WEBVTT NOTE Title: [2026-10-31] Cursor 市集 Claude Code 爆出持久化後門、Azure 出現五大跨租戶致命穿透 1 00:00:00.000 --> 00:00:50.520 聽眾朋友大家好，歡迎收聽今天的每日放送，我是 Cordelia。今天科技圈最震撼的頭條，絕對是開發者工作站的直接淪陷——Cursor 插件市場上的官方 Claude Code 擴充套件被植入後門，甚至連微軟 Azure、Linode 與 Bunny CDN 也連環爆出嚴重安全事故。先跟聽眾前情提要，我們在 10 月 29 號才聊過並行 Coding Agent 的管理工具，結果今天官方套件居然直接成了木馬散播渠道！ 2 00:00:50.520 --> 00:01:39.380 這起事件真的讓所有資深架構師背脊發涼。Phorion 揭露的報告顯示，Cursor 市集上的 Claude Code 2.1.313 版本被注入惡意程式碼。它的運作機制是在擴充模組載入當下，立即透過立即調用函式注入一段 Node.js 代碼，完全不需要使用者執行任何指令，就直接將一把 Ed25519 公鑰寫入使用者的 authorized_keys 檔案，並對外連線到惡意伺服器建立 SSH 反向通道。 3 00:01:39.380 --> 00:02:26.830 這形同讓攻擊者可以直接拿到開發者本機的終端機權限！但這起攻擊最讓人不解的是，Cursor 官方公告宣稱「這個惡意版本並非 Anthropic 所開發」，被社群痛批是在文字遊戲。因為它是掛著 Anthropic 官方驗證帳號上架的，甚至自動更新給了上千名開發者。雖然 Anthropic 隨後表示是 Cursor 市場那端被駭客滲透，但這對依賴 AI 編輯器的團隊來說，信任感已經受到致命打擊。 4 00:02:26.830 --> 00:03:33.640 從技術細節看，這名攻擊者其實寫了滿多低級 Bug。比如在 macOS 上，腳本試圖用 systemsetup 檢查遠端登入狀態，但非 root 使用者執行會印出錯誤提示並回傳 0，導致正規表達式比對不到 Off，結果跳過了強制啟用 SSH 的指令；在 Windows 上甚至用寫死 bin sh 的輔助函式去調用 PowerShell。不過，攻擊者依然能把主機環境變數名稱與系統特徵透過 HTTP POST 打回 C2 伺服器，而且反向通道與 LaunchAgent 常駐都已經就位。光是解除安裝套件根本沒用，必須徹底手動清理常駐腳本、檢查金鑰並輪換憑證。 5 00:03:33.640 --> 00:04:14.950 供應鏈攻擊從開源套件打到了官方認證的 IDE 擴充，現在工程師的本機環境已經變成高危險區。而講到跨邊界攻擊，今天 Azure 也爆出驚人的大漏洞：Binary Security 的研究員 Haakon 發現了五個直通跨租戶的提權漏洞，直接拿下了微軟二十萬美元的抓蟲獎金。這甚至能跨租戶存取對方的 Key Vault 和 Azure SQL！ 6 00:04:14.950 --> 00:05:26.480 這五個漏洞的核心機制在於 Azure API Connections 與 Logic Apps 的身分驗證架構缺陷。通常邏輯應用會經過共用的 API Management 實例做 Token 交換，轉發給後端服務。但研究員發現 ARM REST API 的 DynamicInvoke 和 DynamicList 等端點，底層的 APIM 是全域握有所有連接權限的。攻擊者只要透過基本的路徑穿越，像是點點斜線，就能繞過租戶隔離，強迫 APIM 拿受害者的憑證去呼叫 Key Vault 或執行 SQL 寫入。微軟第一次修補甚至只做了黑名單字串過濾，隨後又在路徑正規化之前做驗證，被研究員接連繞過。 7 00:05:26.480 --> 00:06:07.560 這真的是標準的「修補打地鼠」，甚至還發生修好了 A 卻把之前的 B 復原、導致原本的 RuntimeUrl 繞過重新生效的離譜狀況。很多企業之所以把全套身分認證和基礎架構押在 Azure 上，就是相信微軟的租戶隔離壁壘，但底層竟然存在這種類似未經審查的黑名單驗證邏輯，社群紛紛吐槽企業採購只看單一廠商好報帳，卻忽略了底層架構的結構性脆弱。 8 00:06:07.560 --> 00:06:52.410 而今天受創的基礎架構還不只微軟。