据称,不受Meltdown与Spectre影响的CPU即将于今年推出。
英特尔公司已经公布了其下一代处理器——最早将在今年下半年出货——且据称其中绝不存在安全设计缺陷。
过去几个月以来,芯片巨头一次又一次在公开场合与幕后变更立场的作法,确实让人感到有些难以置信。
在面向记者及分析师发表的公开声明与内部简报当中,芯片巨头将说辞由最初的“这些bug被严重夸大了,并不属于实际问题”,转向“确实属于问题,但很容易解决”,再到“确实很难解决,但至少不会引发不良影响”,而后是“虽然会带来些许不良影响,但无需太过担心”,一直到最终的“这些问题非常严重,我们重新设计了处理器方案以解决上述失误。”
日前,英特尔公司表示其即将推出的台式机与服务器处理器将不再受到Meltdown以及两大Spectre变种之一的影响。具体来讲,Meltdown与Spectre Variant 2将在硬件层面得到修复,而Spectre Variant 1则将以软件形式加以解决。Meltdown允许恶意软件访问其内核,换言之可以访问其它应用程序的对应内存空间。Spectre Variant 2可被恶意软件用于读取内核内存,而Spectre Variant 1则允许恶意代码窥探应用程序内存——通常来讲,这意味着某一浏览器选项中的JavaScript代码将可监听另一选项卡中的数据。Variant 1可通过补丁进行修复,从而阻断Spectre类攻击的实施路径。
根据我们掌握的情况,芯片巨头重新设计了其处理器架构以引入“分区”机制,旨在预防恶意软件利用数据泄漏漏洞窥探应用程序、管理程序以及操作系统当中的密码以及其它敏感信息。
我们假设此次修复确实有效,因为英特尔最近已经成功调整微码以解决Spectre威胁。
英特尔公司在本周四表示:“这些变化将从英特尔的下一代至强可扩展处理器起步,并预计涵盖2018年下半年发布的第八代英特尔酷睿处理器。”
换句话来说,您可以通过安装系统修复补丁或者购买新的芯片来解决这个安全问题。目前尚不清楚芯片电路的调整是否会影响到处理器的实际性能,英特尔公司也没有公布与之相关的技术细节信息。根据惯例,每一代芯片都会在上代基础上适当实现性能提升。但由于此次引入的必要调整,下一代芯片恐怕无法带来显著的性能增强效果。
英特尔公司首席执行官Brian Krzanich日前指出,“大家可以将这种分区视为应用程序与用户特权级别之间的额外‘保护性壁垒’,并将成为阻断恶意攻击者的重要屏障。”
Krzanich同时补充称,英特尔公司已经发布了针对过去五年所推出全部产品的微码更新,从而帮助其解决Spectre与Meltdown安全威胁。用户可以从操作系统及主板制造商处获取这些更新。
来自英国萨里大学的信息安全专家Alan Woodward教授评论称:“看起来英特尔公司已经接受了残酷的现实,即虽然他们能够通过软件更新修复Variant 1,但另外两项漏洞仍然造成严重威胁。虽然程度不大,但他们还是被迫对自身架构作出了调整。”
“他们谈到了分区问题,这很好。因为此次安全问题的核心,就在于访问到应用程序本不该接触的数据。然而,目前尚不清楚该分区机制的工作原理,也无从知晓其能够彻底解决相关旁侧攻击。”
Woodward教授还补充称,观察这种硬件调整对执行速度产生的影响也非常有趣。早期的软件补丁已经严重削弱了CPU的性能,其中某些补丁在部署时还会引发其它问题。
他总结称,“目前尚不清楚现有硬件是否将继续包含这些漏洞。其中一些问题可能将迎来缓解方案,但可以肯定的是,这些问题很难被彻底清除。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。