苹果公司在其开发者官网发布博文称，将在 macOS 系统中为「全盘访问」（Full Disk Access）权限引入额外的控制措施。该决定源于一个日益突出的问题：越来越多的人工智能智能体（AI agent）在运行时向用户的 Mac 索取「全盘访问」权限。

「全盘访问」原本的设计用途，是允许备份类应用正常读取 Mac 上的文件。苹果在博文中指出，这一权限会绕开系统为保护用户隐私数据而设置的一系列管控机制。部分开发者正以可能危及用户安全的方式使用该权限，在用户未充分知情的情况下， exposing 其设备上的文件、邮件、信息乃至浏览记录。

苹果的具体表态

苹果在开发者官网的声明中写道：「我们为开发者提供强大的 API，让他们为苹果产品打造出色的能力，同时配套了一套用于保护用户私人数据的管控机制。全盘访问在很大程度上绕过了这些机制，以便备份类应用能在 Mac 上正常运行。一些开发者正在以可能危及用户安全的方式使用全盘访问，在用户未充分知情和理解的情况下，将其系统上的所有内容——包括文件、邮件、信息，甚至浏览历史——暴露出去。对于通讯类应用，这还可能危及用户所沟通对象的隐私。」

作为应对，苹果表示将「引入额外的控制措施，确保那些真正希望授予应用这种极高权限的用户，只能通过非常明确的主动操作才能完成授权」。

AI 智能体是主要推动因素

苹果在声明中并未披露这些措施的具体形态，但明确指出，随着「能力越来越强、自主性越来越高」的 AI 智能体出现，与此级别访问权限相关的风险将大幅增加，因此必须更加关注隐私与安全。

声明称：「展望未来，我们将引入额外的控制措施，确保真正希望授予应用这种极高权限的用户，只能通过非常明确的主动操作来完成。解决这一问题至关重要。随着 AI 智能体变得愈发强大和自主，这类访问权限所带来的风险也将显著增长。我们致力于确保用户在授予访问权限之前，能够清楚地了解这些风险，从而对自己的数据和隐私做出明智决定。」

苹果此次表态的背景，是 Meta Muse、OpenAI 的 Dots 等「始终在线」型 AI 智能体的流行。这类应用会向用户索取对其个人数据的广泛访问权限，其中 Meta Muse 此前已经出现过一些引发担忧的案例。

尚待明确的细节

截至目前，苹果尚未公布上述控制措施的具体方案与上线时间。外界普遍预期，相关改动将围绕更严格的授权确认流程展开，以降低用户在不经意间向第三方应用交出整机数据访问权的风险。该消息由 9to5Mac 于 2026 年 10 月 2 日报道，原始声明载于苹果开发者官网（developer.apple.com/news/?id=p6zjojqw）。

苹果开发者网站 10 月 2 日发布公告，宣布将升级 macOS 27 等系统的隐私管控，要求用户通过更明确的操作，才能把”完全磁盘访问权限”授予应用。苹果未公布新管控的具体形式、上线时间或适用范围，但明确点出了调整动因：随着 AI 智能体愈发强大且自主，这一高级别权限的潜在风险正在显著上升。

“完全磁盘访问”是什么

“完全磁盘访问权限”原本用于支持备份类应用在 Mac 上正常运行。备份软件需要看到整块磁盘，而非单一文件夹，因此系统为其留了这道口子。但代价是，该权限在很大程度上绕过了系统为保护用户数据而设的一系列常规控制，风险高于普通应用权限。

苹果在公告中承认，部分开发者正以可能危及用户安全的方式使用这项权限。一旦获得授权，应用可访问系统中的文件、邮件、信息，甚至浏览历史；对通讯类应用而言，这种做法还会牵连到与用户往来对象的隐私。

为什么现在收紧

苹果没有给出时间表，也没有说明实现方式，只交代了方向与理由：确保真正希望授予应用这一超常规访问权限的用户，只能通过”非常明确的用户操作”完成授权。换言之，过去那种顺手勾选、一路确认就能拿到的路径，后续可能需要更多步骤或更醒目的确认。

