研究员Naphtali Deutsch发现数百个开源大型语言模型(LLM)构建服务器和几十个向量数据库存在泄露大量敏感信息的问题，这源于企业在急于整合AI到工作流程中时忽视了相关工具的安全性。他通过破解438个Flowise服务器，揭示了存储的敏感数据，包括GitHub访问token、OpenAI API密钥、Flowise密码和API密钥等。此外，他还发现了30个向量数据库没有任何身份验证检查，存储了包括私人邮件、文件、客户个人信息和财务数据等敏感信息。向量数据库的泄露风险更大，可能遭受数据窃取、删除、破坏或植入恶意软件。专家建议企业限制对AI服务的访问，监控活动，保护传输的敏感数据，并始终应用软件更新。强调随着AI工具的普及，开发者的安全知识不足，安全性往往滞后于技术发展。

["关系型数据库将摆脱SQL的束缚,采用更灵活的数据库。","向量数据库由于可处理高维数据,在推荐系统、图像识别等领域崭露头角。","企业将开始利用数据湖中的非结构化数据训练多模态模型。","没有数据治理支持的企业在实施AI时将感到痛苦。","知识图谱将帮助用户消除数据孤岛。"]

["大模型时代，向量数据库成为不可或缺的合作伙伴。","通过向量数据库，大模型获得了长期记忆能力，解决了幻觉和数据更新滞后的问题。","向量数据库不仅提高了数据安全，还为大模型提供了海量、实时的数据支持。","腾讯云向量数据库的快速发展展现了大模型与数据技术共同推动人工智能应用的势头。"]

["腾讯云向量数据库全量开放公测","提供高效接入大模型的解决方案","数据向量化，提升存储和查询效率","解决大模型预训练成本高、幻觉、缺乏长期记忆和知识更新","已服务腾讯内部 40 多个业务和数百家公有云外部客户"]