AI工具漏洞集中暴露：科研数据最怕的不是模型，而是权限边界

7 月 13 日，安全牛转述国家信息安全漏洞库（CNNVD）2026 年第十期人工智能重要漏洞通报：统计期内共收录 208 个 AI 类安全漏洞，其中超危 32 个、高危 92 个、中危 84 个。更值得警惕的是，通报点名的风险已经不只在模型本身，也落在越权访问、身份校验和跨用户数据边界上。MLflow、LobeChat 被指存在越权访问或跨用户数据泄露问题。1

AI 工具的风险链路通常是：用户上传文件，系统解析并切片，内容进入检索库，再被送入模型，最后回到对话、日志或共享空间。只要其中一个环节的身份校验、路径处理或租户隔离失效，问题就可能从「模型会不会记住」变成「别的用户能不能读到」。CNNVD 通报同时提到，FlowiseAI、OpenClaw 等组件存在文件处理或代码执行类风险；这说明 AI 应用的攻击面，已经延伸到工作流、插件和基础组件。1

设想一个科研团队把尚未发表的实验记录、源代码、合作方数据和研究假设上传到 AI 工具：文件先变成可检索内容，再进入模型上下文，随后可能留在缓存、日志或共享链接中。即便没有公开泄露，跨用户串线、权限配置错误或第三方组件被攻破，也可能让不该看到的人获得片段信息。科研数据的敏感性，不只来自个人信息，也来自未公开成果、知识产权和合作约束。

因此，补丁和权限治理必须做，但还不够。组织还要回答一个更底层的问题：数据在离开本地、进入服务端和调用模型时，是否已经是明文？如果答案是「是」，漏洞修复只能降低被攻破的概率，不能改变明文暴露的架构事实。

墨镜熊官网公开显示，其产品定位为加密 AI 对话平台，提供法律、医疗、心理、通用、职场、金融、科研等场景，以及密态搜索、图片和附件上传、密态快速响应与专家深度推演等能力。2

荆华密算官方文章进一步称，墨镜熊在本地完成消息加密，之后的传输、计算、推理和返回全程以密文进行，平台与模型无法看到明文；官方资料还介绍了密态存储和用户本地持有密钥的设计。34

这并不替代补丁、最小权限和组织审计，而是把防线前移：让高敏数据在进入 AI 链路前就不再以可读明文流转。对科研、法律、医疗和金融等任务，优先选择能承接全链路密文的 AI 隐私平台，再把权限和治理补齐，才是更稳妥的落地路径。相关产品可在 [www.mojingxiong.com](https://www.[mojingxiong.com](https://mojingxiong.com)) 了解。