นักวิจัยด้านความปลอดภัยจากทีมวิจัย Wiz ได้ค้นพบฐานข้อมูลที่เผยแพร่ต่อสาธารณะ ซึ่งใช้ในบริการ AI ของ DeepSeek เนื่องจากการขาดการจำกัดการเข้าถึงพื้นที่จัดเก็บบันทึกที่เหมาะสม ใครๆ ก็สามารถรับข้อมูลที่เป็นความลับเกี่ยวกับการทำงานของบริการ DeepSeek ได้ ฐานข้อมูลประกอบด้วยบันทึกมากกว่าหนึ่งล้านรายการ ซึ่งรวมถึงบันทึกที่มีประวัติข้อความของผู้ใช้ในแชท DeepSeek AI คีย์การเข้าถึง API ข้อมูลโดยละเอียดเกี่ยวกับการทำงานของแบ็กเอนด์ และเมตาดาต้าที่ใช้ในการทำงานของระบบต่างๆ
ขณะศึกษาโดเมนย่อยที่เข้าถึงได้สาธารณะของ deepseek.com นักวิจัยสังเกตเห็นโฮสต์ ooauth2callback.deepseek.com และ dev.deepseek.com บนพอร์ตเครือข่าย 9000 และ 8123 ซึ่งมีบริการจัดเก็บข้อมูลที่ใช้ ClickHouse DBMS พอร์ตเครือข่าย 9000 ใช้สำหรับเชื่อมต่อแอปพลิเคชัน และพอร์ต 8123 จัดทำอินเทอร์เฟซเว็บที่ทำให้สามารถส่งแบบสอบถาม SQL ได้
การตั้งค่า DBMS ที่เปิดเผยทำให้สามารถควบคุมการทำงานในฐานข้อมูลได้อย่างสมบูรณ์เมื่อเข้าถึงโดยไม่ต้องมีการรับรองความถูกต้อง ตามที่นักวิจัยได้กล่าวไว้ การเข้าถึงที่มีอยู่นั้นเพียงพอที่จะจัดการโจมตีที่ไม่จำกัดอยู่แค่ DBMS เท่านั้น และยังเปิดทางให้สามารถเข้าถึงโครงสร้างพื้นฐาน DeepSeek ได้อย่างมีสิทธิพิเศษอีกด้วย
จำไว้ว่าเมื่อสัปดาห์ที่แล้ว DeepSeek เปิดตัวโมเดลภาษาขนาดใหญ่ DeepSeek-R1 และ DeepSeek-R1-Zero ภายใต้ใบอนุญาต MIT ฟรี ซึ่งครอบคลุมพารามิเตอร์ 671 พันล้านรายการ DeepSeek-R1 ถือเป็นโมเดลอนุมานโอเพ่นซอร์สที่ใหญ่ที่สุดและมีคุณภาพสูงสุด ในการทดสอบ 12 ครั้ง โมเดลดังกล่าวมีประสิทธิภาพดีกว่าโมเดลที่เป็นกรรมสิทธิ์ ได้แก่ Claude-3.5-Sonnet, OpenAI GPT-4o และ OpenAI o1 และในการทดสอบ 9 ครั้ง โมเดลดังกล่าวก็แสดงผลลัพธ์ที่คล้ายคลึงกัน
DeepSeek-R1 คือเวอร์ชันปรับปรุงของโมเดลภาษา DeepSeek-V3 ซึ่งเผยแพร่ในเดือนธันวาคม 2024 ภายใต้ใบอนุญาต MIT โมเดล DeepSeek-V3 เช่นเดียวกับ DeepSeek-R1 ครอบคลุมพารามิเตอร์ 671 พันล้านรายการ คำนึงถึงบริบทของโทเค็น 128 รายการ และใกล้เคียงหรือดีกว่า Claude-3.5-Sonnet และ GPT-4o ในลักษณะเฉพาะของมัน DeepSeek-V3 และ DeepSeek-R1 สามารถทำงานบนฮาร์ดแวร์ดั้งเดิมได้โดยใช้เฟรมเวิร์กการดำเนินการโมเดลภาษาโอเพ่นซอร์สทั่วไป เช่น vLLM, TensorRT-LLM, LMDeploy และ SGLang โมเดลเหล่านี้เหมาะสำหรับการสร้างระบบสนทนา ผู้ช่วยเสมือน การสร้างข้อความ การจัดทำคำตอบสำหรับคำถาม การสรุปและขยายความเนื้อหา การอธิบายสาระสำคัญของแนวคิดและเงื่อนไขต่างๆ
นอกเหนือจาก DeepSeek-R1 และ DeepSeek-V3 แล้ว บริษัทกำลังพัฒนาโมเดล Janus มัลติโหมดโอเพนซอร์สที่สามารถประมวลผล ทำความเข้าใจ และสร้างข้อมูลภาพและเสียงอีกด้วย โมเดล Janus Pro ล่าสุดมีประสิทธิภาพใกล้เคียงกับ DALL-E 3 ของ OpenAI ในการแก้ปัญหาการสร้างรูปภาพจากคำอธิบายข้อความ
ระบุว่ามีการใช้การ์ดจอ NVIDIA TESLA H3 จำนวน 2048 ใบเพื่อฝึกโมเดล DeepSeek-V800 และมีค่าใช้จ่ายในการฝึกอยู่ที่ 5.58 ล้านดอลลาร์ สำหรับการเปรียบเทียบ ค่าใช้จ่ายในการฝึกอบรมโมเดล GPT-4 ประมาณอยู่ที่ 80-100 ล้านดอลลาร์ ความแตกต่างนี้ทำให้ราคาหุ้นของบริษัทที่เกี่ยวข้องกับ AI หลายแห่งร่วงลงอย่างหนัก (เช่น ราคาหุ้นของ NVIDIA ลดลง 17%) และทำให้เกิดการคาดเดากันว่า DeepSeek กำลังปกปิดต้นทุนที่แท้จริงอยู่ OpenAI กล่าวถึงหลักฐานที่ได้รับว่ามีการใช้โมเดล OpenAI ที่เป็นกรรมสิทธิ์ในการฝึกอบรมโมเดล DeepSeek ซึ่งถือเป็นการละเมิดนโยบายบริการของ OpenAI ที่ห้ามใช้ผลลัพธ์ของโมเดล OpenAI ในการพัฒนาผลิตภัณฑ์ที่แข่งขันกับ OpenAI (โดยเฉพาะอย่างยิ่ง OpenAI เคยเป็นหัวข้อ) ของการเรียกร้องอันเนื่องมาจากการใช้ข้อมูลที่ไม่ได้รับอนุญาตในโมเดลการฝึกอบรม)
ที่มา: opennet.ru
