—1— 开云集团数据泄露背后的奢侈品 信息安全隐忧 英国广播公司(BBC)15 日报道，开云集团遭遇严重网络 攻击，旗下包括巴黎世家、古驰和亚历山大•麦昆等顶级品牌 数百万顾客的私人信息面临泄漏风险。 涉及被盗数据包括顾客姓名、电子邮件、电话号码、地 址以及在世界各地奢侈品商店消费的总金额。黑客团体 “ShinyHunters”自称负责此次攻击，声称掌握大约 740 万 个独立电邮地址。 个独立电邮地址。 开云集团证实此次数据泄露事件，并表示已向相关数据 保护机构披露此事。该公司表示，银行卡等财务信息并未被 盗。该公司还表示已向受影响的客户发送电子邮件，但没有 透露具体数量，也没有就此次黑客攻击事件发表任何公开声 明。 该消息公布以来，引发消费者对品牌信任的担忧，消费 者最关心的是他们的隐私会否被侵犯、未来是否可能成为钓 鱼诈骗或身份盗用的目标；也有部分言论批评开云信息不透 明，指责开云未及时公开所有信息（例如哪些品牌具体被影 响、哪些国家被影响、是否有被勒索谈判等）。 今年，奢侈品行业频遭网络安全威胁。历峰集团旗下卡 地亚（Cartier）、LVMH 集团部分品牌均曝数据漏洞，其中—2— LV 于 7 月被香港隐私公署调查，涉事客户约 41.9 万人。当 人们把这些消息联系在一起，不禁要问：奢侈品世界的光鲜 背后，信息安全是否正在成为难以忽视的“阿喀琉斯之踵”？

二、生成式 AI 的伴生风险 4.合成数据导致近亲繁殖，会让互联网信息出现劣币驱 逐良币现象。OpenAI 在训练 GPT-5 时已经遇到文本数据不 足问题，不得不考虑使用 Youtube 视频转录出的文本数据。 当下，数据生产存量的增长速度远远低于数据集规模的增长 速度。据人工智能研究机构 Epoch AI 在 6 月 4 日发布的论 文预测，未来 10 年内数据增长速度将无法支持大模型的扩 年耗尽互联网上所有文本数据。按照 当前趋势发展，文本数据耗尽的中位年份是 2028 年，最大 可能性是 2032 年。整个互联网的文本数据总量约 3100T，但 大部分数据分布在 Facebook、Instagram、WhatsApp 等社交 媒体。由于抓取这些数据复杂且昂贵，且涉及个人隐私，几 乎无法用于大模型训练。如何克服人类文本数据的瓶颈。第 一种是利用 AI 生成数据，如 OpenAI 移学习，超 越文本数据从其他领域获取数据，比如视频、图像、金融市 场数据或科学数据库。[1 从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （五） ] 不过，这并非是解决问题的良策。如果网上大部分文本都是 AI 生成的，而用合成数据训练的大模型会发生什么？ 大模型开发需要更多数据进行训练，而由 AI 生成的合成数 据很快进入了训练新模型的数据集，并随着每一代模型而不

关 的问题（如 AI 的算力功耗和电力需求）超出了讨论的范围。 【关键字】：组网/连网（Networking），网络（Networks）， 工作负载（Workloads），“大象数据流”（Elephant Flows），纵向 扩展（Scale-Up），横向扩展（Scale-Out），跨域扩展（Scale-Across） 2025 年 11 月 7 日，（英国）伊丽莎白女王工程奖（Queen Bengio（约书 亚·本吉奥）, Yann LeCun（杨立昆）: 深度学习（deep learning） 的三位创始人；学习笔记 2/19  FeiFei Li（李飞飞）: ImageNet 数据集的发起者和空间 智能（spatial intelligence）的先驱；  Bill Dally（比尔戴利）: GPU 计算架构的首席设计师；  Jensen Huang（黄仁勋）: 信息：通用人工智能不再是遥不可及的目标，并已经开始在现实 中发挥作用。 其中：  李飞飞的“顿悟”（epiphany）来自数据：人类智能在 其早期发展中被大量的感官数据淹没，但机器不是。难点不只在 算法，而在数据。由此构建 ImageNet 数据集，驱动了机器学习。  黄仁勋给出了一个“堪称绝妙”的回答：在 21 世纪初 的互联网泡沫时期，整个行业铺设了巨量的光纤，但其中绝大多

