Wiz Research 團隊的安全研究人員發現了 DeepSeek 的 AI 服務中使用的公開資訊資料庫。由於缺乏對日誌儲存的適當存取限制，任何人都可以獲得有關 DeepSeek 服務運行的機密資訊。該資料庫包含超過一百萬筆記錄，包括 DeepSeek AI 聊天中的使用者訊息歷史記錄、API 存取金鑰、有關後端操作的詳細資訊以及各種系統運行中使用的元資料。
在研究 deepseek.com 的可公開存取子網域時，研究人員注意到主機 ooauth2callback.deepseek.com 和 dev.deepseek.com，在網路連接埠 9000 和 8123 上有一個基於 ClickHouse DBMS 的儲存服務。網路連接埠 9000 用於連接應用程序，連接埠 8123 提供 Web 介面，可以發送任何 SQL 查詢。
在無需身份驗證進行存取時，公開的 DBMS 設定提供了對資料庫操作的完全控制。據研究人員稱，現有的訪問權限足以組織一次不限於 DBMS 的攻擊，並允許對 DeepSeek 基礎設施進行特權存取。
回想一下，上週，DeepSeek 在免費的 MIT 許可下發布了大型語言模型 DeepSeek-R1 和 DeepSeek-R1-Zero，涵蓋了 671 億個參數。 DeepSeek-R1被認為是最大、品質最高的開源推理模型。在 12 項測試中，該模型的表現優於專有模型 Claude-3.5-Sonnet、OpenAI GPT-4o 和 OpenAI o1，在 9 項測試中也顯示了類似的結果。
DeepSeek-R1 是 DeepSeek-V3 語言模型的改進版本，於 2024 年 3 月根據 MIT 許可發布。 DeepSeek-V1 模型與 DeepSeek-R671 一樣，涵蓋了 128 億個參數，考慮了 3.5 個 token 的上下文，特性上接近或優於 Claude-4-Sonnet 和 GPT-3o。 DeepSeek-V1 和 DeepSeek-RXNUMX 可以使用常見的開源語言模型執行框架（例如 vLLM、TensorRT-LLM、LMDeploy 和 SGLang）在原生硬體上運行。該模型適合創建對話系統、虛擬助理、生成文本、形成問題的答案、總結和概括內容、解釋概念和術語的本質。
除了DeepSeek-R1和DeepSeek-V3之外，該公司還在開發可以處理、理解和產生影像和音訊資料的開源多模態Janus模型。最新的Janus Pro模型在解決從文字描述生成圖像的問題時，性能接近OpenAI的DALL-E 3。
據稱，DeepSeek-V3模型訓練使用了2048塊NVIDIA TESLA H800顯示卡，訓練費用高達5.58萬美元。相較之下，訓練 GPT-4 模型的成本估計為 80 萬至 100 億美元。這種差異導致許多與AI相關的公司的股價暴跌（例如，NVIDIA的股價下跌了17％），並引發了人們對DeepSeek隱瞞其真實成本的猜測。 OpenAI 提到，它收到證據表明，專有的 OpenAI 模型被用於訓練 DeepSeek 模型，這違反了 OpenAI 的服務政策，該政策禁止在開發與 OpenAI 競爭的產品中使用 OpenAI 模型輸出（值得注意的是，OpenAI 曾因在訓練模型中使用未經授權的數據而被起訴）。
來源： opennet.ru
