至顶网软件频道消息: 几乎所有Linux的开发工作都是公开进行的。少数例外情况之一是各大公司或黑客向Linux开发人员揭示未修补的安全漏洞。在这些情况下,这些问题首先在封闭的linux-distro列表中显示出来。现在,无论你是否相信,微软推出了自己的Linux发行版,并且已经提出要求加入这个受限制的安全列表。
这个列表——Linux-distros,包括来自FreeBSD、NetBSD的开发人员和大多数主要Linux发行商。包括Canonical、Debian、Red Hat、SUSE和云Linux供应商,例如Amazon Web Services(AWS)和Oracle。
该列表的目的是“报告和讨论尚未公开的安全问题(但即将公布)”。“即将”是指多久呢?该列表的维护人员要求安全漏洞在向组显示之后,保密期不超过14天。例如,英特尔的CPU Meltdown和Spectre安全漏洞就不会在linux-distros上讨论。已公开讨论的安全问题则在OSS-Security邮件列表中处理。
微软Linux内核开发人员Sasha Levin——是的,现在有这样的人——要求微软获得访问该列表的权利,简而言之,因为微软是Linux的发行商。
具体来说,微软提供了几个类似发行版的版本,这些版本不是现有发行版的衍生版本,而是基于开源组件。包括:
Ÿ Azure Sphere:这种基于Linux的物联网设备专用版本可以为已经部署的物联网设备提供安全更新。由于该项目即将结束公开预览并进入GA阶段,我们估计有数百万台这样的设备将被公开使用。
Ÿ 适用于Linux v2的Windows Subsystem(WSL2):这是一个基于Linux的发行版,在Windows主机上作为虚拟机运行。WSL2目前可供公众预览,并计划在2020年初进入GA阶段。
Ÿ Azure HDInsight和Azure Kubernetes服务等产品为基于Linux的发行版提供公共访问。
此外,Levin表示:“微软通过微软安全响应中心(MSRC)解决安全问题已经有数十年的历史了。虽然我们能够快速(<1-2小时)构建一个版本来解决已经披露的安全问题,但是在我们公开这些版本之前,需要进行大量的测试和验证。成为这个邮件列表的成员将为我们提供额外的时间,以进行广泛的测试。”
所有这些说法都很有道理。此外,Levin在讨论的后续报告中透露:“我们的云上的Linux使用已超过Windows,而且作为MSRC的副产品,我们已经开始接收来自用户和供应商的Linux代码问题的安全报告。对于Windows和Linux常见的问题(例如那些推测性硬件错误)也是如此。”
Linux稳定分支内核维护者Greg Kroah-Hartman支持Levin。 “他是一位长期的内核开发人员,几年来一直在帮助稳定的内核版本,对稳定的内核树具有完全写入权限。”
事实上,Kroah-Hartman“曾经在大约一年前建议微软加入linux-distros。”
“很明显,他们正在成为一家Linux发行商,很高兴看到他们现在会这样做。”
虽然有些人仍然将微软当成是Linux的敌人,但是微软似乎被视为一个完整的Linux开发合作伙伴。正如Canonical Linux内核工程师Tyler Hicks所写:“他们对更大的Linux社区有益,我觉得他们直接参与linux-distros会让其他成员受益。”
预计在未来几天内,将会对微软的会员请求进行投票。如果微软不被允许加入该列表,我会感到非常惊讶。
好文章,需要你的鼓励
Brave Software开始为其AI助手Leo提供可信执行环境(TEE)技术,以增强云端AI服务的隐私保护。目前该功能仅在测试版本中支持DeepSeek V3.1模型。TEE技术能为数据处理提供可验证的机密性和完整性保障,解决传统云端AI模型处理用户请求时数据暴露的隐私风险。该技术采用Intel TDX和Nvidia TEE方案,让用户能够验证服务提供商的隐私承诺,确保AI响应来自声明的模型,未来将扩展支持更多AI模型。
华南师范大学团队开发的GraphTracer框架,通过构建信息依赖图解决多智能体系统高失败率问题。该方法摒弃传统时间序列分析,追踪信息流网络精确定位错误根源,在失败归因准确率上比现有方法提升18.18%,并已开源供实际应用。
OpenAI宣布与富士康合作,专注于下一代AI基础设施硬件的设计和美国制造准备工作。双方将结合OpenAI对AI模型需求的洞察和富士康的制造专业知识,共同设计多代数据中心硬件,强化美国AI供应链,并在美国本土构建关键AI数据中心组件。此次合作旨在满足先进AI模型对专用物理基础设施的需求,加速先进AI系统的部署。
杜克大学研究团队通过几何框架分析发现,AI推理过程呈现连续"流动"特征而非离散跳跃。研究表明逻辑结构像河床般调节推理流的速度和方向,即使面对不同语言和领域的内容,相同逻辑结构的任务在AI内部表现出惊人的几何相似性。这一发现颠覆了AI为"随机鹦鹉"的传统认知,证明AI具备真正的逻辑理解能力,为AI可解释性和系统优化开辟新方向。