太空争霸之我来自未来 第246章 数据有门
苏雨桐看到“全量数据_最终版_真的最终”时,没有让人立刻删除。
“先断访问,保留现场。”
值班管理员把共享目录改为只读并隔离网络入口,记录当前文件、权限、复制时间和访问账号。四个团队正在跑的训练任务全部停下,已经生成的模型与中间文件一并封存。谁也不能趁夜里把不该存在的东西删干净,再说从来没有。
齐放站在她身后,喉咙发干:“文件夹是我们组建的。”
“谁让你们建?”
“最开始是焊缝试验,后来其他组说可以顺便测通用表征。名字是我改的,数据不是全由我拷。”
“个人开发机那份呢?”
齐放沉默几秒:“方俊为了周末跑实验同步过。他说只在公司加密电脑里。”
苏雨桐没有当场骂人。她让安全团队找到方俊,要求他保持设备原状,停止网络连接,到公司说明全部复制路径。方俊接电话时正在父母家吃饭,桌上刚端来一锅鱼汤。他以为模型效果终于要评审,还问能不能明早回去。
“现在。”齐放说。
两个小时后,方俊抱着笔记本进会议室,脸白得像墙。他承认个人机里有一份压缩包,为了节省训练队列又拷到移动硬盘;移动硬盘放在背包里,没有借给别人。公司同步工具还自动做过一次远端备份,备份位置由It团队管理。
“我没往外传。”他说,“都是公司数据,公司电脑,公司硬盘。”
苏雨桐问:“汽车厂同意用于火箭模型训练吗?”
“没有,但我只是试特征,不看客户名字。”
“搜索用户同意查询内容和焊缝一起训练吗?”
“查询已经抽样、去标识——”
“申请单在哪儿?”
方俊答不出来。
“公司拥有服务器,不代表公司每个人拥有服务器里的东西。”
调查从凌晨持续到中午。共享目录共有一百七十多万条记录,真正敏感程度并不相同:公开网页样本、仿真曲线、经过授权的焊缝图片可以用于限定研究;商户风险片段只允许支付域;火箭试验曲线受项目和客户限制;部分现场照片拍到员工工牌与车牌;搜索样本虽然去掉账号,罕见查询组合仍可能让人被重新识别。
最坏的猜测没有发生。没有证据表明文件上传到公共网盘、外部邮箱或个人云服务,也没有发现外部账号访问。可“没泄露到互联网”不等于没出事。数据已经越过原用途和权限边界,被不该看到的内部团队复制,还生成了来源不清的模型。
新公司所有训练暂停三天。
汽车厂的焊缝试点因此延误,厂长在电话里骂了半小时:“先是错杀,再是把我的图拿去别处练。你们到底在试什么?”
苏雨桐没有用“技术探索”安抚。她说明已知范围、暂停措施和核查计划,邀请客户派人检查与其数据有关的副本和删除记录。合同没有要求在确认外泄前公开所有细节,但她仍按用途越界事件通知客户。
一家供应商当晚终止了图像合作,要求销毁全部样本。星辰照做,按副本、缓存、中间特征和模型血缘逐项处理。对方没有因为马飞是大客户就留下。
另一家汽车厂派来两名审计人员。对方进门先收走手机,带着纸质清单,一点情面不讲。齐放演示文件如何进入目录、哪些任务读取过、生成过哪些模型。审计员问:“删掉原图以后,模型还记得我们的工艺吗?”