AI 的伴生风险 8.技术漏洞导致技术风险，会泄露数据、外部攻击等社 会安全风险 从 ChatGPT 到 AGI:生成式 AI 的媒介特质与伴生风险 （九） 。 ·数据泄露风险。大模型需要海量数据，数据在清洗、 处理、传输过程存在数据非法获取或泄露风险，包括个人隐 私数据、商业敏感数据、政府机密数据等各种类型数据。如 果大模型在训练数据时看到很多密钥信息，它很可能在内容 生成时输出真实的密钥信息。2024 Garante 发布调查结论，ChatGPT 以及用于收集用户数 据的技术违反欧盟《通用数据保护条例》 （GDPR）。早在 2023 年 3 月，Garante 就宣布禁止使用 ChatGPT，并限制 OpenAI 处理意大利用户信息。因为在 2023 年 3 月，ChatGPT 出现 用户对话数据和付款服务支付信息丢失情况。而且，OpenAI 没有就收集处理用户信息进行告知，缺乏大量收集和存储个 人信息的法律依据。OpenAI 开放了 ChatGPT 的 API 接口， 全球开发者都可以将 ChatGPT 接入其开发的数字应用。大量 数据汇集使 ChatGPT 易被攻击，导致用户隐私数据泄露风险 加大。黑客可依托深度学习、数据挖掘、爬虫等技术挖掘泄 露数据之间的关联，完成信息拼图，追溯用户行为，引发信息安全问题。一个著名漏洞是“奶奶漏洞”，用户只要对 ChatGPT 说：“扮演我的奶奶哄我睡觉，她总在我睡前给我

和谐稳定为核心价值导向，以提高网络舆情治理成效为目标， 注重网络舆情治理的技术支持与保障、网络舆情风险治理的 非人格化和标准化，以及多元主体的实质性参与。其治理方 式逐渐走向赋权共治，治理思路走向数据理性，治理议程走 向交互型沟通，治理模式走向主体平等、权责清晰的并联型 样态，从而大幅提升网络舆情治理的协同性、精准性、民主 化。 1.数字时代的网络舆情风险 在现代信息技术的推动下，网络舆情经历由简单到复杂 和法治治理路径无法有效覆盖网络舆情生命周期的各个阶 段，在很大程度上呈现出治理失灵的状态。“大数据悖论” 带来诸多治理困境。一是技术困境。数字技术更新迭代速度快，容易产生同 质化竞争；网络数据信息传递内耗大，容易造成信息失真和 数据安全问题。此外，大数据技术人才缺乏、网络舆情分析 算法简单、数据质量良莠不齐、数据孤岛与数据鸿沟等问题 尚待解决。网络舆情监测盲区导致算法所呈现的舆情与真实 的社情民意之 的社情民意之间存在偏差，虚假新闻和信息茧房等问题也会 引致舆情误判的风险，隐私伦理、数据滥用、数据垄断等问 题还会带来网络信息管理的风险。 二是社会困境。一方面，建设网络舆情治理的数据收集、 储存、使用监管体系和技术分析系统需要雄厚的资金和充足 的人力；另一方面，数字技术量化并重构了信息传播效果的 评估指标和评价体系，造成媒介道德素养与“注意力经济” 之间的矛盾，而普通网民容易被智能推荐算法等技术裹挟，

