloc 在多线程场景下更稳定、统计信息更易解析，并且在各类平台上编译警告减少，为依赖其的服务器和客户端应用提供了更可预测的内存行为。

I don't like passkeys

核心观点

尽管 passkeys 能抵御网络钓鱼，但对普通用户而言，其锁定风险和备份缺失使其目前不如传统密码加 TOTP 的组合。

论证逻辑

passkeys 绑定单一设备或同步账户，丢失设备或账号被封将导致永久锁定。

硬件密钥无法备份，且每个密钥支持的账号数量有限（约 25‑300），规模受限。

同步 passkeys 依赖苹果或谷歌账户，一旦该账号被封，所有关联凭证瞬间失效。

第三方同步方案（如 Bitwarden）仍然在 UX 上落后于传统自动填充。

恢复途径（短信、邮件、问题）往往是安全最弱的一环，若未启用则锁定风险不变。

延伸思考

作者建议个人用户采用随机密码配合独立 TOTP 应用，既保留对账号的控制，又避免 passkeys 带来的单点失效。企业环境由于可统一管理硬件密钥，仍可考虑 passkeys。

Qwen 3.8 Omni Flash

核心亮点

Qwen3.8‑Omni‑Flash 是阿里通义团队的原生全模态模型，支持 100万 token 上下文，并在多模态能力、音视频价格以及基准表现上较前代显著提升。

关键特性

从内容理解迈向任务规划、工具调用与创作输出，实现端到端长时序工作流（视频编辑、翻译、影评等）。

音频输入 API 价格下降超过 98%，音视频输入价格下降超过 93%。

在 WildClawBench‑MM、AgenticVBench、UniClawBench 等基准上得分显著提升，尤其在长音频与多人会话场景。

提供 reasoning_effort（xhigh/medium/low）与 preserve_thinking 参数，灵活平衡推理深度与成本。

开源插件套件 Qwen‑MM‑Plugins（含 Video2Note、Omni Skill Creator）与实时运行时 Qwen‑Live Harness，支持知识抽取、技能沉淀以及实时音视频交互。

演示了模型自我优化能力：在四川方言语音识别上自降字错误率约 40.7%。

实际影响

长音视频不再只是感知输入，可用于会议纪要生成、行动项提取、项目风险分析甚至自动发邮件、编程。

音视频制作流程被串联为可重复的管线，降低人工剪辑与配音成本。

实时版本能够在客服、语言学习等场景中根据上下文调用工具并执行任务。

价格下降使得开发者可在成本敏感的产品中引入高质量多模态功能。

The scourge of x86 emulation

核心观点

在 ARM 上模拟 x86‑TSO 内存模型面临一致性、对齐、原子操作以及未缓存内存四方面的根本性挑战。

论证逻辑

x86‑TSO 要求存储对所有处理器立即可见，而 ARM 默认的弱顺序模型需要额外的 acquire/retain 指令才能近似该行为。

ARMv8.0‑a 仅提供 load‑acquire/store‑release，未对齐访问会触发对齐故障，因而需要数据屏障回补，导致严重性能损失。

FEAT_LSE2 虽然放宽了 16 字节粒度的对齐要求，但 x86 跨 cacheline 的原子操作（split‑lock）仍会产生对齐故障，内核‑用户态往返开销使其慢达千倍。

未缓存（write‑combine）内存的存储带宽在 ARM 上相比禅处理器下降超过 800 倍，使得 PCIe GPU 数据传输成为仿真的瓶颈。

某些平台（如 Oryon‑3）通过硬件一致的 cacheline 缓解了普通 load/store 惩罚，但 split‑lock 仍依赖内核或 CASP‑类指令的未来支持。

延伸思考

硬件层面的 x86‑TSO 开关（如 Apple Silicon）可消除大部分常规访问开销。

提出的 128‑bit CASP 指令设想允许在两个 cacheline 上安全比较并交换，利用 LL/SC 特性实现无锁重试，从而在不牺牲前进保证的前提下处理 split‑lock。

