因配置不当，约5000个AI模型与数据集在公网暴露

主要观点总结

数千个机器学习工具暴露在互联网上，涉及敏感数据泄露风险。这些工具包括MLflow、Kubeflow和TensorBoard实例，用于训练和部署生成式AI模型或可视化结果。除了机器学习模型本身，暴露的数据还可能包括训练数据集、超参数和原始数据。存在配置错误，使得未经授权的人员能够访问、下载甚至运行这些模型和数据集。尽管已有部分公司对此进行应对，但整体暴露情况可能仍很严重。

关键观点总结

关键观点1: 机器学习工具和数据的暴露

数千个机器学习工具暴露在互联网上，包括MLflow、Kubeflow和TensorBoard实例。这些工具通常用于训练和部署生成式AI模型或可视化结果。除了机器学习模型本身，暴露的数据可能包括训练数据集、超参数和原始数据。

关键观点2: 配置错误和敏感数据泄露风险

由于配置错误，未经授权的人员可以访问、下载甚至运行敏感的机器学习模型和数据集。这种暴露事件可能导致敏感数据泄露，并带来潜在风险。

关键观点3: 公司的应对和整体情况

部分公司如瑞萨电子已经对暴露问题进行了应对，但整体暴露情况可能仍很严重。安全研究人员需要依赖通用账号安全和身份验证最佳实践来保护这些工具。