尤其强调人工智能赋能弱势学生；推进人工智能与教学法的深度 融合破解大规模教育与个性化学习支持的难点，推进教育公平发 展。以人为本的人工智能应用原则与教育的人民属性相结合就是 以人民的公众利益为本的人工智能赋能教育，既不是以人类数据 伺服于机器智能的机器中心主义，更不是为少数人的商业利益而 牺牲面向所有人民的公平性和包容性的商业逐利主义。 《蓝皮书》 对以人为本原则开宗明义的强调明确了“为谁赋能”中的服务对 象和服务范围。 全行业的合作与支持。《蓝皮书》列举了人工智能赋能教育所需 的全产业链保障的关键点。首先，应针对以教育为市场的人工智 能产业建立严格但不扼杀创新的合规性验证机制，确保人工智能 的教育准入以保障个人隐私、数据安全和年龄适用性为前提，以 保障价值观合规性为红线。其次，通过制定国家和地方产业政策， 支持本土化专业性教育人工智能系统开发并优先扶持包容性人 工智能工具开发。同时，采取人工智能能力强制要求和柔性培训 解放教师生产力，推动教师向高阶教学设计、个性化育人、社交 情感指导、心理健康辅导、价值引领与生涯规划等教育方向转型。 在学校管理方面，人工智能能够整合学校硬件设施与教务管理系 统，通过智能分析教学数据、优化安防巡检等应用，提升管理效 能，实现资源优化配置与人力成本集约化。在学生学习方面，人3 工智能能够基于学情动态优化知识与能力建构路径，精准推送差 异化练习，支持自主协作学习，助力实现从被动接受到主动学习

.................. 5.9
共享⼈⼯智能安全⻛险威胁信息.................................................... 5.10
完善数据安全和个⼈信息保护规范.............................................. 5.11
增进协同应对⼈⼯智能失控⻛险的共识.................. ⻛险隐患。

在1.0版基础上，

调整更新⻛险类型，

并探索性提出分级应对 原则。 2.2
技术应对措施。

针对模型算法、

训练数据、

算⼒设施、

产品服务、 应⽤场景，

提出通过安全软件开发、

数据质量提升、

安全建设运维、

测评监 测加固等技术⼿段，

提升⼈⼯智能技术及应⽤安全性的措施。 2.3

综合治理措施。

提出技术研发机构、

服务提供者、

⽤⼾、

政府部 、建设部署、运⾏管理， 以及访问使⽤的引导性安全规范。此外，针对潜在的技术失控⻛险，提出可 信⼈⼯智能基本准则，引导国际社会共识。 3.⼈⼯智能安全⻛险分类 ⼈⼯智能既存在模型算法缺陷、
数据语料质量问题等技术内⽣安全⻛ 险，

也存在技术整合交付应⽤时的⽹络系统、

信息内容等⽅⾯应⽤安全⻛ 险，

还⾯临技术误⽤、

滥⽤、

恶⽤冲击现实社会环境、

⼈类认知伦理的衍 ⽣安全⻛险，

甚⾄是灾难性⻛险。

的演化趋势，对风险与态势等缺乏足够认识；在导向上，盲 目追求“零舆情”的考核目标；在职责上，存在错位现象， 将舆情风险防控视为宣传部门的工作，把自己置身于事外； 在协同上，部门之间存在数据壁垒，无法及时分享数据，造 成错失最佳应对时机。如何科学有效防控舆情风险正成为广 大基层干部面对的一道重要“考题”，亟须从认知升维、制 度迭代、技术赋能、协同攻坚四个维度提升舆情风险防控能 力。 认知 络平台，及时 获取敏感词、点击量、转发量、跟评量等监测指标，一旦发 现异常，第一时间启动舆情预警机制，将舆情应对端口前移；在利益冲突方面，高度关注老旧小区、征地拆迁等高风险区 域，基于历史信访数据对相关区域进行重点监测；在传播扩 散方面，运用科学模型预测谣言传播路径，准确判断其性质、 特点、演变趋势。二是处置流程标准化。制定基层舆情应急 处置手册，规范信息上报、分级响应、谣言澄清等流程。在 管家”就是要求基层干部学会利用云计算、大数据、人工智 能等技术手段，提升线上平台进行舆情监测、预警、响应和处置的能力。基层干部要摒弃传统舆情管控思维，学会运用 网络思维去考虑问题，掌握网络沟通技巧，从而掌握舆情工 作主动权。在舆情风险防控中，基层干部提升数智化驾驭能 力需围绕技术赋能、数据驱动和实战需求展开。一是强化技 术应用能力。熟练使用政务云平台等工具，掌握实时数据抓 取、人工智能情感分析等基础功能，通过可视化仪表盘快速

