ZDNet至顶网软件频道消息:在美国拉斯维加斯召开的Defcon 22黑客大会上,有高手表示,甲骨文大肆宣传的数据库12c的Data redaction(数据校订)功能一攻即破,连找代码漏洞都不用。
12c里Redaction功能的目的是自动保护敏感数据库资料,其做法是完全遮掩或是部分掩盖列里面的数据,例如,在运行美国社会安全号码的搜索查询时,只用最后四位数字。
不过,根据Datacomm TSS安全专家和《甲骨文黑客手册》一书的作者David Litchfield的说法,Redaction用到的安全机制漏洞百出,基本上不需要劳神进行本地代码攻击就可以摧毁Redaction,据说只要略施某个SQL招就可以搞定。
Litchfield称,“假若甲骨文有个像样的安全开发周期,早就应该有人发现此缺陷了。”
“会一点SQL的人都能发现这些错误。”
Litchfield称只花了不到五分钟研究Redaction,就找到了其编码的严重缺陷。他以前在网上发表过他的调查结果。
他演示了一个不怀好意的员工——或是会远程注入SQL查询的人——只需简单地敲几下键盘就可以获得足够的权限击破数据Redaction的防御,访问数据库中的信息。
甲骨文CEO拉里·埃里森今年1月说过,就他所知二十年来没有人攻破过甲骨文数据库。Litchfield嘲笑埃里森的说法。Litchfield称,2011年黑客攻击索尼PlayStation网络导致PlayStation网络下线近两个月,最后查出是甲骨文数据库的事。
Litchfield表示,作为一名安全研究人员,他发现破绽后总是会向供应商报告。但他对甲骨文的反应速度表示无奈,说甲骨文打补丁速度慢,而且发布的修补程序要么是不工作或是不完整。
Litchfield星期五在Defcon大会上指出,通常情况下甲骨文的工程师只是针对攻击代码发个补丁,而不是修补本质缺陷。这样做不是个好方法,原因是小修小改攻击代码后就可以击败新的保护措施。
Litchfield表示,微软在数据安全方面的做法是可取的。2005年比尔·盖茨发了个安全备忘录,整个SQL 2005开发团队放下手里的工作,全面审查旧代码的安全性。
后来的结果是Microsoft SQL补丁和检测到的Microsoft SQL毛病急剧减少,IIS和Exchange的代码安全性也得到了很大提高。Litchfield建议甲骨文在安全方面抄一抄微软的功课,他说客户也应该要求甲骨文做出改变。
Litchfield最后说道,“如果你运行的是甲骨文数据库服务器,你不喜欢他们在安全方面对待你的做法的话,那就要给他们打电话说这事。我们真的有必要搞定这码子事。”
据了解,甲骨文还没有完全修补Litchfield提到的错误。记者曽就此事联系过甲骨文无果。
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。