加入收藏 | 设为首页 | 会员中心 | 我要投稿 站长网 (https://www.aspzz.cn/)- 应用程序、AI行业应用、CDN、低代码、区块链!
当前位置: 首页 > 站长资讯 > 动态 > 正文

动态资源分类失效?用深度学习重构资讯分发逻辑

发布时间:2026-11-07 08:04:39 所属栏目:动态 来源:DaWei
导读:  去年中考那几天,我盯着后台日志里那条陌生注册记录,邮箱后缀是@163.com,昵称叫“教育资讯通2024”,注册时间在凌晨3:17:04——比语文开考还早俩钟头。不是撞库,不是扫号,注册完立刻调了三次 /api/v2/resource/classify

  去年中考那几天,我盯着后台日志里那条陌生注册记录,邮箱后缀是@163.com,昵称叫“教育资讯通2024”,注册时间在凌晨3:17:04——比语文开考还早俩钟头。不是撞库,不是扫号,注册完立刻调了三次 /api/v2/resource/classify 接口,每次参数里都塞着带base64编码的标题字段,解出来全是“中考作文押题”“物理压轴题拆解”“阅卷组长透露评分细则”。我第一反应是接口被当爬虫中转站用了,切到WAF规则页,发现上周刚加的“/classify 路径限流5qps”规则根本没触发——它压根没走WAF,请求直接捅进Nginx upstream 里去了。桌上的速溶咖啡结了一层膜,我拿手指戳破时,监控告警弹窗跳出来:首页标题被人改了。


  不是前端被篡改,是CMS后台里那个“动态资源分类引擎”的输出结果变了。我们那套老逻辑是用正则+关键词白名单+人工标引权重做的,跑在Java服务里,每分钟拉一次数据库快照生成分类缓存。出问题那天,缓存刷新日志里突然多出一行:“[WARN] class_label_resolver: fallback to default_category due to empty rule match for content_id=783492”。783492?查数据库,是6月20日16:22分由ID为8871的账号提交的PDF附件,文件名《2024中考英语核心词表(全网首发)》,实际内容是一页纯白PDF,二进制里夹着37个不可见字符段落——其中一段在access.log里留了个痕迹:GET /uploads/2024/06/20/2e3c9a1f.pdf?ref=1&src=%E6%95%99%E8%82%B2 HTTP/1.1 ——那个src参数里的urlencode值,解出来就是“教育”二字。防火墙规则里第47条,写着“允许 src=教育 的GET请求放行”,没人记得这规则是哪年为了接某教委数据源加的,也没人想到它会变成分类引擎的默认兜底入口。


文章配图,仅供参考

  同事把椅子转过来又转回去,嘴里念叨“是不是nginx缓存污染”,我直接SSH进应用服务器,在/tmp目录下翻到那个被重写的category.json临时文件,开头两行是:“{ \\"version\\": \\"v2.1-rc\\", \\"data\\": [ {\\"id\\":\\"783492\\",\\"cat\\":\\"K12_exam_urgent\\"}...” ——K12_exam_urgent?我们库里压根没有这个分类code。grep -r “K12_exam_urgent” 整个代码库,零结果。最后在部署包里找到一个jar包,解压后看见META-INF/MANIFEST.MF里写着“Built by ai-classifier-v0.8-beta(internal only)”。谁打的包?jenkins构建记录显示:6月19日22:03,构建者账号是ops-auto-deploy,但那次构建触发原因写的是“[auto-trigger] from ml-training-pipeline”。ml-training-pipeline?我们组没人碰过这个job。我点进去看最近一次执行日志,最后一行输出是:“INFO: model saved as /data/ml/models/dynamic_cat_v3.pb —— overwrite existing.” 证书到期提醒邮件就躺在那个页面的右下角浮窗里,发信时间是6月19日23:41,主题“cert-ai-classifier-prod-2024-expiring-in-2h”,我点开附件,签发机构那一栏填的是“Internal CA Root (dev-only)”。


  反常识结论:不是模型把分类搞错了,是它太对了。它把所有含“中考”“押题”“阅卷”字样的文本,不管载体是PDF、网页还是API响应体,全判成高优先级应急资讯,自动顶到资讯流最上层——包括被黑产上传的假词表、冒充教研员发布的钓鱼问卷、甚至我们自己测试环境导出的脏数据快照。它没失效,是动态分类从“识别资源属性”变成了“响应传播意图”。后台多了个陌生账号、首页标题被人改了、搜索引擎里出现了奇怪的词,三件事不是并发故障,是同一根藤上结的仨瓜。空调出风口挂了个塑料袋,是运维老张前天换滤网时随手套上去防尘的,现在正啪嗒啪嗒拍着风管。谁在电话里说了句“嗯”就没声了——是安全组那个兄弟,我问他要不要把AI模型回滚到v2.1,他顿了三秒,说:“你先看看漏洞扫描报告第13页,那个‘/ai/v1/classify’端点,openapi.yaml里没定义auth。” 我翻到报告,果然,CVE-2024-XXXXX那一项后面跟着“unauthenticated endpoint exposed to internet”,备注栏手写补了一句:“by request of marketing team, for 'real-time hot topic push'”。


  门禁响了一声,是保洁推着清洁车路过机房门口。便利贴还在我显示器右上角贴着,蓝墨水写的“⚠️别删 /tmp/ai_cache_backup——张工说要留三天”。我不打算删。接下来三天,我手动把所有含“中考”字段的资源ID打上“manual-review”标签,让推送链路卡在这儿;同时让DBA锁住cms_user表的INSERT权限,只开放UPDATE;然后去jenkins删掉ml-training-pipeline那个job——删之前截图存档,因为它的构建参数里有一行写着:“--override-model-path s3://prod-ml-bucket/ai-classifier-v3/”。漏洞扫描报告里第13页的备注我还得抄一遍,贴在防火墙管理台登录页旁边。不总结,就这么干。

(编辑:站长网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!