会议室没人敢随便答不会。
模型不会像压缩包一样原样吐回每张图片,却可能保留来自训练数据的统计特征,在特定攻击和测试下也有泄露风险。团队无法证明汽车厂样本对混合模型完全没有影响,只能将相关模型全部停用重训,而不是删原图后继续使用成品。
这比清空文件夹贵得多。
两周算力、数十人的标注和几次实验全部作废。投资人质问为什么不能留下模型,只删敏感部分。温蔓说:“面粉混进一盆来路不明的粉,不能把其中几粒捡出来就继续卖馒头。”
汽车厂最终没有终止合同,条件是训练只能在隔离环境使用授权样本,客户可查访问记录,项目结束后按约定删除,后续跨用途必须重新书面同意。价格没有优惠,责任条款却更严。
方俊被停职调查。他不是唯一责任人。
齐放批准建立共享目录,项目经理要求一周出通用模型,It默认同步工具对所有文件夹生效,权限系统允许四个团队互相读,数据申请又需要七张表、平均等五天。每个人都把自己的方便往前推一步,最后地板下面便多出一条河。
有人主张只处分方俊,以儆效尤。苏雨桐把夜班记录投到墙上。项目经理在聊天里写过:“先把能找到的数据都拉进来,手续后补。”齐放也点过赞。
“不能让执行得最笨的人独自背走管理层的意思。”她说。
项目经理被撤下岗位,齐放记重大管理处分并承担重训复盘;方俊因主动绕过流程、复制至移动介质受到处分,调离敏感数据岗位,能否返回要经过培训与重新授权。没有证据证明他对外泄露,公司也没有把他写成盗窃数据的坏人。
方俊收拾工位时,父亲打电话问是不是要失业。他站在走廊里说没被开除,声音仍发抖。齐放帮他搬箱子,两个人一路没说话。到电梯口,方俊忽然问:“如果我当时按流程申请,等五天,项目延期,您会不会骂我?”
齐放想起自己催过的日期,没有资格说不会。
“以前会。”他说,“以后你把申请号拍我桌上。真该加急,我去签为什么急。”
苏雨桐没有只加更多表格。
数据被分成几间有门的房间。搜索、支付、工厂、飞行和客户项目各有独立域,默认互不可见。研究人员提交用途、字段、期限和输出需求,获批后把程序送进受控环境运行;原始数据尽量留在原域,允许带出的只是经过检查的统计、模型或结果。高风险域禁止个人开发机和移动介质,临时权限到期自动收回。
门不是一堵永远不开的墙。
支付欺诈模型若需要公开网页的商户信息,可以申请具体字段;航天故障检索若要借用通用图像方法,可以带代码进去,不必把火箭数据拖出来;客户愿意联合训练时,合同写明目的、撤回和成果归属。每次开门留下谁、为什么、拿了什么、何时关。
新制度第一次运行便卡住支付夜班。一个风险模型在凌晨误报,工程师权限恰好到期,看不见原始记录,客服又在等解释。有人建议给所有值班人员长期权限,免得半夜找人。
苏雨桐没有答应。他们增加有明确时限的应急开门:值班负责人说明事件和范围,两人确认后临时授权,只看处理所需字段,天亮自动关闭并复核。紧急通道用一次记一次,不能把“随时可能出事”变成永久钥匙。
另一个工程师为了让算法组理解误报,把支付页面截屏贴进普通故障单。截图里露出商户名称和交易金额,被系统拦下。工程师抱怨脱敏太麻烦,客服姑娘坐到他旁边,用十分钟把问题改写成模拟样本:相同时间序列、相同风控触发,不保留真实姓名与账号。
“你要查的是规则为什么错,不是看看这家店卖什么。”她说。
工程师这才发现,自己过去习惯先搬一整张桌子,再从桌上挑一颗螺丝。数据有门以后,很多问题可以拿一颗假的螺丝先复现;只有确实需要实物时,才申请进房间看。