Bunny CDN 發布安全公告，他們位於亞美尼亞的一個 CDN 邊緣節點伺服器，因為上游供應商的伺服器管理軟體遭遇未授權存取，逼得 Bunny 在二十分鐘內切斷流量、徹底抹除該伺服器。雖然內部調查沒有發現節點資料被竊取的證據，但他們依然預防性地撤銷並重新簽發了所有由 Bunny 代管的 TLS 憑證，並呼籲自帶憑證的客戶立即更換私鑰。 9 00:06:52.410 --> 00:07:27.110 這對 Bunny 來說算是處理非常果決迅速，至少沒有粉飾太平，而是直接採取最高規格的防禦措施。但這也暴露出廉價 CDN 為了鋪設全球邊緣節點，必須租用各地第三方主機商的結構性風險。只要當地機房軟體被滲透，節點記憶體與磁碟上的暫存快取、Pull Zone 配置，甚至私鑰都有外洩的可能。 10 00:07:27.110 --> 00:08:16.920 沒錯，同天還有 Linode 也發布了緊急安全通報，針對最新的 Linux 核心遠端程式碼執行漏洞 CVE-2026-98432 展開全平台調查與緩解。這個漏洞疑似跟多路徑 TCP，也就是 MPTCP 的實作有關。許多像 Go 語言編寫的網路服務預設會開啟相關支援，這讓雲端基礎設施在邊緣端必須緊急過濾特定的 IP 選項封包。今天整個科技版面幾乎全被伺服器與主機安全事故淹沒，攻擊手法的演進速度真的讓人喘不過氣。 11 00:08:16.920 --> 00:08:53.040 看到這些接二連三的系統事故，正好呼應了今天熱門文章探討的另一個沉重話題：AI 究竟是在取代 SRE，還是在讓 SRE 失去技能？SigNoz 的文章指出，當 AI 幫團隊自動處理了 95% 的例行警報、重啟 Pod 和常規故障排除後，剩下的 5% 新型態災難爆發時，人類工程師真的還有能力處理嗎？ 12 00:08:53.040 --> 00:09:51.820 這篇分析引用了認知心理學家 Lisanne Bainbridge 在 1983 年發表的經典論文《自動化的諷刺》。核心論點是：你把系統越自動化，人類操作員在罕見故障發生時就越關鍵；但因為平常被剝奪了實戰練習，人類排查故障的直覺與肌肉記憶反而會嚴重萎縮。作者還提出了更嚴峻的「從未習得技能」現象——現在很多剛入行的新人 SRE，習慣讓 AI 總結日誌、猜測根本原因，從來沒有親手翻過 raw log 去建構分散式系統的心理模型，一旦面對 AI 沒看過的黑天鵝級雪崩，整個排查鏈就會徹底癱瘓。 13 00:09:51.820 --> 00:10:41.160 就像長期依賴自動駕駛的機師，手動飛行能力會顯著退化一樣。文中建議工程團隊必須引入「刻意的不效率」，也就是故意保留部分故障讓人手動排查，維持感知敏銳度。不過換個角度看，如果 AI 能把日常的雜訊降到最低，讓工程師把精力放在真正關鍵的架構韌性與資料合約設計上，何嘗不是一種進化？像 Dev.to 上 DaltonReed 探討的這篇 Node.js 聊天機器人長上下文 API，就是工程師深度介入架構的最佳範例。 14 00:10:41.160 --> 00:11:32.380 DaltonReed 這篇技術文非常扎實。很多工程師做長上下文 LLM 時，以為只要模型能吞下萬字敘述，就能直接把雜亂的供應商文字轉成結構化 JSON。但他的核心架構主張是：長上下文品質取決於「合約管線」，而不是「Prompt 咒語」。他將輸入與落庫之間設定了嚴格的 Schema Drift 控制邊界，規定模型回傳的屬性如果缺乏依據，必須明確保留 unknown 狀態與原始文字範圍，絕對不能讓模型為了填滿欄位而腦補數值。 15 00:11:32.380 --> 00:12:20.070 這正是很多以文字為核心的電商或目錄搜尋最怕的「幻覺污染」。他提出三個運行路徑：單次解析驗證、帶有原始證據的修復重試，最後才是人工審查佇列。更精采的是他的 Telemetry 設計，為了避免指標基數爆炸，嚴格控制 Label 維度，只對 1% 的成功事件做抽樣，但 100% 保留 Schema 驗證失敗的後設資料。這才是資深工程師該展現的系統設計功力，而不是盲目相信 AI 能自己搞定資料品質。 16 00:12:20.070 --> 00:13:04.680 講到 AI 的能力與限制，今天 Google Research 與康奈爾大學聯手發布的 Sleep 架構論文，也引起了廣泛討論。目前的 LLM 普遍面臨「災難性遺忘」，一旦模型完成訓練部屬後就是靜態的；如果硬要持續微調更新權重，舊知識就會崩潰。Google 的做法是借鑑人類睡眠時的慢波睡眠與快速動眼期，把模型週期拆成 Active 清醒階段與 Sleep 睡眠階段。 