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
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。