应急流程与模拟样本让队列降了一部分,也把“开门太慢”从一句抱怨变成可以测量的等待时间。哪些审批真有风险价值,哪些只是重复签字,开始有据可改。
温蔓又加了一件麻烦事:模型也要有“食谱”。训练用了哪些数据版本、哪些代码、谁批准、在哪台环境运行,都能追溯。以后发现某一批数据无权使用,不只删文件,还能找出受影响的模型和产品。
工程师们抱怨速度慢。第一周,数据申请队列堆到九十多项,最普通的公开样本也在等审批。苏雨桐让各域按风险分级,公开数据和预批准仿真走快速通道,支付原始交易、飞行敏感数据和客户受限图像走严格审查。不能因为一扇门被人撞开过,就把整栋楼所有门焊死。
马飞来新公司开会,刷卡进一楼,到了二楼又被拦住。前台说他的董事长权限只允许进入公共办公区,受控训练间需要项目批准。
陪同人员急着解释,马飞把卡收回来:“拦得对。”
当天午饭,有员工拿这件事开玩笑,说全公司最没权限的是老板。马飞端着一碗牛腩粉坐到他们桌边:“老板能看所有数据,才是公司最大的漏洞。”
笑声过去,没人给他临时开门。
三周后,混合目录的全部副本、备份和受影响模型完成处置。汽车厂审计员在删除记录上签字,仍留下一项后续抽查。终止合作的供应商没有回来。星辰为这次越界付出的,不只是算力和延期,还有一个真实客户。
齐放把空掉的共享目录保留下来,任何人打开都只看到一段话:不知道数据从哪来,就不要让模型吃。
门建起来以后,新的抱怨很快冒头。
代码要送进不同数据域运行,同一个训练任务常要排几天。搜索团队占着大部分显卡做语言模型,焊缝组半夜等机器,航天组的故障检索又因优先级临时插队。大家不再抢数据,开始抢算力。
云平台负责人把下一季度资源表贴到墙上。红色需求是现有容量的三倍,机房供电与制冷也接近上限。
当天傍晚,第一批新显卡服务器运到楼下。
货车司机打开车厢,里面不是一排整齐机柜,而是二十多只大小不同的木箱。进口批次、国产服务器、不同显卡与网卡混在一起,连电源插头都不完全相同。
机房主管看了五分钟,拿出手机给云平台负责人打电话。
“你们说云在天上。”他说,“现在云堵在卸货区,货梯还装不下。”
“先断访问,保留现场。”
值班管理员把共享目录改为只读并隔离网络入口,记录当前文件、权限、复制时间和访问账号。四个团队正在跑的训练任务全部停下,已经生成的模型与中间文件一并封存。谁也不能趁夜里把不该存在的东西删干净,再说从来没有。
齐放站在她身后,喉咙发干:“文件夹是我们组建的。”
“谁让你们建?”
“最开始是焊缝试验,后来其他组说可以顺便测通用表征。名字是我改的,数据不是全由我拷。”
“个人开发机那份呢?”
齐放沉默几秒:“方俊为了周末跑实验同步过。他说只在公司加密电脑里。”
苏雨桐没有当场骂人。她让安全团队找到方俊,要求他保持设备原状,停止网络连接,到公司说明全部复制路径。方俊接电话时正在父母家吃饭,桌上刚端来一锅鱼汤。他以为模型效果终于要评审,还问能不能明早回去。
“现在。”齐放说。
两个小时后,方俊抱着笔记本进会议室,脸白得像墙。他承认个人机里有一份压缩包,为了节省训练队列又拷到移动硬盘;移动硬盘放在背包里,没有借给别人。公司同步工具还自动做过一次远端备份,备份位置由It团队管理。
“我没往外传。”他说,“都是公司数据,公司电脑,公司硬盘。”
苏雨桐问:“汽车厂同意用于火箭模型训练吗?”
“没有,但我只是试特征,不看客户名字。”
“搜索用户同意查询内容和焊缝一起训练吗?”
“查询已经抽样、去标识——”
“申请单在哪儿?”