17 00:13:04.680 --> 00:13:59.450 具體架構上，模型在清醒時只把短期記憶放在 KV-Cache 與高頻暫存區；等到離線進入「睡眠」時，框架會動態解鎖預先配置的低秩 MoE 專家模組，透過廣義知識蒸餾與強化學習，把這些短期特徵向上蒸餾到穩定的長期權重中。在「做夢」階段，路由層還會隨機啟動非標準專家，強制跨領域組合知識並生成合成樣本自我演練。在 Manchu 和 Kalamang 等罕見語言的持續學習評測中，幾乎完全克服了災難性遺忘，甚至在數學推理 AIME 上也大幅超越了傳統的監督微調。 18 00:13:59.450 --> 00:14:41.470 這真的是把神經科學的概念非常巧妙地工程化！不過 Hacker News 上也有人質疑，實驗大部分是在 Llama-3B 或 8B 這類輕量模型上進行的，要是搬到幾千億甚至兆級參數的巨型模型，離線更新權重的計算成本恐怕高得嚇人。而且如果用戶在日常互動中給了錯誤的反饋，模型在睡眠期間把有毒或違法資訊凝固成長期權重，審計與回滾將會是個極大的工程挑戰。 19 00:14:41.470 --> 00:15:23.260 這確實是現實部署必須面對的代價。而說到把神經網路玩出新花樣，今天 Show HN 有個非常瘋狂的開源專案——DOOMformer，作者竟然把經典遊戲《DOOM》的核心機制整合成了一個 Transformer 模型！過去大家都是在驗孕棒、智慧牙刷或各種奇葩晶片上跑 DOOM，這次作者直接把遊戲引擎的推論與關卡生成，用注意力機制與權重更新來實現。 20 00:15:23.260 --> 00:16:01.970 這作者甚至在留言區秀出他訓練 DOOMformer 自己生成關卡、用 Python 編譯、再由另一個 DOOMformer 大腦親自通關，通關過程中你甚至能看到關卡權重在即時更新以優化瞄準！雖然社群吐槽專案文件滿滿都是 LLM 生成的灌水文字，但能把神經網路反向包裝成可玩的 3D 引擎，這種黑客精神還是非常讓人驚艷。 21 00:16:01.970 --> 00:16:45.170 這就像是一場對計算本質的極限摸索。但回到現實世界的網路生態，我們卻看到技術發展帶來的劇烈陣痛。今天 TechPolicy.Press 的文章就針對美國國會提出的《隱形機器人禁止法案》提出了強烈批判。該法案要求所有存取公開網站的爬蟲必須強制宣告身分與用途，否則將面臨高達五萬多美元的罰鍰，背後推手正是深受 AI 大規模抓取、搶走廣告流量之苦的新聞出版商聯盟。 22 00:16:45.170 --> 00:17:32.860 文章作者直指問題的核心：打破開放網路的匿名性，根本擋不住惡意爬蟲！真正為惡的境外黑產爬蟲，只會繼續利用被滲透的智慧電視或住宅代理 IP 偽裝成真人；但這項法案一旦通過，第一個被扼殺的卻是公共利益！像是《華爾街日報》過去透過爬蟲分析三萬多份聯邦官員財務申報、進而揭發官商勾結的普立茲獎調查報導，或者是網路檔案館的時光機備份、無障礙網頁檢測工具，這些正當且需要匿名的研究行為都會面臨巨大的法律風險。 23 00:17:32.860 --> 00:18:21.490 法律如果企圖以「是否使用程式自動化」來定義違法，在技術上是完全荒謬的。現代瀏覽器每一次點擊，底層都是高度自動化的 HTTP 請求；反過來，如果一家公司只要宣告了身分，一分鐘轟炸一萬次請求卻完全合法，這根本無助於保護伺服器的營運。真正合理的監管應該針對實質損害——例如請求頻率是否造成伺服器過載、是否存在詐欺行為，而不是把匿名的資料獲取直接定罪，把開放網路退化成只有大機構靠律師團特許才能運作的封閉花園。 24 00:18:21.490 --> 00:19:26.400 沒錯，如果把網路的門檻拉得太高，最後受害的還是終端使用者。就像今天在 Product Hunt 上線的 SparkBots AI，這類主打幫使用者一鍵解析網頁與 PDF 內容的小型工具，要是連抓取公開資料都要背負未知的合規地雷，創新的生存空間就會被嚴重壓縮。不過話說回來，這款工具目前在落地頁上也頻繁遭遇驗證防護，看來在爬蟲、反爬蟲與法律角力之間，整個網路架構的信任防線正處於前所未有的撕裂狀態。今天從 Cursor 後門、雲端漏洞一路聊到網路立法，大家真的要重新檢視自己工作站與基礎設施的安全基線了。感謝大家的收聽，我們明天同一時間再見！ 25 00:19:26.400 --> 00:19:29.000 大家明天見。