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
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
微软八月补丁星期二更新修复了超过100个漏洞,其中包括8个关键的远程代码执行漏洞,影响DirectX、Hyper-V、Office等多个产品。此外还修复了Windows NTLM权限提升漏洞、Hyper-V信息泄露漏洞等。值得关注的是Windows Kerberos权限提升漏洞CVE-2025-53779,虽然已有公开利用代码但暂无实际攻击证据。SharePoint的两个漏洞也需重点关注,特别是RCE漏洞CVE-2025-49712可能与已知认证绕过漏洞组合使用。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。