内核补丁（如 Valve Steam Frame）展示了在特定工作load 下将对齐故障交给内核处理能够恢复接近原生性能。

未来若出现 FEAT_LRCPC4 或类似扩展以处理 write‑combine 存储，将进一步缩小 UMA 与离散 GPU 平台之间的差距。

Pre‑Greek: The lost language hidden within Ancient Greek

核心观点

许多古希腊词汇缺乏印欧语系词源，而是来源于先前居住在爱琴海的前希腊语言（Pre‑Greek），这通过词缀、语义类别和地名证据得以验证。

论证逻辑

一千多个古希腊词无法追溯到原始印欧或已知区域语言，诸如 λαβύρινθος（labyrinth）、ἐλαία（olive）、Ἀχιλλεύς（Achilles）等典型例子。

这些词普遍带有后缀 ‑nth、‑ss、‑mn 或前缀 a‑、k(a)‑、s‑，且多出现在动植物、 terrain、矿物等自然现象领域，而文化类词汇则多来源于后期超层语言（如米诺斯文明）。

地名如 Κόρινθος（Corinth）、Ἀθήναι（Athens）、Κνωσσός（Knossos）分别含有 ‑nth、‑n、‑ss 等后缀，表明这些 toponym 早在希腊语音变化前就已被借入。

米诺斯克里特 hieroglyph 与后来的 Linear B 提供直接材料，显示 wool、labyrinth、bathtub 等词早在米诺斯时期就已存在，随后被前希腊语言采用再传给古希腊。

词汇在其他欧洲语言中的平行形式（如小麦、萝卜、烟草等）说明前希腊语言的自然现象词曾在旧欧洲广泛流散。

延伸思考

前希腊语言可能并非单一语言，而是一套相互关联的旧欧洲语言，其中负责自然现象的分支在广域传播，负责文化术语的分支则局限于爱琴海并深受米诺斯影响。

这解释为何诸如 “hyacinth”、“mint”、“labyrinth” 等词在英语中依旧可见，而诸如 “zeus”、“athena” 等神名则被视为后来的超层语言贡献。

研究者借助 toponym 模式可进一步映射前希腊语言的核心区域，主要覆盖今希腊本土以及爱琴海西部沿海地区。

Diplodocus, Long Thought Exclusively American, Turns Up in Spain

事件概述

西班牙泰尔韦尔省 La Tejería 遗址出土了首个确认的 Diplodocus 化石，包含14节尾椎及数对肋骨，显示该巨型蜥脚龙曾生活在约1.5亿年前的伊比利亚半岛。

背景脉络

Diplodocus 长期仅在北美洲（莫里森组）发现；此次发现意味着该属在晚侏罗世期间跨越了当时临时出现的北大西洋陆桥或岛链。

与北美种 Diplodocus hallorum 形态高度相似，体长估计约25米。

该地区已有其他特有巨型蜥脚龙（如 Turiasaurus、Losillasaurus），表明伊比利亚拥有多样化的晚侏罗世蜥脚龙群落。

行业影响

为恐龙跨洲迁移提供了有力的古生物证据，支持当时海平面波动导致间歇性陆桥的假设。

强调泰尔韦尔地区作为研究晚侏罗世奎龙多样性的关键窗口，后续有望在此发现更多跨洲物种的痕迹。

发现也提醒古生物学家在重建古地理时需考虑暂时性陆桥的作用，而非仅看永久海陆分布。

The most important product decision is what you don't build

核心观点

产品成功往往取决于能够克制不必要的功能，诸如文档中心或通知中心之类的“一站式”平台往往演变为难以维护的庞杂系统。

论证逻辑

传统系统因合规或遗留需求而被迫实现“文档中心”，但在利益相关方不断添加标签、归档、打印、跨渠道共享、安全检查等功能后，最终复杂度趋近于自建 Google Drive。

通知中心同样由简单红点演变为完整的邮件客户端，带来持续的更新与支持负担。

减少功能（删除工作）能够直接提升关键指标：销售上升、支持呼叫下降、用户定位目标速度加快，这类减法改进往往被低估，因为增加功能在直觉上更易实现。

AI 代理更适合用于修剪而非堆砌：利用其快速原型能力审视哪些功能真正影响核心目标，然后果断移除无价值的代码。

乔布斯 1997 年产品矩阵展示了聚焦少数关键产品如何避免资源分散，奠定后续规模化基础。

延伸思考

开发团队应当对新功能持极高的挑剔标准，只有经证实能让“船只前进速度提升”才予以保留。

对于已有的冗余模块，主动拆除而非仅做掩饰性更新，将删除本身视为产品改进而非仅是清理工作。

这种思维方式在资源受限或快速迭代的环境中尤为适用，能够防止技术债务的滚雪球效应。

相关链接：