标签

AI

在 Windows 上为 Codex 构建安全沙箱:文件隔离与网络管控实战

来源: openai.com 56
让 AI 编程代理在你机器上跑代码,听起来既兴奋又危险——兴奋的是效率飞跃,危险的是它可能删文件、扫网络、甚至执行恶意指令。OpenAI 在把 Codex 推向 Windows 时,直面了这个核心矛盾:既要给代理足够的操作空间完成真实开发任务,又要把它的破坏半径锁在可控范围内。这篇文章拆解他们如何用沙箱架构平衡这对矛盾,并给出你可以直接拿来用的隔离方案...

PostgreSQL 的 backslash_quote:一个因多字节编码 SQL 注入而诞生的 GUC

来源: postgr.es 76
2006 年,PostgreSQL 修复了一个与多字节字符编码相关的 SQL 注入漏洞。修复的产物之一是 ——一个至今仍留在 PostgreSQL 中的 GUC 参数,专门控制反斜杠是否能用于转义单引号。它看起来像个冷门配置,但理解它的来龙去脉,能让你对字符串转义和编码安全有更深的把握。 问题出在多字节编码(如 SJIS)与反斜杠转义的交互上。 在 S...

从逐句审查到上下文感知:ChatGPT 如何在敏感对话中捕捉跨轮次风险

来源: openai.com 62
过去,AI 安全机制更像一个逐句审查的安检员——每条消息独立判断,只看当前输入是否触碰红线。问题在于:真正高风险的对话往往不是一句话暴露的,而是在多轮交互中逐步浮现。一次"我最近很累"不算危险信号,但如果后续出现"没人会在意我消失"再叠加"有什么方法可以一了百了",风险轮廓就完全不同了。ChatGPT 近期的安全更新正是针对这个盲区:让模型在敏感场景中...

PyTorch 2.12:批量 eigh 在 CUDA 上提速百倍,线性代数运算迎来质变

来源: pytorch.org 49
PyTorch 2.12 发布了。如果你日常用 做矩阵分解,这一版值得立刻升级——批量化的 (对称矩阵特征值分解)在 CUDA 上最高提速 100 倍。这不是微调,是质变。下面拆开看具体发生了什么,以及怎么在你的项目里用上它。 对单个对称矩阵做特征值分解,是量子化学、信号处理、PCA 等场景的核心算子。过去在 CUDA 上,如果你传入一批(batche...

用 Pulse AI + Amazon Bedrock 搭建金融文档抽取与微调流水线

来源: aws.amazon.com 65
金融文档是出了名的难啃——年报里表格嵌套、注释跨页、格式千差万别;招股书里术语密集、数据点散落各处。传统 OCR 能把像素变成文字,却分不清"净利润"和"归属于母公司股东的净利润",更无法把第 87 页的附注和第 12 页的主表关联起来。这篇文章来看一条更务实的路径:用 Pulse AI 的文档理解能力做结构化抽取,再用 Amazon Bedrock ...

用 Amazon Nova Sonic + WebRTC 搭建实时语音交互直播应用

来源: aws.amazon.com 60
直播场景里加一个"能听懂观众说话、实时回应"的 AI 主持人,听起来很酷,落地却很疼:音频采集延迟、双向流同步、模型推理卡顿、WebRTC 信令协商复杂……一个环节掉链子,用户体验就崩。AWS 最近给出了一个组合方案——Amazon Nova 2 Sonic 负责语音理解与生成,Kinesis Video Streams WebRTC 负责低延迟双向传...

给 MCP 与 A2A 代理上锁:AWS × Cisco 如何解决企业 AI 代理的三大安全难题

来源: aws.amazon.com 52
当企业从"试用一个聊天机器人"走向"部署几十个协作代理",安全问题的性质就变了。单个 LLM 调用泄露一段提示词,影响有限;但一群 MCP 工具服务器和 A2A 互联代理如果缺乏管控,一次越权调用就能横向扩散到整个业务流程。Cisco 与 AWS 的联合方案正是瞄准这个阶段——代理规模化部署时的可见性缺失、安全瓶颈和合规风险。 MCP(Model Co...

Unity Catalog 联动 SageMaker AI:跨服务治理下的 LLM 微调实战

来源: aws.amazon.com 55
大模型微调从来不只是"跑个训练脚本"的事。数据从哪来、谁有权访问、训练结果归谁管、血缘怎么追踪——这些问题在企业环境里往往比模型本身更棘手。Databricks Unity Catalog 和 Amazon SageMaker AI 各有强项:前者管数据治理与血缘,后者管训练编排与弹性算力。把它们串起来,就能在不动现有服务架构的前提下,把治理链条从数据...