真正的变量是 AI 智能体。苹果在公告中直接把收紧动因挂在了智能体能力的增长曲线上——当软件能够自主决定下一步做什么，权限边界就成了比模型能力更现实的问题。苹果在开发者文档中亦指出，具备自主能力的 AI 智能体可能遭遇间接提示注入（indirect prompt injection），从而在用户不知情的情况下执行数据外泄、删除文件等操作；防御这类注入仍是活跃的研究方向。因此，确定性的安全边界变得更重要：敏感操作不应只依赖模型正确识别每一条恶意指令。

对开发与用户的影响

对开发者而言，苹果的方向是让应用的能力，与某个智能体在特定任务中真正需要的资源相分离。以 macOS 27 上的 Xcode 为例，苹果描述了一种安全思路：编码智能体等子进程尝试读写文件时，会先对照策略进行评估，超出策略范围再向用户请求批准。这意味着，即便外层应用拥有较宽权限，单个智能体或子进程仍可被限制在具体资源内。

对用户而言，把宽泛权限授予具备自主行动能力的软件，后果比以往更重。关键不再只是”是否信任这款应用”，还要考虑它能用拿到的信息做什么。目前该权限并未被取消，用户仍完全掌控是否授予；只是默认状态会变得更保守。

苹果于 10 月 2 日通过开发者网站发布博客文章，宣布将对 macOS 中的”完全磁盘访问”（Full Disk Access）权限引入额外的控制措施。这一调整的直接背景，是能够自主操作电脑的 AI 智能体越来越普及，原本为备份类软件设计的权限正在被以新的方式使用。

权限本意与滥用风险

苹果在文中解释，”完全磁盘访问”权限原本是为了让备份类应用能够正常运行。然而，部分开发者正在以可能危及用户的方式使用这一设置。一旦授予，应用可以访问系统上的全部内容，包括文件、邮件、信息乃至浏览历史，而用户往往并没有充分理解这项权限究竟意味着什么。对于通讯类应用，这种做法还会牵连到与用户往来对象的隐私。

苹果强调，公司提供给开发者强大的 API 来构建能力，但同时配备了一套旨在保护用户私有数据的控制机制；而”完全磁盘访问”在很大程度上绕过了这些控制，因此存在被误用的空间。

新管控：授权必须”非常明确”

作为回应，苹果表示将”引入额外的控制措施，确保真正希望授予应用这一超常规级别访问权限的用户，只能通过非常明确的用户操作完成”。公司并未披露这些控制措施的具体形态与推出时间，但明确指出，AI 智能体变得”越来越强、越来越自主”，与这一访问级别相关的风险将大幅上升，因此必须让用户在授权前清楚了解风险，以便就自己的数据与隐私作出知情决定。

导火索：常驻 AI 智能体的隐私争议

此次说明出现在桌面端 AI 智能体引发隐私争议的背景下。Meta Muse 与 OpenAI Dots 等”常驻型”AI 智能体会请求大量个人数据访问权限，其中 Meta Muse 已出现多起争议。有记者曾声称 Muse 能够在未获明确授权的情况下读取其私人信息；Meta 随后否认，称 Mac 版 Muse 的 Messages 功能完全采取主动选择加入机制，用户必须同时开启”完全磁盘访问”和 Messages 连接器才能读取相关内容，且即便应用存在漏洞也无法绕过系统保护。此外，近期也曾出现涉及 Mac 版 ChatGPT 的安全漏洞报道。

操作系统安全模型的重新评估

这并不是苹果第一次针对 AI 智能体重新设计安全机制。在今年度的全球开发者大会上，苹果已经展示了面向 Xcode 与 AI 编码智能体的新安全架构，允许智能体在更受限制的环境中访问项目文件，并在需要用户授权时由系统明确提出请求。此次收紧”完全磁盘访问”，反映出苹果正从操作系统层面重新评估 AI 智能体带来的新风险——核心目标并非阻止用户向 AI 应用授予广泛权限，而是确保真正需要这类权限的用户能够充分理解自己正在承担的数据隐私风险。

它防范的是哪类诈骗

这类骗局属于”主动型社会工程学攻击”：攻击者会伪装成银行、政府机构，或者用户信任的人，通过短信、邮件或电话施加压力，诱导受害者转账或修改账户信息。传统的双重认证等手段难以识别这类骗局——因为操作本身正是受害者在被欺骗或施压之下亲自完成的。

