Veeam成为最近一家因为错误配置云实例导致客户数据泄露的公司,有200GB与4.4亿条客户记录相关的数据在网上公开。
安全研究人员Bob Diachenko详细介绍了在AWS实例上托管的MongoDB数据库中发现这些数据的泄露。
过去有很多次数据泄露都是由那些专门在AWS上寻找这些泄露数据的安全研究人员发现的,但是Diachenko发现的数据,是通过Shodan搜索引擎搜索得到的,该搜索引擎在8月31日对数据进行了索引,意味着这些数据也很容易被其他人发现。
Diachenko写道:“我在9月5日发现了这些数据,经过快速数据分析后,我一直尝试披露这些信息,但没有成功。这台服务器是公开可搜索的,直到9月9日在多次通知尝试之后这台服务器才被保护起来。”
据称,这些数据包含营销商机,而不是敏感的个人信息,但确实包括可用于恶意目的的商业联系细节。
Veeam在一份声明中表示,“我们已经注意到,我们的一个营销数据库[包含]一些非敏感记录(即潜在客户电子邮件地址)可能会在短时间内被第三方看到,”,而且现在他们“确保所有Veeam数据库都是安全的。”
Veeam补充说:“Veeam非常重视数据隐私和安全,目前正在进行全面调查。”
事件虽不幸,但Veeam之前曾被称为虚拟数据备份和恢复方面的杰出公司。
截至今年5月,Veeam拥有超过30万客户,每天增加133个新客户或每季度增加1万个客户。鉴于泄露的数据不涉及机密信息,所以不太可能影响未来客户数量的增长。
Balbix产品管理和代理首席信息安全官Jonathan Bensen表示:“一个包含4.4亿个客户电子邮件的数据库,没有密码,这对坏人来说也太容易了。当所有数据泄露事件中,有81%是因为密码太弱或密码被盗(来自Verizon 2017年的数据泄露报告),企业必须了解自己的密码状况并持续保持警惕,以防止发生此类重大泄露事件的发生。”
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。