方俊答不出来。
“公司拥有服务器,不代表公司每个人拥有服务器里的东西。”
调查从凌晨持续到中午。共享目录共有一百七十多万条记录,真正敏感程度并不相同:公开网页样本、仿真曲线、经过授权的焊缝图片可以用于限定研究;商户风险片段只允许支付域;火箭试验曲线受项目和客户限制;部分现场照片拍到员工工牌与车牌;搜索样本虽然去掉账号,罕见查询组合仍可能让人被重新识别。
最坏的猜测没有发生。没有证据表明文件上传到公共网盘、外部邮箱或个人云服务,也没有发现外部账号访问。可“没泄露到互联网”不等于没出事。数据已经越过原用途和权限边界,被不该看到的内部团队复制,还生成了来源不清的模型。
新公司所有训练暂停三天。
汽车厂的焊缝试点因此延误,厂长在电话里骂了半小时:“先是错杀,再是把我的图拿去别处练。你们到底在试什么?”
苏雨桐没有用“技术探索”安抚。她说明已知范围、暂停措施和核查计划,邀请客户派人检查与其数据有关的副本和删除记录。合同没有要求在确认外泄前公开所有细节,但她仍按用途越界事件通知客户。
一家供应商当晚终止了图像合作,要求销毁全部样本。星辰照做,按副本、缓存、中间特征和模型血缘逐项处理。对方没有因为马飞是大客户就留下。
另一家汽车厂派来两名审计人员。对方进门先收走手机,带着纸质清单,一点情面不讲。齐放演示文件如何进入目录、哪些任务读取过、生成过哪些模型。审计员问:“删掉原图以后,模型还记得我们的工艺吗?”
会议室没人敢随便答不会。
模型不会像压缩包一样原样吐回每张图片,却可能保留来自训练数据的统计特征,在特定攻击和测试下也有泄露风险。团队无法证明汽车厂样本对混合模型完全没有影响,只能将相关模型全部停用重训,而不是删原图后继续使用成品。
这比清空文件夹贵得多。
两周算力、数十人的标注和几次实验全部作废。投资人质问为什么不能留下模型,只删敏感部分。温蔓说:“面粉混进一盆来路不明的粉,不能把其中几粒捡出来就继续卖馒头。”
汽车厂最终没有终止合同,条件是训练只能在隔离环境使用授权样本,客户可查访问记录,项目结束后按约定删除,后续跨用途必须重新书面同意。价格没有优惠,责任条款却更严。
方俊被停职调查。他不是唯一责任人。
齐放批准建立共享目录,项目经理要求一周出通用模型,It默认同步工具对所有文件夹生效,权限系统允许四个团队互相读,数据申请又需要七张表、平均等五天。每个人都把自己的方便往前推一步,最后地板下面便多出一条河。
有人主张只处分方俊,以儆效尤。苏雨桐把夜班记录投到墙上。项目经理在聊天里写过:“先把能找到的数据都拉进来,手续后补。”齐放也点过赞。
“不能让执行得最笨的人独自背走管理层的意思。”她说。
项目经理被撤下岗位,齐放记重大管理处分并承担重训复盘;方俊因主动绕过流程、复制至移动介质受到处分,调离敏感数据岗位,能否返回要经过培训与重新授权。没有证据证明他对外泄露,公司也没有把他写成盗窃数据的坏人。
方俊收拾工位时,父亲打电话问是不是要失业。他站在走廊里说没被开除,声音仍发抖。齐放帮他搬箱子,两个人一路没说话。到电梯口,方俊忽然问:“如果我当时按流程申请,等五天,项目延期,您会不会骂我?”
