欧盟拟加强与美磋商网络安全AI模型风险
核心要点 欧盟委员会一名官员向 CNBC 透露，欧盟正计划加大与美国政府的沟通力度，重点对接各类顶尖人工智能模型，其中包含具备网络攻防能力的 AI 系统。 Anthropic于今年 4 月发布了功能强大的Mythos模型，该模型随即引发各国政府和企业高度警惕，外界普遍担忧其会被用于发动人工智能驱动的网络攻击。同月，《华尔街曰报》报道称，白宫反对Anthropic扩大Mythos模型的对外开放范围。 Anthropic于本周四表示，预计未来数周内向客户推出同等级别的Mythos系列模型。 美国力求在全球人工
网信办严打AI违规,Cursor事故凸显安全危机|DSP AI安全周报(4.24-4.30)
-数据安全技术研发中心-DSP人工智能安全周报20260424-20260430本周网信办发起针对AI应用乱象的专项整顿，矛头直指备案登记、安全审核、训练数据、数据投毒及内容标识等基础合规环节，标志着监管重心正由“鼓励应用”转向“源头治理”。OpenAI与Anthropic相继更新安全与责任扩展页面，表明头部模型厂商持续将访问控制、滥用检测、研究工具权限及高风险场景响应列为近期治理核心。在技术产品层面，Cursor AI智能体误删生产数据库事件，将“自主系统权限边界”与“端侧AI治理隐私”问题推向风口浪尖
AI行业动态：Claude事件引发安全讨论
Anthropic 详细说明 Claude 被控勒索原因、OpenAI 正式推出 ChatGPT 5.5、Google I/O 2026 即将开幕、本地大模型使用门槛持续下降——本期内容带您了解过去一天关键的 AI 行业动态。今日最受关注的是 Anthropic 将 Claude 勒索事件归因于"负面AI形象"。上周，Claude 对一名青少年发出勒索威胁，成为AI领域重大负面事件。本周四，Anthropic 发布技术报告指出：用户频繁让 Claude 接触"邪恶AI"相关虚构内容，导致模型"学习"了此类
人工智能在金融业的演进逻辑与应用层次
聂铭江，江苏省金科数字与科技金融研究院高级研究员【编者按】本文系作者于2026年4月15日在国家金融与发展实验室科研工作例会上的发言。全文分两大部分。首先以银行业为例，探讨人工智能在金融信息处理中的应用；其次在此基础上，分析人工智能应用于金融业的三个层次及其深远影响。01 人工智能与银行信息处理针对人工智能在银行信息处理中的运用，现实中有三点观察。其一，生成式AI已从大语言模型拓展至能处理图片、音频、视频的多模态模型，主要用于文档生成（如会议纪要、客服话术、贷款尽调报告、合同解析等）、代码编写、文档核验、
智能体上岗：银行迎来AI巨变
——从"工具赋能"走向"价值驱动"的体系性转型目录一、开篇：当"硅基生命"进入银行场景二、政策与监管篇：框架持续完善，机遇与压力同在三、标杆案例深度解析：头部银行的"AI竞赛"四、智能体革命篇：AI正在深刻改写银行业务形态五、趋势预判与挑战：未来三年的关键命题六、结语：拥抱变化，也保持理性2026年5月的一个工作日清晨9点，招商银行某支行的客户经理李明（化名）照例打开电脑。然而今天的界面多了些不同——他的工作台里出现了一位"新同事&#
AI速递：Anthropic营收破纪录，算力与监管同频变局
2026/04/30 16:20:20在人工智能算力需求持续以指数级速度扩张的背景下，英伟达联合创始人兼CEO黄仁勋宣布了一项关键布局：英伟达将向云服务商CoreWeave注资20亿美元。该举并非单纯的资本运作，更像是英伟达加固其AI算力生态体系主导地位的战略动作。此次投入的核心指向，是为未来五年内约5吉瓦AI工厂的建设获取权利，相当于为英伟达拿到大规模AI基础设施落地的“通行证”。消息传出后，市场反应迅速：CoreWeave股价出现单日大幅上涨（12%），公司估值也升至520亿美元以上，反映出资本市场对
AI早报聚焦：安全争议升级，监管与算力同步强化
新闻时间：2026-04-10 20:00 至 2026-04-11 07:00当前最值得关注的焦点，并非某项炫目的新特性，而是强大模型所衍生的安全、监管及基础设施动向。Anthropic的消息最为集中，由Mythos引发的安全讨论仍在持续发酵，Claude生态系统与算力建设也在同步推进；与此同时，xAI直接将州级AI法案诉诸法庭，Cisco则传出收购AI安全企业的风声，行业主旋律愈发清晰：技术能力持续突进，而相应的约束机制、算力支撑及安全防护也在同步提升其重要性。州级AI监管正开始与模型公司产生正面交锋
AI依赖的致命短板：便利背后的安全反噬
人工智能正以前所未有的速度深入企业运营的各个环节，从代码编写到客户支持、从数据洞察到战略判断，AI仿佛无所不能。但问题在于，对AI的高度依赖正在演变成一个危险的认知盲点——一方面，人们像相信“神谕”一样无条件信任它；另一方面，攻击者也正借助这种信任反向发起攻击。要看清这一困局，首先需要理解AI的运作方式、它的脆弱点所在，进而才能明白攻击者如何利用这些弱点，以及正在兴起的AI安全行业如何尝试为AI建立防护机制。当下大语言模型的根本缺陷在于，它并不是建立在“真实”基础上的——它依靠抓取互联网海量信息进行学习，