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
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
上海人工智能实验室研究团队开发了MMSI-Bench,这是首个专注于多图像空间智能评估的全面基准。研究人员花费300多小时,从12万张图像中精心构建了1000道问题,涵盖了位置关系、属性和运动等多种空间推理任务。评测结果显示,即使最先进的AI模型也仅达到41%的准确率,远低于人类的97%,揭示了AI空间认知能力的重大缺陷。研究还识别了四类主要错误:物体识别错误、场景重建错误、情境转换错误和空间逻辑错误,为未来改进提供了明确方向。
思科报告指出,自主型人工智能未来三年内有望承担高达68%的客户服务任务,通过个性化与前瞻性支持提升效率与节省成本,但用户仍重视人与人之间的互动和健全的治理机制。
卡内基梅隆大学研究团队开发了ViGoRL系统,通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标,模拟人类注视点转移的认知过程。与传统方法相比,ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升,并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性,还增强了模型解释性,为更透明的AI视觉系统铺平道路。