工作原理

“伪装风险检测”会分析设备与 Apple 账户的相关信息，据此判断是否存在正在进行的诈骗迹象，并向调用它的 App 返回一个风险等级。关键的一点是，App 只能收到风险等级，而无法获取用于生成该等级的底層信息。拿到结果后，由 App 决定下一步动作，例如要求用户进行额外身份验证、增加操作延迟，或弹出防诈骗警告。

风险等级分为三档：
– Unknown（未知）：未检测到可疑活动；
– Medium（中等）：检测到部分可疑迹象；
– High（高危）：检测到显著的可疑迹象。

当 App 获得风险等级后，可据此要求用户补充身份验证，或显示与诈骗相关的提示。苹果将其与名为”Trust Insights”的机制结合使用。

如何开启

在升级到 iOS 27 之后，进入「设置 → 隐私与安全性 → 伪装风险检测」，打开”与 App 开发者共享”（Share with App Developers）开关即可启用。

需要注意的是，该功能仅在受支持的 App 中生效，苹果目前尚未公布完整的支持列表。对于习惯通过短信、来电处理财务事务的用户，开启此项能在遭遇冒充类诈骗时多一道实时防线。

2026年9月1日前后，一个名为 Nexus 的暗网身份盗窃服务开始在俄语网络犯罪论坛 Exploit 上兜售可检索的海量身份证件数据。据网络安全记者 Brian Krebs（KrebsOnSecurity）的独家调查，该服务声称掌握北美超过1.7亿人的身份记录，其中包括1.53亿余份美国与加拿大驾照的电子扫描件、逾1000万张州级身份证、300多万份旅行证件及国际身份证，以及至少57.9万张医疗卡。

美国联邦调查局介入

美国联邦调查局（FBI）新奥尔良外勤办公室已于9月1日就此事正式立案调查。线索来自 Krebs 本人：8月31日，一名消息人士提示他在 Exploit 论坛上出现了一个新卖家，对方将其弗吉尼亚州驾照作为「免费样品」公开展示以招揽买家。Krebs 随后在数据库中检索到自己亲友共9人的证件，时间戳均与各自近期出示驾照的场景吻合。

溯源指向身份核验服务商

通过比对泄露文件中嵌入的时间戳与成像数据，调查将源头指向位于新奥尔良的身份核验服务商 IDScan.net。该公司的扫描终端遍布赫兹（Hertz）租车柜台、大麻药房、酒店、赌场及快递网点，自称每月在全球2万余个地点完成逾2100万次核验，客户名单包括赫兹、塔吉特（Target）、联邦快递（FedEx）、凯撒娱乐、摩托罗拉解决方案及金融服务商 Jack Henry 等。

为何风险更高

与多数数据泄露不同，此次泄露的每张记录包含6张图像：驾照正反面的可见光、红外与紫外光扫描。这正是银行、政府机构与边境系统用于鉴别证件真伪的多光谱手段——被盗的红外与紫外图像可能直接绕过原本用于阻挡伪造件的认证机制。调查显示，数据库规模曾在24小时内增长近40万条，表明攻击者可能仍保有对源系统的实时访问权限。

暴露的系统性隐患

在 Krebs 报道发布后不久，Nexus 服务随即下线。该事件若经确认，将成为北美史上规模最大的政府签发身份证件图像泄露之一。它揭示出一个结构性风险：越来越多的第三方身份核验系统将敏感证件影像分散存储在持卡人无从评估其安全状况的服务商网络中，而相应的监管与监督机制明显滞后。

能做什么

启用插件后，用户可以让 ChatGPT 在 Mac 本地检索过往聊天，例如找出某段对话里的关键信息、总结对方近期说过的内容，或基于对话上下文代拟回复。OpenAI 给出的示例包括：对照日历为下周聚餐建议空闲时段、从昨日消息中提炼待跟进事项、把消息里出现的生日加入日历，以及标记疑似垃圾信息的对话。

