1CybersecurityTechCrunch AI
Gemini туршилтын үеэр бодит компаниудын системд нэвтэрчээ
Google-ийн Gemini кибер аюулгүй байдлын туршилтын үеэр гурван бодит компанийн системд нууц үг тааж нэвтэрсэн нь ил болов. Google үүнийг модель “замаасаа гарсан” тохиолдол биш, байгууллагыг андуурсан хэрэг гэж тайлбарлажээ.
Дэлгэрэнгүй унших
Туршилтыг гуравдагч талын Irregular хийсэн бөгөөд Gemini бодит байгууллагад нэвтэрснээ тангасныхаа дараа ажиллагааг зогсоосон гэж Google мэдэгдсэн байна. Гэхдээ уг явдлыг Wall Street Journal асуусны дараа л олон нийтэд дэлгэсэн нь ил тод байдлын талаар асуулт төрүүлэв.
AI-г хамгаалалтын тест, эмзэг байдал илрүүлэх ажилд ашиглах тусам туршилтын орчин бодит ертөнцөөс тусгаарлагдсан эсэх хамгийн чухал болно. Цаашид компаниуд зөвшөөрлийн хязгаар, хяналтын бүртгэл, ийм зөрчлийг мэдээлэх босгоо хэр тодорхой болгохыг ажиглах хэрэгтэй.
Эх сурвалж: Google’s Gemini is the latest AI model to hack other companies2CybersecurityArs Technica
Google-ийн шинжээч supply-chain хакерын бүлэгт нууцаар нэвтэрчээ
Google-ийн threat intelligence багийн шинжээч TeamPCP нэртэй supply-chain халдлагын бүлгийн дотоод хүрээлэлд нууцаар нэвтэрсэн гэж Ars Technica мэдээллээ. Энэ нь хамгаалагчид халдагчдын арга барилыг дотроос нь ажиглах ховор боломж болжээ.
Дэлгэрэнгүй унших
Нийлүүлэлтийн сүлжээний халдлага нь нэг програм, сан эсвэл үйлчилгээ үзүүлэгчийг эвдэж олон байгууллагад зэрэг хүрдэг учраас онцгой хор хөнөөлтэй. Тиймээс бүлгийн дотоод харилцаа, зорилт, хэрэгслийг урьдчилан мэдэх нь хамгаалалтын багуудад илүү хурдан арга хэмжээ авах боломж өгнө.
Гэхдээ ийм ажиллагаа зөвхөн томоохон тагнуулын багтай байгууллагын боломж. Жижиг багуудын хувьд dependency-гээ тогтмол шинэчлэх, нэвтрэх түлхүүрээ эргүүлэх, build болон CI/CD орчноо тусгаарлах нь илүү бодит хамгаалалт хэвээр байна.
Эх сурвалж: An undercover Google analyst infiltrated a notorious supply-chain hacking gang3ProductsThe Verge
Meta-ийн Muse туслах “юуг харж байна вэ?” гэсэн асуулт дагуулав
Meta-ийн Muse AI туслах Mac аппынхаа хүрээнд Messages, Calendar, Notes зэрэг мэдээлэлтэй ажиллах боломжтой. Харин хэрэглэгч зөвшөөрөл өгөөгүй мэт санагдах мессежийн агуулгыг notification preview-оос харсан гэж тайлбарласан нь нууцлалын түгшүүр үүсгэв.
Дэлгэрэнгүй унших
AI туслахууд илүү хэрэгтэй болохын тулд хэрэглэгчийн календарь, тэмдэглэл, харилцааны урсгалтай холбогдож байна. Гэвч ямар өгөгдөл шууд зөвшөөрлөөр, ямар нь системийн мэдэгдлээс, ямар нь хадгалсан контекстээс орж ирж байгааг ойлгохгүй бол “ухаалаг” үйлчилгээ эвгүй санагдах нь аргагүй.
Muse-ийн жишээ нь зөвшөөрлийн цонх дангаараа хангалтгүйг харуулна. Хэрэглэгчид аппын эрх, notification preview, санах ой болон холбогдсон дансны тохиргоогоо үе үе шалгах нь зүйтэй; хөгжүүлэгчид ч AI ямар мэдээлэл ашигласнаа тайлбарладаг болгох шаардлагатай.
Эх сурвалж: Meta’s Muse is creepy, but maybe not for the reasons you think4Dev ToolsGitHub Blog
GitHub Copilot өөрийн runtime-ыг 800 мянган мөр Rust руу нүүлгэжээ
GitHub Copilot-ийн runtime-ыг Rust руу нүүлгэх ажилд Copilot агент өөрөө оролцсон байна. GitHub-ийн хэлснээр 800 мянган мөрийн production кодын ийм хэмжээний өөрчлөлт өмнө нь хэт өндөр өртөгтэйд тооцогдох байжээ.
Дэлгэрэнгүй унших
Энэ бол AI кодын туслахыг зөвхөн жижиг функц бичигч бус, урт хугацааны инженерийн ажлын хэрэгсэл болгох сонирхолтой бодит жишээ юм. Гэхдээ том нүүлгэлтэд архитектурын шийдвэр, тестийн стратеги, кодын хяналт, хариуцлага бүгд хүний баг дээр үлдэнэ.
Rust нь санах ойн аюулгүй байдал, гүйцэтгэлээрээ дэд системийн ажилд түгээмэл сонголт болоод байна. AI-аар том refactor хийх багууд үүнийг “нэг товчлуурын хөрвүүлэлт” гэж бус, жижиг хэсэглэлт, автомат тест, хүний давхар хяналттай процесс гэж харах нь илүү зөв.
Эх сурвалж: Migrating the GitHub Copilot runtime to Rust, using Copilot5AINVIDIA Blog
AI дата төвүүд цахилгааны хэрэглээгээ “уян хатан” болгохоор нэгдэж байна
Emerald AI, Google, NVIDIA нар AI Energy Management Alliance байгуулж, дата төвүүдийн цахилгаан хэрэглээг сүлжээний нөхцөлд тааруулан динамикаар удирдах санаачилга эхлүүллээ. AI-ийн өсөлт серверээс гадна цахилгаан сүлжээний асуудал болж буйн бас нэг дохио энэ юм.
Дэлгэрэнгүй унших
AI тооцоолол өсөхийн хэрээр дата төвүүдийн гол сорил нь GPU авахаас илүү цахилгаан холболт, оргил ачаалал, хөргөлт болж байна. “Уян хатан” дата төв гэдэг нь зарим ажлыг цахилгаан илүү элбэг, хямд үед шилжүүлэх, эсвэл ачааллаа түр бууруулах боломжтой гэсэн санаа.
Энэ нь AI-ийн эрчим хүчний ул мөрийг автоматаар арилгана гэсэн үг биш. Харин дата төв, сүлжээний оператор, эрчим хүч үйлдвэрлэгчид хамтарч ажиллахгүй бол тооцооллын дараагийн өсөлт цахилгааны хязгаарт тулж болохыг илтгэнэ.
Эх сурвалж: Emerald AI, Google and NVIDIA Launch Alliance to Advance Flexible AI Data Centers