AI 安全

Google开源k8s-aibom：自动发现K8s集群中的影子AI

Google开源了一个叫k8s-aibom的Kubernetes控制器，能无侵入地自动发现集群里所有AI工作负载（vLLM、LangChain等），并生成标准化的物料清单。它不碰你的Pod，不装内核模块，还自带置信度模型区分“人为声明”和“机器推断”，直接解决影子AI的审计难题。

苹果在OpenAI IPO前夕起诉其大规模窃取商业机密，400多名前员工跳槽。这起诉讼不仅打乱融资节奏，更暴露了AI行业最致命的信任危机：当模型嵌入企业核心流程，数据安全靠承诺根本不够，开源和现场工程师才是真正的解法。

苹果在OpenAI IPO前夕精准发难，指控其系统性挖角400多名前员工并将公司机密带到新团队。这不仅是法律战，更是在向华尔街发出信号：AI公司的人才掠夺式扩张，可能要付出合规的代价了。

苹果研究发现，很多训练数据对模型影响近乎为零，强行遗忘它们纯属浪费算力。用影响力函数先筛出这些“低信息点”，就能把遗忘计算量砍掉一半。别盲目跑全流程，先搞清楚哪些数据真正重要。

Patreon 不再请求 AI 爬虫别抓内容，而是直接封禁。测试中单个爬虫的每周抓取尝试从数千次降到零。这对内容创作者和 AI 公司都是一个明确信号：自愿协议正在失效，技术强制封锁才是出路。

AI音乐公司Suno被黑客掀了老底：代码显示它直接爬取YouTube和Deezer的数据。这坐实了唱片公司的指控，还顺带暴露了用户的信用卡信息。想靠爬虫起家的AI公司，都该看看这次双重暴雷的代价。

微软一个月修复570个漏洞创纪录，背后是AI帮安全工程师从老代码里挖出了以前根本找不到的陈年bug。Windows几十年的历史积压问题被AI信号放大器引爆，补丁发布量和节奏将从此不可逆地改变。

Mandiant的报告揭示了一个残酷的现实：攻击者从入侵到勒索的交接时间中位数已经压缩到22秒，而传统基于人类研判的安全运营根本来不及反应。公共部门必须放弃静态的信任假设，转向持续验证的架构思路。

文章一针见血指出AI时代的核心矛盾：企业每次和AI交互都在泄露商业秘密，那些价值百亿的AI新创公司正是靠搜集客户操作轨迹来训练模型。这预示着企业软件市场将发生一场零数据留存的底线革命。