该插件覆盖所有 ChatGPT 套餐，在 macOS 桌面端的 ChatGPT Work 与 Codex 中均可使用。不过目前它只在搭载 Apple 芯片的 Mac 上运行，Intel 机型暂不支持。

发送需要你点头

读取对话只是一方面，让人工智能代为发送消息则触及更敏感的隐私与控制边界。OpenAI 强调，在默认设置下，ChatGPT 发送任何消息前都必须获得用户确认，确认对象包括消息正文与收件人。用户可以选择”本次允许”，也可以对某个对话开启”始终允许发送”。

官方明确提醒，不要轻易授予长期发送权限：一旦开启，便失去了消息发出前的最后一次人工复核机会；而消息串本身属于不可信输入，长期授权还存在提示词注入的风险。

本地运行与权限

插件在 Mac 本地运行，依靠 AppleScript 与系统辅助功能来对接”信息”应用，并不会通过 Messages 反向远程操控 ChatGPT，也不在普通 ChatGPT 对话窗口中生效。首次使用需在系统设置中授予”完全磁盘访问”权限，并提供通讯录与自动化相关授权。OpenAI 表示插件不会为所有聊天建立可搜索索引。

同批其他更新

此次更新还包含多项改进：固定对话可在 Mac 桌面端与 iOS 之间同步；Codex 支持分享本地对话的只读快照；站点（Sites）协作与网址管理也有所增强。此前推出的 Computer History（电脑使用历史）功能，正扩展至欧洲经济区、瑞士与英国市场的 Pro、Business 和 Enterprise 用户，该可选功能依赖记忆（Memories），默认关闭。

将人工智能接入私人消息，显然比用 ChatGPT 写邮件或总结文档更值得警惕。消息中可能包含电话号码、照片、住址与财务信息等敏感内容，因此在授予权限时应审慎，并在不再需要时及时撤回访问。

Flock：无处不在的路边摄像头

Flock Systems成立于2017年，总部位于美国德克萨斯州休斯顿。该公司在全球范围内部署了超过300万块智能摄像头面板，主要安装在停车场、便利店、加油站等公共场所。这些摄像头通过自动车牌识别（ANPR）技术，可以记录车辆牌照号码、经过时间、位置等数据，被全美数百个执法机构采用。

根据公开数据，Flock的系统已经累计处理了超过450亿次车牌扫描记录，数据覆盖范围遍及美国主要城市，包括纽约、洛杉矶、芝加哥、休斯顿等。其合作伙伴包括美国联邦调查局、国土安全部以及各州和地方执法部门。

从”认车”到”认人”的技术跨越

传统的Flock系统依赖于车牌识别。也就是说，它只能知道”什么车去了哪里”，而无法直接告诉你”谁去了哪里”。要锁定具体人员，执法部门通常需要结合其他信息来源进行交叉比对。

而Flock新推出的AI工具打破了这一局限。根据《连线》杂志获取的源代码和测试结果，这项新技术可以分析驾驶员的行为模式，包括行驶路线偏好、出行时间规律、常去地点等维度。通过机器学习算法，系统能够识别”谁经常去哪里”，而不再仅仅依赖车牌数据。

具体来说，该工具能够追踪并关联以下行为特征：

· 特定驾驶者的行驶路线和出行规律
· 车辆在不同地点之间的移动模式
· 驾驶行为的时空关联性分析
· 基于行为相似度的目标匹配

这意味着，即使执法人员无法获取目标车辆的车牌信息，系统依然可以通过行为画像来追踪和识别目标对象。

隐私倡导者发出警告

面对这项新技术的推出，隐私保护组织和公民自由联盟表达了强烈担忧。

电子前哨基金会（EFF）等隐私倡导组织指出，这种基于行为模式的追踪能力远远超出了公众对于监控系统的预期。传统的车牌识别系统记录的是车辆的行踪，而新的AI工具可以直接关联到个人的生活模式——包括就医记录、宗教场所到访、政治集会参与等敏感信息。

美国公民自由联盟（ACLU）的研究人员表示：”当监控技术从’追踪车辆’进化到’追踪人’时，这意味着每个普通公民的日常活动都可能被持续记录和建模。这种规模的持续性行为监控，在现代法治社会中引发了严重的宪法第四修正案问题。”

