你有没有想过,我们头顶的星空,可能只是一场宏大葬礼的余烬?那些我们看不见、摸不着,却占据宇宙质量85%的“暗物质”,也许根本不是某种神秘的未知粒子,而是上古宇宙的“亡灵”——在上一轮宇宙死亡中幸存下来的黑洞。
这不是科幻小说的情节,而是一群严肃物理学家正在认真探讨的假说。近日,一项发表在《物理评论D》上的研究提出,暗物质可能由“遗迹黑洞”构成。这些黑洞并非诞生于恒星坍缩,而是在宇宙大爆炸后的极早期,由超高密度的时空波动直接形成。更颠覆的是,它们可能已经历过一次宇宙的终结与重生。
**一、暗物质猎人的百年困局**
自1933年天文学家兹威基发现星系团“质量缺失”以来,暗物质就像物理学界的一根刺。我们知道它存在——没有它,星系会飞散,宇宙结构无法形成。但我们就是找不到它。
数十年来,物理学家建造了世界上最灵敏的探测器:意大利格兰萨索地下实验室的XENON1T,中国锦屏山的PandaX,美国南达科他州的LUX……这些庞然大物深埋地下,只为捕捉暗物质粒子与普通物质碰撞的瞬间信号。结果呢?一无所获。
理论上最受欢迎的候选者——弱相互作用大质量粒子(WIMPs),在越来越强的实验限制下,已经退到越来越狭窄的参数空间。另一个热门候选“轴子”,同样没有确凿证据。暗物质粒子模型,正在经历一场信心危机。
**二、一个大胆的回归:原始黑洞**
当粒子物理学家陷入困境时,一些宇宙学家开始回归一个古老的构想:原始黑洞。
所谓原始黑洞,并非由恒星死亡形成,而是在宇宙诞生后的第一个万亿分之一秒内,由极端密度涨落直接坍缩而成。它们大小不一,小的可能只有原子核那么大,质量却相当于一座山;大的可达恒星量级。
这个想法并不新鲜,上世纪70年代霍金就曾提出过。但过去它一直被边缘化,因为观测证据不足。然而,近年LIGO引力波探测器发现的一系列中等质量黑洞,为原始黑洞假说注入了新活力。这些黑洞的质量范围,恰恰是常规恒星演化理论无法解释的。
**三、最颠覆的部分:宇宙轮回中的幸存者**
这篇新论文的突破性在于,它提出这些暗物质黑洞可能来自“之前”的宇宙。
研究团队基于共形循环宇宙学模型。在这个框架下,宇宙并非始于一次性的奇点,而是经历着无穷无尽的膨胀、收缩、再膨胀的循环。每一次“大爆炸”,实际是上一次宇宙坍缩的延续。
关键机制是:在上一轮宇宙末期,大量黑洞形成。当宇宙收缩到极致、重新爆发时,黑洞会怎样?研究认为,黑洞作为时空结构中最稳固的物体,能够跨越宇宙轮回的边界。它们不会被大爆炸的极端温度摧毁,反而会幸存下来,成为新宇宙的“化石”。
这些来自前世的黑洞,由于质量分布极其广泛,恰好能解释暗物质在不同尺度上的引力行为。在星系尺度,它们提供额外引力;在宇宙大尺度结构上,它们又不会过度聚集,与观测吻合。
**四、科学界的反应:兴奋与审慎**
这个假说确实迷人。它用一个简洁的机制,同时解决两个重大谜题:暗物质是什么,以及大爆炸之前发生了什么。如果成立,我们每个人身体里,可能都飘荡着来自远古宇宙的“幽灵黑洞”。
但我们必须保持清醒。目前,这还只是一个数学上自洽的假说,缺乏直接观测证据。最大的挑战在于:如何验证?原始黑洞如果构成暗物质,它们应该会偶尔吞噬中子星或恒星,产生可探测的引力波信号。未来LISA空间引力波天文台的观测数据,或许能给出答案。
另一个问题:如果暗物质全是原始黑洞,那么早期宇宙中黑洞的合并事件应该非常频繁,产生的引力波背景噪声会与现有观测冲突。研究团队承认,需要进一步精细调节模型参数。
**五、范式转换的前夜?**
科学史告诉我们,每当主流理论陷入僵局,往往意味着重大突破即将到来。暗物质问题,正处于这样一个十字路口。
粒子暗物质模型虽然优雅,但几十年实验无果,让越来越多人开始怀疑:我们是不是找错了方向?如果暗物质根本不是粒子,而是宏观的天体呢?原始黑洞假说,正是这种“范式转换”的代表。
当然,这并不意味着WIMPs已被排除。物理学需要证据,而非故事。但这个“宇宙亡灵”假说提醒我们:面对宇宙最深层的奥秘,人类的想象力可能比我们以为的更加局限。我们以为暗物质是某种异域粒子,它却可能是宇宙轮回的见证者。
下一次当你仰望星空,不妨想一想:那些看不见的暗物质,会不会是上一轮宇宙的“骨灰”?而我们这个欣欣向荣的宇宙,不过是建立在前世废墟上的新家园。
**你认为暗物质最可能是什么?是尚未发现的粒子,还是这些“宇宙亡灵”黑洞?欢迎在评论区分享你的看法。如果这个颠覆性的假说被证实,人类对宇宙的认知将迎来怎样的革命?我们期待你的真知灼见。**
CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”
一个评分高达9.9的漏洞,足以让全球运维和安全团队彻夜难眠。这一次,轮到了GitLab。
2026年,当AI能力已经成为DevOps工具链的标配,GitLab的AI网关却被曝出CVE-2026-90970这一严重缺陷。CVSS评分9.9,距离满分仅差0.1——在安全领域,这意味着”接近理论极限的严重性”。攻击者无需复杂条件,即可通过AI网关这一看似”智能”的入口,撬开整个代码仓库的大门。