齐放想起自己催过的日期,没有资格说不会。
“以前会。”他说,“以后你把申请号拍我桌上。真该加急,我去签为什么急。”
苏雨桐没有只加更多表格。
数据被分成几间有门的房间。搜索、支付、工厂、飞行和客户项目各有独立域,默认互不可见。研究人员提交用途、字段、期限和输出需求,获批后把程序送进受控环境运行;原始数据尽量留在原域,允许带出的只是经过检查的统计、模型或结果。高风险域禁止个人开发机和移动介质,临时权限到期自动收回。
门不是一堵永远不开的墙。
支付欺诈模型若需要公开网页的商户信息,可以申请具体字段;航天故障检索若要借用通用图像方法,可以带代码进去,不必把火箭数据拖出来;客户愿意联合训练时,合同写明目的、撤回和成果归属。每次开门留下谁、为什么、拿了什么、何时关。
新制度第一次运行便卡住支付夜班。一个风险模型在凌晨误报,工程师权限恰好到期,看不见原始记录,客服又在等解释。有人建议给所有值班人员长期权限,免得半夜找人。
苏雨桐没有答应。他们增加有明确时限的应急开门:值班负责人说明事件和范围,两人确认后临时授权,只看处理所需字段,天亮自动关闭并复核。紧急通道用一次记一次,不能把“随时可能出事”变成永久钥匙。
另一个工程师为了让算法组理解误报,把支付页面截屏贴进普通故障单。截图里露出商户名称和交易金额,被系统拦下。工程师抱怨脱敏太麻烦,客服姑娘坐到他旁边,用十分钟把问题改写成模拟样本:相同时间序列、相同风控触发,不保留真实姓名与账号。
“你要查的是规则为什么错,不是看看这家店卖什么。”她说。
工程师这才发现,自己过去习惯先搬一整张桌子,再从桌上挑一颗螺丝。数据有门以后,很多问题可以拿一颗假的螺丝先复现;只有确实需要实物时,才申请进房间看。
应急流程与模拟样本让队列降了一部分,也把“开门太慢”从一句抱怨变成可以测量的等待时间。哪些审批真有风险价值,哪些只是重复签字,开始有据可改。
温蔓又加了一件麻烦事:模型也要有“食谱”。训练用了哪些数据版本、哪些代码、谁批准、在哪台环境运行,都能追溯。以后发现某一批数据无权使用,不只删文件,还能找出受影响的模型和产品。
工程师们抱怨速度慢。第一周,数据申请队列堆到九十多项,最普通的公开样本也在等审批。苏雨桐让各域按风险分级,公开数据和预批准仿真走快速通道,支付原始交易、飞行敏感数据和客户受限图像走严格审查。不能因为一扇门被人撞开过,就把整栋楼所有门焊死。
马飞来新公司开会,刷卡进一楼,到了二楼又被拦住。前台说他的董事长权限只允许进入公共办公区,受控训练间需要项目批准。
陪同人员急着解释,马飞把卡收回来:“拦得对。”
当天午饭,有员工拿这件事开玩笑,说全公司最没权限的是老板。马飞端着一碗牛腩粉坐到他们桌边:“老板能看所有数据,才是公司最大的漏洞。”
笑声过去,没人给他临时开门。
三周后,混合目录的全部副本、备份和受影响模型完成处置。汽车厂审计员在删除记录上签字,仍留下一项后续抽查。终止合作的供应商没有回来。星辰为这次越界付出的,不只是算力和延期,还有一个真实客户。
齐放把空掉的共享目录保留下来,任何人打开都只看到一段话:不知道数据从哪来,就不要让模型吃。
门建起来以后,新的抱怨很快冒头。
代码要送进不同数据域运行,同一个训练任务常要排几天。搜索团队占着大部分显卡做语言模型,焊缝组半夜等机器,航天组的故障检索又因优先级临时插队。大家不再抢数据,开始抢算力。
云平台负责人把下一季度资源表贴到墙上。红色需求是现有容量的三倍,机房供电与制冷也接近上限。
当天傍晚,第一批新显卡服务器运到楼下。
货车司机打开车厢,里面不是一排整齐机柜,而是二十多只大小不同的木箱。进口批次、国产服务器、不同显卡与网卡混在一起,连电源插头都不完全相同。
机房主管看了五分钟,拿出手机给云平台负责人打电话。
“你们说云在天上。”他说,“现在云堵在卸货区,货梯还装不下。”