生成式音乐行业发生了一起标志性事件。化名为 ellie.191 的黑客利用名为 Shai-Hulud 的蠕虫病毒,成功侵入了热门 AI 服务 Suno 的系统。该恶意软件通过被攻破的 npm 包传播,窃取了员工的登录凭证,从而获得了对源代码和内部日志的访问权限。结果,Suno 如何为其模型训练收集数据的方式被公之于众。
对被窃代码的分析显示了惊人的下载规模。其中一个文件记录了从 YouTube Music 获取 2,013,545 个音乐视频片段,相当于 113,879 小时的音频。另一个标记为 ytm_tagged 的额外数据集,包含了来自同一平台的 152,162 小时已标注录音。除 YouTube 外,数据集中还出现了来自 Pond5 的 62,117 小时、Deezer 的 12,287 小时、Genius HQ 的 17,615 小时以及国际乐谱图书馆项目的 19,514 小时。为了绕过 YouTube 的限制,Suno 的开发人员使用了 Bright Data 的代理服务,将请求伪装成来自不同 IP 地址的流量。
播客计划与泄露规模
另一个值得关注的方面是,计划从约 420,000 个 RSS 源下载约 100 万小时的播客。根据已公布的数据,尚不清楚该计划是否已实际执行。黑客本人声称,他获取了数十万用户的信息,包括电子邮件、电话号码以及与支付网关 Stripe 相关的数据。Suno 证实了此次黑客攻击事件,该事件发生在 2025 年 11 月,但坚称事件已迅速得到控制,并未涉及敏感的个人数据,且泄露的代码是过时的。然而,该公司至今未提供任何技术报告,使得外界无法独立验证这些说法。
法律大战与争议新篇章
此次泄露事件正值 Suno 与各大音乐唱片公司激烈法律纠纷之际。环球音乐集团和索尼音乐娱乐已要求在对 Suno 的诉讼中增加超过 61,000 条录音,他们认为这些录音在未经许可的情况下被用于训练。唱片公司声称,Suno 违反了 DMCA,通过使用 YT-DLP 等工具绕过了 YouTube 的技术保护措施。泄露的代码展示了音频下载过程以及代理的使用,可能成为这场纠纷中的有力证据,尽管其本身并不能证明绕过了加密措施。
我的分析: 这起事件不仅仅是一次普通的泄露。它直接表明,许多 AI 公司在数据争夺战中已经跨越了所有想象和无法想象的界限。Suno 一边试图通过与华纳音乐的合作使其行为合法化,一边却在窃取竞争对手和独立艺术家的内容。此案的判决结果可能会开创一个先例,永远改变整个生成式 AI 行业的游戏规则。