Flock的回应与使用限制

针对隐私担忧，Flock公司强调新工具仅限于刑事调查使用，并设置了多层访问控制。公司表示，执法部门必须提供合理的调查理由才能使用AI人员追踪功能，所有查询操作均有日志记录可供审计。

Flock在其官方网站的说明中指出：”该工具的设计目标是协助执法部门在紧急情况下快速定位嫌疑人，例如在绑架案件、失踪人口搜索等需要争分夺秒的场景中发挥关键作用。”

全球AI监控趋势下的反思

Flock的新技术并非孤立事件。近年来，全球各地的安防监控技术都在快速演进。从人脸识别到行为分析，从车牌识别到无人机监控，技术能力不断提升的同时，隐私保护的法律框架却没有跟上。

在中国，智慧城市建设也大量采用了类似的智能监控技术。中国的安防监控系统覆盖了从城市街道到社区门禁的多个场景，通过人工智能技术提升了社会治安管理效率。不过，中国对于公共视频监控的数据使用有着明确的法律法规约束，包括《个人信息保护法》和《数据安全法》等。

相比之下，美国的监控技术监管体系相对松散，各州和地方的法律规定差异很大。Flock的AI工具在哪些州可以合法使用、使用范围有多大，目前缺乏统一的标准。

结语

Flock推出的AI人员追踪工具代表了安防技术的又一次飞跃。从”认车牌”到”认行为”，技术边界的拓展带来了前所未有的监控能力，也引发了关于隐私权与公共安全平衡的深层思考。

在人工智能技术快速迭代的时代，如何确保这些强大的工具在合法、合理、透明的框架下使用，不仅是执法部门需要面对的问题，也是整个社会需要共同讨论的课题。

AI 能从画面里读出位置

杀毒软件厂商 McAfee 的研究表明，常见的 AI 视觉模型仅凭照片本身的画面，就能以超过九成的准确率判断拍摄地点，无需任何定位标签或元数据。研究团队用两款公开、免费可得的 AI 视觉模型测试了超过 2.1 万张旅行照片：其中一款（阿里通义千问团队的开源模型 Qwen3 VL 30B）准确识别出 91% 的照片所在城市与国家，另一款（Google DeepMind 的 Gemma3 27B）也达到 87%。

值得注意的是，研究人员是在本地电脑上运行这些模型，而非调用云端服务，这更接近攻击者规模化作案的方式。结论很清楚：计算机并不需要照片带定位标签或嵌入元数据，就能判断拍摄地。

骗子如何借题发挥

设想一个场景：有人在波尔图度假，只在 Instagram 或 Facebook 上发了几张家人照片，背景里只有杜罗河的一小段，看起来在哪拍都行。几天后，一条短信找上门：「我们监测到您在波尔图旅行期间出现可疑交易，请立即验证。」收信人从没在社交平台提过这趟行程，只发了些模糊的照片，本不该起疑。

可这条诈骗短信之所以显得可信，正是因为它说中了你在哪。罪犯并没有提前知道行程，而是用 AI 分析了照片里最不起眼的线索——背景、建筑、招牌、光线——从而锁定了位置。McAfee 欧洲、中东与非洲区负责人 Vonny Gamot 表示，AI 的作用是提供「语境」，让诈骗与威胁显得可信。

照片里若有地标、天际线、招牌或道路标线，AI 判断会格外准确；就连食物摊和店面也能迅速定位。即便只是一张海滩或酒店房间的照片，精度会下降，但国家一级的识别通常仍然可靠——而这已足够骗子所用。在内部测试中，员工用 ChatGPT 辨认一张前景有树的小河照片，被准确指向纽约州的 Hastings-on-Hudson；一张郁金香花丛则被认出是荷兰的库肯霍夫花园（Keukenhof）。

如何防范

骗子拿到位置后，会让钓鱼信息更有说服力：可能冒充银行称你在该地消费异常，或假装是某家酒店来电核对身份，或谎称监测到你在该国登录账户。防范要点很直接：晒图尽量等回家后再发，并把社交账号设为仅熟人可见；对任何带「立即处理」字样的紧急短信保持警惕；收到所谓银行或平台通知时，不要点开附带的链接，而是直接通过官网或银行卡背面的电话联系核实。