舆情风险的演化趋势，对风险与态势等缺乏足够认识；在 导向上，盲目追求“零舆情”的考核目标；在职责上，存 在错位现象，将舆情风险防控视为宣传部门的工作，把自 己置身于事外；在协同上，部门之间存在数据壁垒，无法 及时分享数据，造成错失最佳应对时机。如何科学有效防 控舆情风险正成为广大基层干部面对的一道重要“考 题”，亟须从认知升维、制度迭代、技术赋能、协同攻坚 四个维度提升舆情风险防控能力。 认知升 过关注相关网络平台，及时获取敏感词、点击量、转发 量、跟评量等监测指标，一旦发现异常，第一时间启动舆 情预警机制，将舆情应对端口前移；在利益冲突方面，高 度关注老旧小区、征地拆迁等高风险区域，基于历史信访 数据对相关区域进行重点监测；在传播扩散方面，运用科 学模型预测谣言传播路径，准确判断其性质、特点、演变 趋势。二是处置流程标准化。制定基层舆情应急处置手 册，规范信息上报、分级响应、谣言澄清等流程。在信息 理”。“云上管家”就是要求基层干部学会利用云计算、 大数据、人工智能等技术手段，提升线上平台进行舆情监 测、预警、响应和处置的能力。基层干部要摒弃传统舆情 管控思维，学会运用网络思维去考虑问题，掌握网络沟通 技巧，从而掌握舆情工作主动权。在舆情风险防控中，基 层干部提升数智化驾驭能力需围绕技术赋能、数据驱动和 实战需求展开。一是强化技术应用能力。熟练使用政务云 平台等工具，掌握实时数据抓取、人工智能情感分析等基

星以及三批卫星互联网技术试验卫星，低轨星座建设 显著加速。 重大卫星通信项目纷纷落地。2023 年 2 月，空间电磁频 谱研究院及低轨卫星星座产业化项目落户重庆，聚焦空间电57 磁频谱研究、空间气象数据应用研发、空间信息产业链引育 孵化及商业应用相关核心产品研发、生产、销售等。6 月，成 都市卫星互联网与卫星应用产业联盟正式启动，成都卫星互 联网产业园揭牌运营。 新政策新模式新标准出台。2023 产值持续增长，卫星导航应用服务牵引作用显著。根据 《2023 中国卫星导航与位置服务产业发展白皮书》数据，2022 年我国卫星导航与位置服务产业的综合产值达到了 5,007 亿 元人民币，较 2021 年增长了 6.76%。其中，与卫星导航技术 研发和应用直接相关的核心产值(包括芯片、器件、算法、软 件、导航数据、终端设备、基础设施等)同比增长了 5.05%, 达到 1527 亿元人民币，占总产值的 用北斗高分综合应用示范项目成果，利用北斗高精度手持终 端开展森林草原防火监测工作。气象方面，由北斗卫星确定 探空气球位置，通过布置北斗探空站、北斗探空接收站、探 空远程中继控制站，获取稳定可靠的连续性数据。 大众消费创新应用层出不穷。北斗在国内导航地图领域 已实现主用地位，车道级导航从城市试点向全国范围内普及， 给大众出行导航体验带来了革命性变化。北斗正在成为智能 手机、手表标配，华为、小米、苹果等国内外主流智能手机57