针对音乐AI服务Suno的网络攻击导致源代码泄露,揭示了模型训练数据收集的真实规模。化名为ellie.191的黑客通过感染员工电脑的Shai-Hulud蠕虫,成功获取了公司系统访问权限。该恶意软件通过被攻陷的npm软件包传播,窃取了凭证、令牌和访问密钥。
泄露文件包含来自YouTube Music、Deezer、Pond5等多个平台的详细音频下载日志。根据我的分析,这不仅是隐私侵犯,更是AI音乐生成行业系统性盗版的直接证据。
令人震惊的数据
其中一个文件记录了从YouTube Music下载的2,013,545个音乐视频片段,总时长113,879小时。另一组标记为ytm_tagged的数据集包含152,162小时的YouTube标注录音。代码中还发现了来自Pond5的62,117小时音乐、Deezer的12,287小时、genius_hq数据集的17,615小时,以及国际乐谱图书馆项目的19,514小时。Jamendo对应3,726小时,Freesound对应410小时,musescore_lyrics数据集对应103小时。此外,Suno还计划从约420,000个RSS源下载约100万小时的播客。
为从YouTube收集音频,开发者使用了Bright Data代理服务,通过第三方IP地址发送请求,隐藏了真实的下载来源。
与唱片公司诉讼的关联
此次泄露与法律纠纷直接相关。5月21日,环球音乐集团和索尼音乐娱乐要求在对Suno的诉讼中增加61,026条记录,这些记录是通过Audible Magic音频指纹技术在训练数据中发现的。唱片公司声称Suno使用YT-DL和YT-DLP绕过YouTube加密,将流媒体音频转换为可下载文件,违反了DMCA第1201条。泄露代码证实了从YouTube下载和使用代理的事实,但未证明绕过了特定技术措施。
Suno确认了2025年11月发现的这一事件,但表示主要涉及过时代码,且敏感个人数据未遭泄露。然而,该公司未发布技术报告,引发了对透明度的质疑。
我的评论:此次泄露不仅是技术事件,更是对整个行业的警示。Suno与许多AI公司一样依赖“灰色”数据收集方法,如今面临数百万美元的诉讼风险。投资者和用户应密切关注案件进展——它可能开创先例,改变所有生成式模型的游戏规则。