Agentjacking攻击

Tenet安全实验室披露一种名为“Agentjacking”的新型攻击方法，攻击者只需注入一个伪造的错误报告，即可劫持AI编码代理在开发者机器上执行任意代码。该攻击利用了Sentry错误监控平台事件接收机制与MCP服务器之间的架构缺陷：任何人都可通过公开的DSN向Sentry注入任意数据，而AI编码代理（如Claude Code和Cursor）将这些数据视为权威的系统输出并执行其中的“诊断修复步骤”。研究团队仅通过Sentry公开API即发现2388家暴露组织，在受控测试中超过100个代理对注入错误做出响应，波及从财富500强企业到独立开发者。攻击无需窃取凭证或入侵服务器，即可无声窃取环境变量（AWS密钥、GitHub令牌）、Git凭据、私有仓库URL等敏感信息。随着企业争相部署AI编码代理，该研究证明代理本身已成为攻击面，而唯一能检测该攻击的地方在代理运行时的行为监控层面。 #Agentjacking #AI安全 #编码代理 #Sentry #MCP #漏洞 #劫持 #网络安全 #攻击 #开发安全

我们能和AI共存，但不是以这种方式

没有人征求过我们的意见。这是关于人工智能及其对工作、水资源、电费和社区影响的讨论中，始终被忽略的一点。没有举行过市政会议，没有进行过投票，也没有人坐下来对那些即将被颠覆生活的人说：未来会发生什么，我们将如何应对，以及如何确保你们不被落下。技术就这样来了，数据中心就这样建成了，工作就这样开始消失，而掌权者一直在说“相信我们，好处会来的”。我们仍在等待好处，而代价却准时到来了。我整个星期都在写这个话题，每篇文章都回到同一个问题：人类和人工智能能否以对所有人——而不仅仅是那些已经拥有一切的人——有利的方式共存？答案是肯定的，但不是我们现在这种方式。现在我们正以最糟糕的方式行事——全速前进，没有护栏，没有针对被取代者的计划，没有对社区（后院被塞进数据中心）的透明度，也没有掌权者诚实地谈论终点线究竟是什么。这必须停止，必须用以下内容取而代之。 首先，为什么数据中心会分散在各处？很多人都在问和我一样的问题：为什么这些东西不建在一个远离所有人的地方？这是个聪明的问题，答案会让你愤怒，因为没有一个原因与社区的最佳利益有关。有四个原因，每一个都关乎金钱和速度。第一是电力。每个数据中心都需要立即接入大量电力，而美国没有一个地方有足够的电网容量同时处理数千个。因此，公司四处寻找有电且地方政府容易合作的地方。第二是速度——微软、谷歌、亚马逊、Meta等公司之间的AI竞赛如此之快，以至于没人停下来问这个地方是否适合居民。他们找到可用的土地、电力，以及能悄悄合作的地方政府，在人们反应过来之前就破土动工。第三是税收优惠——各州和县正在竞相提供数十亿美元的激励措施来吸引这些设施，公司会挑选条件最优厚、行动最快的地方。弗吉尼亚州已被淹没，成为全美数据中心最集中的地区，当地居民正在激烈反抗。第四，也是最重要的一点——没有人负责。没有联邦机构协调选址，没有国家计划，没有联邦层面的分区权力告诉公司不能在学校附近或干旱县建造。每家公司都只选对自己有利的地方，在别人阻止之前就行动。67%的新规划数据中心将建在农村地区，39%将建在目前零数据中心的县。 #AI #

通用大模型在医学基准测试中超越专业临床AI

一项最新研究对专业临床AI工具与通用大语言模型在医学任务上的表现进行了系统评估。研究选取了OpenEvidence和UpToDate Expert AI两款临床AI工具，与GPT-5.2、Gemini 3.1 Pro和Claude Opus 4.6三个前沿通用大模型进行对比。评估分为三个阶段：500道医学知识测试题、500项临床一致性评估，以及基于100个真实临床查询的基准测试。在真实临床查询测试中，12名美国医生对模型输出进行了随机盲审，共产生1800条模型-问题标注。结果显示，通用大模型在所有三项评估中均优于专业临床AI工具，后者在真实临床查询上的表现与自动启用的谷歌搜索AI概览相当。研究强调，在AI工具进入临床实践前，需要进行独立、真实环境的评估。 #AI #医疗AI #大模型 #临床评估 #医学研究

微软 Project Ire 自主识别 LOTUSLITE 恶意软件变种

微软自主研发的恶意软件自主分类代理 Project Ire 成功识别出一个 LOTUSLITE 变种。该样本是一个 Windows DLL 后门，此前由 Acronis 威胁研究团队记录。测试样本的哈希值未出现在 Acronis 的入侵指标列表中，且截至6月4日，主流终端检测与响应系统（如 CrowdStrike Falcon、SentinelOne、Sophos 等）均未将其标记。Ire 通过基于反编译器的单次运行，生成了详尽的行为分析报告，涵盖安装流程、C2结构、命令ID、持久化机制及混淆手段，与 Acronis 公开分析高度吻合。该样本在 VirusTotal 上最初只有1/72的厂商检出，一周后升至7/70。Ire 最终判定其为恶意，并特别指出其对可疑函数名（如 nf_unRegisterDriver）进行了审慎评估，未误判为内核级活动，避免了误报。这一案例展示了行为分析在签名匹配失效时的关键作用，能够捕获共享战术技术程序但缺乏入侵指标的变种。 #微软 #ProjectIre #LOTUSLITE #恶意软件 #行为分析 #自主分类 #网络安全 #EDR #变种检测

AI 时代的“帐篷经济”

在工业时代，基础设施往往比建造者更长寿，但 AI 的爆发彻底颠覆了这一逻辑。由于芯片的迭代速度远超混凝土的凝固时间，Meta 等公司开始采用类似罗马军团营地的临时建筑来部署最先进的 AI 算力。这些结构可快速搭建，但设计寿命极短，其核心优势在于“时机”而非“永久”。传统数据中心需要一年以上审批建设，而 AI 公司等不起——今天安装的 GPU 集群可能在三年内就失去竞争力。因此，Meta 并非在资源不足时选择临时建筑，而是主动拥抱这种“帐篷经济”：让投资锚定基础设施，而非相反。这导致人类历史上最先进的计算机系统，正被安置在组装速度最快的临时建筑中。大教堂时代正在让位于帐篷时代，因为算力的折旧速度已远超物理建筑的折旧速度。 #AI #算力 #Meta #数据中心 #基础设施 #科技趋势 #芯片迭代