泄露的源代码揭示了 Suno AI 音乐训练流程的内幕

新闻摘要

人工智能音乐生成公司 Suno 的安全漏洞事件，再次引起公众对训练大型生成音频模型技术过程的关注。一位自称“ellie.191”的个人将 2023 年和 2024 年的黑客入侵的内部源代码泄露给了科技媒体 404 Media，这使得人们得以罕见地详细了解构建市场上最受欢迎的 AI 音乐工具之一的工程流程。

漏洞是如何发生的

据报道，此次入侵可追溯到一次供应链攻击，涉及 Shai-Hulud 蠕虫。这是一种恶意工具，旨在从 GitHub 和相关云服务中窃取开发者凭证。利用通过此方式获得的凭证，黑客能够访问员工账户并提取内部存储库。Suno 表示，在 2025 年 11 月收到通知后，公司已识别并控制了此次事件，并称泄露的材料主要由不再在其当前系统中积极使用的过时源代码组成。

泄露的代码揭示了什么

泄露的文件提供了一个罕见的、关于生成音频系统如何摄取和组织训练材料的技术快照。代码注释和文件元数据引用了非常具体的数字，包括一条注释提到，在上次更新时，一个数据集已增长到 2,013,545 个独立的音乐片段。其他内部注释引用了诸如从 YouTube Music 收集的 113,879 小时音频、与歌词平台 Genius 相关的 17,615 小时音频，以及与流媒体服务 Deezer 相关的 12,287 小时音频等数据。

除了这些主要平台，代码还引用了与 Pond5、Jamendo 和 Freesound 等素材和独立音乐库、国际乐谱库项目，以及通过 RSS 订阅收集的播客内容相关的摄取流程。总而言之，这些材料展示了可用于现代生成音频系统的来源的规模和多样性，这是研究机器学习模型如何从大型音频语料库中学习音乐结构、节奏和风格的研究人员非常感兴趣的主题。

额外数据泄露

报道还指出，此次泄露事件不仅限于源代码，还包括大量 Suno 用户的账户记录，以及通过 Stripe 处理的有限的支付相关元数据。Suno 强调，公司不存储完整的信用卡号，并坚称此次事件并未导致敏感个人信息泄露。

公司回应和背景

Suno 的一位发言人表示，泄露的材料是历史性的，不再代表公司当前的基础设施，并指出自 2023 年和 2024 年以来，工程实践已发生重大演变。该公司重申，在发现漏洞后已迅速得到处理。

对人工智能和技术教育的意义

对于关注生成式 AI 发展的学生和爱好者来说，此次事件提供了两个重要计算机科学领域的真实案例研究：构建机器学习模型大型训练数据集的机制，以及与软件供应链相关的网络安全风险。供应链攻击，即利用受信任的软件依赖项或凭证系统作为入口点，已成为安全研究中日益受到关注的主题，此次事件为该知识体系增添了一个具体且广为报道的例子。它还强调了音频如何像文本和图像一样，可以大规模地系统地收集和组织起来，以训练如今驱动着数百万用户使用的创意 AI 工具的深度学习模型。