ZD至顶网软件频道消息: 2016年,Linux二十五岁。Linux开始时只是个学生项目。时至今日,一切的一切都运行Linux。智能手机、超级计算机、网站服务器、云、车辆等等在所有的时间里运行的都是Linux。
锁定Linux不受攻击者侵入已经成了十分重要的工作
连唯一的例外终端用户也开始迁移到Linux里。Android现在是最受欢迎的终端用户操作系统。此外,Chromebook也大受欢迎。事实上,即使是诸如Fedora、openSUSE、Mint、Ubuntu等传统Linux桌面系统也终于渐渐成势。笔者的Linux同事甚至还预测“Linux桌面市场份额最终将突破5%的关口”。
当然,终端用户用Linux也是有年头的事了。只是他们没有意识到几乎所有流行的网站、许多软件即服务(SaaS)应用程序都是在Linux上运行而已。
甚至连微软也终于投到Linux门下。笔者指的是微软去年加入Linux基金会这事。
既然Linux的一切都如此地美好,笔者为什么担心呢?原因是现在每个真正的黑客都会紧跟Linux和其他开源项目的代码,为的是寻找漏洞,干这些事的不再仅仅是玩脚本编程的毛孩子了。
开源领袖Eric S. Raymond数年前在Linus定律里指出,“吸足了眼球的Bug是藏不住的”,确实是这样。Linux现在的成功以及开源软件现在这么强大,其关键之一就是Linus定律。
但Linus定律只有在有足够人手找Bug及修复代码的前提下才会奏效。据估计,每千行代码(KLOC)的错误个数为15到50,而经严格检查和测试过的代码 KLOC错误个数为3。Linux内核本身现在有超过1600万行代码。不妨算一算。
仅仅2016年一年里,我们就见证了两个重大Linux安全漏洞大开。两个漏洞出现在一个调用LUKS磁盘加密和Dirty Cow的脚本程序里。Dirty Cow是个Linux内存问题。另外也出现过一些小的Linux Bug。这些问题几乎一出现就被修复,给Linux点个赞。
在快速修复问题这一点上,Linux过去的表现远远优于苹果、微软或其他专有软件供应商。笔者还是列个数字。发现和修复的Bug不下3000个。
业界有许多顶尖Linux安全开发人员,他们都在忙着追寻这些Bug。如果读者发现了Bug,也可以根据指引报告Bug。但修复Bug的程序员则永远是供不应求。
Linux领领袖人物Jon“Maddog”Hall几年前曾明智地指出,“有些人认为《自由软件》(Free Software)拥有“无限的”资源。而每一个产品或者项目的资源在某个方面总是有限的。能够开发自由软件的人数,尤其是能够开发某个特定软件的人数受到拥有技能、时间和愿意做贡献的人数的限制。《自由软件》的实质为,终端用户能够加快修复‘严重’Bug的速度,如果开发商没有时间和意愿去解决问题,终端用户可以自己找资源来解决它。”
在Hall在2009年写上面一段话时,许多Linux用户仍然是程序员。现在不一样了。是的,很多开发人员使用Linux,但也上亿个Linux“用户”连Java和JavaScript之间的区别也搞不清,就更不用说修复Bug了。
而同时,一众黑客却千方百计地试图破解Linux。爱尔兰开发人士Donncha O'Cearbhaill最近发现两个Ubuntu桌面的Bug,他说有漏洞供应商找他出价10000美元买这些Apport Bug。他表示,“软件变得更加安全了,找Bug更困难了,相应的金融激励因素也在增加。”
10000美元是个小数目。假如有人发现某服务器的Linux加密数据Bug的话,笔者可以想象6位数的勒索软件(Ransomware)肯定有需求,勒索软件是一种恶意软件,可以加密和扰乱数据,黑客可以据此胁迫用户交钱买解密密钥。IBM安全最近的一项研究显示,近70%地的企业受害者为了恢复数据乖乖交钱给勒索软件黑客。
由于巨大的潜在金额,Linux必将受到黑客前所未有的攻击。Linux变得强大了;Linux开发商和供应商现在必须站出来维持Linux的安全和承担由此而来的重大的责任。
好文章,需要你的鼓励
Stripe联合创始人John Collison最近与Anthropic CEO Dario Amodei(达里奥·阿莫代)进行了一次对话。
哈工大和360研究团队联合开发了Light-IF框架,成功解决了大型语言模型在处理复杂指令时的"偷懒思维"问题。该框架通过教AI学会"预览和自检"的工作方式,显著提升了AI对多重约束条件任务的处理能力。Light-IF-32B模型在四个权威测试平台上均取得最佳成绩,超越了多个知名大型模型。研究团队已开源相关模型和代码,为AI助手的发展开辟了新方向。
GPT-5是OpenAI于2025年8月发布的新一代多模式大模型,兼具高效应答与深度推理能力,并在安全性、准确性和多语言表现上取得显著提升,尤其在医疗、内容安全与防越狱方面展现突破性进步。
T-Tech实验室开发出革命性的VL-DAC训练方法,让AI机器人能够通过观看简单模拟环境学会复杂的现实世界技能。该方法将AI的"观察思考"与"实际行动"分开训练,避免了传统方法需要复杂参数调整的问题。实验证明,AI在导航、卡牌游戏等简化环境中训练后,在真实世界的游戏控制、空间规划和网页操作任务中性能分别提升50%、5%和2%,为降低AI开发成本开辟了新路径。