来源：The Guardian（2026 年 8 月 16 日）

Meta 正在 WhatsApp 上推出一个可选的 Scam Alert（防骗提醒）功能，用端侧机器学习来标记可疑消息。该功能目前以有限 beta 形式推送。当某条消息被模型判定为疑似诈骗时，用户会在聊天界面看到一条警告，而对话的另一方看不到这条提示。用户随后可以自行决定：屏蔽、举报，还是继续对话。

如果认为警告是误报，用户可以把该聊天标记为「可信」，警告随即移除且不再被标记；一旦标记可信，用户还可以选择把最近收到的 5 条消息分享给 WhatsApp，以帮助改进识别准确度。

## 为什么是 WhatsApp

WhatsApp 用户规模超过 30 亿，是汇款、杀猪盘等诈骗最活跃的区域之一。美国联邦贸易委员会（FTC）的数据显示，仅通过 WhatsApp 受骗的受害者，报案损失就达 4.25 亿美元；2025 年全年，社媒诈骗总损失超过 21 亿美元。今年早些时候，Meta 已经为 WhatsApp 的「设备绑定」请求上线了诈骗检测。

把识别模型放在手机端而非云端，意味着聊天内容本身不需要上传即可完成判断，这也是在隐私与防护之间取平衡的一种做法。对于普通用户来说，最实在的变化是：遇到可疑链接或陌生人的急切转账请求时，聊天框里会先弹出一个提醒，把决策权留给自己。

来源：The Verge（记者 Stevie Bonifield）

一、Vaultwarden：Bitwarden 用户的平替服务端

如果本来就使用 Bitwarden，Vaultwarden 是最顺滑的迁移路线。它是一款完全开源的社区版服务端，兼容官方 Bitwarden 各平台客户端，只需用 Vaultwarden 的账号登录即可。

1. 准备一台能常驻运行的设备，官方推荐树莓派即可，资源占用极低。
2. 用 Docker 部署：编写 docker-compose.yml，填入域名与 TLS 证书路径，启动 Vaultwarden 服务。
3. 浏览器访问部署好的 Web 保险库，按引导创建账号，设置主密码（强度会被实时评级，建议设为「强」）。
4. 在手机、电脑的 Bitwarden 客户端里，把服务器地址改成自己的域名，即可照常同步。

它保留了 Bitwarden 几乎全部功能，包括原本需要付费订阅的 TOTP 验证器、管理后台、硬件密钥二次验证和保险库健康报告，且同样使用 AES-256 加密。

二、KeePassXC：纯本地、跨平台

KeePassXC 是老牌 KeePass 的开源分支，在 Windows、macOS、Linux 上体验一致，移动端可通过 KeePassDX、KeePass2Android（安卓）或 Strongbox、KeePassium（iPhone）打开同一份文件。

1. 在电脑上安装 KeePassXC，新建一个 .kdbx 保险库文件，设好主密码。
2. 不想自建云存储，直接把 .kdbx 文件在设备间手动拷贝即可。
3. 想多端同步，可把文件放到自建的 Nextcloud，或用 Syncthing 这类点对点同步工具自动同步；追求省事也能丢进网盘，只是会削弱隐私初衷。

三、AliasVault：自带邮件别名的新玩家

AliasVault 仍处在公开测试阶段，但功能已经相当完整，同样用 Docker 部署，官方提供详尽的安装文档。

1. 通过 Docker 拉起 AliasVault 服务，按官方文档完成初始化。
2. 除密码与通行密钥外，它内置 2FA 验证器和真正的离线编辑能力，断网改完、联网即同步。
3. 它的独特卖点是内置邮件服务器，可生成带姓名、生日等信息的专属邮件别名，注册网站时不再暴露真实邮箱。
4. 支持指纹、面容等生物识别，可往保险库里存加密附件，并提供网页端、Chrome/Firefox/Edge/Safari 插件及 iOS、安卓原生 App。

注意事项：自托管意味着要自己负责备份、更新与暴露面安全，建议配合定期离线备份，并把服务放在内网或加一层反向代理与强密码保护。

来源：How-To Geek