问题的本质,远比一个补丁复杂得多。
**AI网关:DevOps的”新边疆”,也是”新软肋”**
GitLab AI网关是什么?简而言之,它是GitLab将大模型能力嵌入研发流程的”神经中枢”。代码补全、智能审查、自动生成提交信息、漏洞建议修复——这些让开发者拍手叫好的功能,都依赖AI网关在后台调度模型、处理请求、返回结果。
但问题恰恰出在这里。为了完成”智能”任务,AI网关必须拥有极高的权限:读取代码内容、访问项目元数据、调用内部API、甚至代表用户执行操作。它就像一把万能钥匙,被挂在了GitLab这栋大楼最显眼的门把手上。
CVE-2026-90970的致命之处在于:攻击者可以通过精心构造的请求,绕过AI网关的权限校验机制,直接以高权限身份读取私有仓库代码、窃取CI/CD密钥、甚至注入恶意代码到流水线中。CVSS 9.9的评分,意味着利用门槛极低、影响范围极广、后果极其严重。
**为什么AI组件的漏洞总是”特别致命”?**
这不是GitLab第一次因AI组件登上安全头条,也不会是最后一次。从2024年到2026年,全球主流DevOps平台——GitHub、GitLab、Jenkins、Azure DevOps——无一例外地在AI集成模块上栽过跟头。
根本原因有三。
第一,AI组件的”权限膨胀”是结构性的。传统API网关的权限边界清晰,一个查询接口只能查数据,一个写入接口只能写数据。但AI网关不同:它需要”理解”上下文,就必须访问上下文;它需要”生成”建议,就必须拥有建议所涉及的资源权限。这种”为了智能而让渡权限”的设计范式,天然埋下了越权隐患。
第二,AI组件的输入面极其宽广。自然语言、代码片段、文件路径、模型参数——任何一个输入点都可能成为注入攻击的入口。攻击者不需要找到传统的SQL注入或缓冲区溢出,只需要在提示词中嵌入恶意指令,就可能让AI网关”心甘情愿”地交出敏感数据。
第三,安全测试跟不上AI迭代的速度。传统安全工具擅长扫描已知模式的漏洞,但AI网关的行为逻辑是概率性的、上下文相关的。同一个请求,在不同项目、不同模型版本、不同上下文下,可能产生完全不同的结果。这让自动化安全测试几乎束手无策。
**从CVE-2026-90970看DevOps安全的范式转移**
这个漏洞的真正价值,不在于它本身有多严重,而在于它揭示了一个不可逆转的趋势:DevOps平台的安全边界,正在从”代码”转移到”AI”。
过去,我们保护代码仓库,核心是管好Git协议、SSH密钥、访问令牌。后来,我们保护CI/CD,核心是管好流水线权限、环境变量、制品仓库。现在,我们保护AI网关,核心是什么?是提示词过滤?是模型输出审查?是权限最小化?还是行为审计?
答案可能是:以上全部,但远远不够。
真正需要的,是一种”零信任AI”的架构思维。具体而言:
其一,AI网关必须运行在独立的、隔离的权限域中。它不应该直接持有用户的长期凭证,而应该通过短期令牌、动态授权的方式,在每次请求时重新校验权限。
其二,所有AI网关的输入输出必须经过严格的内容安全策略。不是简单的关键词过滤,而是基于语义的意图识别——判断这个请求是否在试图诱导AI执行越权操作。
其三,AI网关的行为必须可审计、可回滚。每一次代码读取、每一次API调用、每一次模型推理,都要留下不可篡改的日志。一旦发现异常,能够快速定位、快速阻断、快速恢复。
其四,也是最根本的:不要把AI网关当作”更聪明的API”,而要把它当作”拥有超级权限的新用户”。对待新用户,我们从来不会一上来就给root权限。
**修复之外:每个团队都应该问自己的三个问题**
GitLab已经发布了补丁,升级到最新版本即可修复CVE-2026-90970。但补丁只能解决这一个漏洞,解决不了系统性的风险。
每一个使用AI增强型DevOps平台的团队,都应该立即问自己三个问题:
第一,我们的AI网关拥有哪些权限?这些权限是否经过了严格的必要性审查?是否存在”为了省事”而授予的过度权限?
第二,如果AI网关被攻破,攻击者能接触到什么?是只有公开代码,还是包括私有仓库、生产密钥、客户数据?最坏情况下的影响范围有多大?
第三,我们有没有能力检测和响应AI网关的异常行为?当AI网关在凌晨三点突然大量读取私有仓库时,有没有告警?有没有阻断?有没有溯源?
这三个问题,比任何补丁都更重要。
**结语:AI越智能,安全越不能”偷懒”**
CVE-2026-90970是一个警钟,但它不是第一个,也不会是最后一个。当我们将越来越多的权限交给AI,我们就必须用更严苛的标准去审视AI的每一个接口、每一次调用、每一行代码。
安全从来不是AI的对立面,而是AI能够被信任的前提。一个CVSS 9.9的漏洞,足以让整个行业重新思考:我们到底应该给AI多少信任,以及,我们准备好为这份信任付出多少安全成本了吗?
你的团队,是否已经检查了GitLab AI网关的权限配置?欢迎在评论区分享你的安全实践或困惑。如果觉得这篇文章有价值,请点个”在看”,让更多运维和安全同行看到。





