Flock chce usunięcia mapy nadzoru z 335 701 kamerami

Flock złożył skargę o naruszenie znaku towarowego, żeby zmusić Joshui Michaela do zamknięcia Flock Surveillance Map. Serwis powstał po tym, jak Michael znalazł lukę w witrynie firmy, do której nie trzeba się było logować. Mapa wymienia 335 701 lokalizacji kamer. Pisze o tym Tom's Hardware.

Skarga to kolejny zwrot w sporze, który ciągnie się od listopada 2025 roku. Wtedy Michael miał znaleźć token dostępu wystawiony na stronie Flock bez żadnego logowania. Powiedział The Intercept, na który powołuje się Tom's Hardware, że od razu zgłosił problem firmie.

W mailu z 13 listopada 2025 roku napisał, że "wszystkie testy były ściśle nieinwazyjne, ograniczone do otwartych punktów końcowych bez uwierzytelniania, i nie polegały na omijaniu uwierzytelniania, modyfikowaniu danych ani wywoływaniu jakichkolwiek płatnych operacji ArcGIS czy Google". Flock odpowiedział dopiero po dwóch kolejnych próbach. Firma napisała, że "wewnętrznie analizuje" ustalenia i wróci z dalszymi krokami. Michael twierdzi, że ta odpowiedź nigdy nie przyszła.

Co badacz zrobił z danymi

Michael użył tokenu, żeby odpytać ArcGIS, warstwę mapową innego dostawcy, na której działa Flock, i w listopadzie 2025 roku wyciągnął bazę danych urządzeń Flock. Firma najwyraźniej załatała lukę w styczniu 2026 roku, już po tym, jak opublikował swoje ustalenia. Wtedy dane o lokalizacji urządzeń były jednak pobrane. Mapa, którą Tom's Hardware opisuje jako prawdopodobnie aktualizowaną w grudniu 2025 roku, wciąż jest online.

Oficjalne stanowisko firmy jest takie, że nigdy nie została zhakowana, informacje Flock nigdy nie wyciekły, a platforma chmurowa Flock Safety "nigdy nie doświadczyła naruszenia danych". Michael to podważa. Powiedział The Intercept, że oświadczenie pojawiło się "po tym, jak wyciągnąłem ich bazę danych urządzeń".

"To zostawia dwie możliwości" - powiedział. "Albo wiedzieli i postanowili nie ujawniać tego z obawy przed złą prasą, albo nie wiedzieli, że w ogóle wyeksportowałem dane. Pierwsze to porażka przejrzystości. Drugie to porażka wykrywania o konsekwencjach dla bezpieczeństwa narodowego".

"To zostawia dwie możliwości. Albo wiedzieli i postanowili nie ujawniać tego z obawy przed złą prasą, albo nie wiedzieli, że w ogóle wyeksportowałem dane."

Osobne doniesienia, na które powołuje się Tom's Hardware, już wcześniej podniosły wątpliwości wobec samego sprzętu. Hakerzy znaleźli klucze szyfrujące przechowywane bezpośrednio na kamerach Flock. Dzięki nim wyciągnęli ponad 27 000 klipów i ustalili, że system zarejestrował ponad 1 600 000 zdjęć w ciągu 21 dni. Zdarzały się też udokumentowane przypadki nadużyć. Policjanci śledzili przez sieć partnerów, a recenzent samochodowy spędził godzinę na parkingu sklepowym, bo ktoś błędnie wpisał raport policyjny.

Sama mapa pokazuje szerszą ekspozycję. Michael twierdzi, że ludzie mieszkający w promieniu 20 mil od 22 wrażliwych obiektów, wśród nich Eglin AFB, siedziby CIA i FBI, Joint Base Andrews oraz Pentagonu, mają od 57,22% do 93,94% szansy na przejście obok kamery Flock.

Poza tym w ocenie agentów

Ten sam tydzień przyniósł dwa bardzo różne kawałki badań nad bezpieczeństwem. 27 września The Decoder podał, że badacze ze Stanford i Caltech zbudowali HomeBody, system, który pozwala robotowi Unitree G1 poruszać się po nieznanej kuchni, sprzątać i wyjmować przedmioty z szuflad. Ten zestaw usuwa wytrenowaną warstwę sterowania między modelem a robotem. Wymienny model językowo-wizualny, w tym przypadku GPT-6 Astra, wywołuje bezpośrednio bibliotekę umiejętności chwytania, nawigacji i otwierania szuflad. Robot najpierw poznaje pomieszczenie, buduje cyfrowego bliźniaka w Nvidia Isaac Sim i zapisuje obiekty w pamięci przestrzennej, żeby znaleźć przedmioty, które znikną z jego pola widzenia. The Decoder wymienia opóźnienie Astry, przegrzewające się serwa palców i wysokie koszty obliczeń jako ograniczenia i zauważa, że kod jest na GitHubie. Wcześniejsze testy porównawcze, dodaje, pokazały lepsze rozumowanie przestrzenne Astry, a inne wskazały problemy z bezpieczeństwem, gdy model steruje robotem.

Tego samego dnia The Decoder podał też, że Boris Power, szef badań stosowanych w OpenAI, przeznacza 80 do 90 procent badań firmy na GPT 7, GPT 8 i kolejne, bo stamtąd pochodzi "większość wartości". Power opisał przyrostowe aktualizacje, takie jak GPT 5.1 do 5.2, jako celowo krótkoterminowe zakłady i powiedział, że wewnętrznie widzi się je jako "skrajnie krótkowzroczne". Przekonywał, że główny problem dzisiejszych asystentów to wdrożenie, a nie jakość modelu, bo większość użytkowników ChatGPT nie wie, co potrafią te narzędzia.

Wkład Meta to post o premierze, a nie test porównawczy. 25 września Meta AI Research opublikowała szczegóły Muse, osobistego agenta, którego używa wewnętrznie od początku 2026 roku. Post mówi, że oprogramowanie pośredniczące działa w izolowanej komórce, która nie widzi prawdziwych poświadczeń, że każda interakcja z zewnątrz przechodzi przez Sentinel, którego agent nie może obejść, oraz że usługi wrażliwe na bezpieczeństwo działają poza komórką wykonawczą, żeby atakujący nie mogli ich wyłączyć. Meta otworzyła też swój program nagród za błędy dla wszystkich, z nagrodami do 300 000 dolarów i do 130 000 dolarów za próby wstrzyknięcia promptu wpływające na jednego użytkownika.

Cztery te pozycje razem pokazują, gdzie obecnie idzie wysiłek w ocenie. We Flock test polega na tym, czy firma w ogóle potrafi wykryć eksfiltrację danych, a jej odpowiedź jest sporna. W pracy laboratoryjnej test polega na tym, czy model podłączony bezpośrednio do sprzętu albo wyposażony w powłokę i skrzynkę odbiorczą da się zmierzyć, zanim coś pójdzie nie tak.