大学悄悄在课桌下安装传感器后,学生们黑了这些设备,还写了个开源指南

简介: 10月初某个晚上,美国东北大学跨学科科学与工程综合大楼(ISEC)里正在进行某个“大工程”。根据隐私研究所博士生Maxvon von Hippel回忆,当天晚上,学校正在楼里的所有桌子下安装传感器。ISEC也是研究监控的“网络安全和隐私研究所”所在地。由于安装活动是在夜晚进行的,学生们对此并不知情。Von Hippel他们也只被告知,这是“课桌使用”研究课题的一部分。

但是当越来越多的学生知道这件事后,诉诸学校无果,于是他们决定自己动手把这些传感器拆掉,还写了相关开源指南。
究竟是怎么回事?快和文摘菌一起来看看~

模糊焦点,领导呼吁学生“相信学校”


其实在过去几年里,类似的监控在大学和日常生活的都有增无减。
东北大学的ISEC就是一个“兵家必争”的标志性建筑,因此学校尝试研究办公桌的使用情况,以便扩大或优化使用,这可能是有意义的。
Von Hippel就表示,“在大流行期间,计算机专业的学生也不怎么来办公室了,除了安全方面的考量外,写代码也不需要你真正待在办公室”,“如果你绕着这栋楼走一圈,你就会发现大部分教室都是空的;作为学校用于宣传的建筑之一,行政部门也十分困扰,他们需要吸引更多学生重新回到教室里来”。

但是,当这一事情被学生们知道后,纷纷表达了自己对传感器以及该行为的担忧。
高级副教务David Luzzi在一封电子邮件中写到,安装传感器“旨在量化目前在实验室外的写作区和计算研究办公桌分配的座位的使用情况”,目前学校已经部署了“Spaceti占用监测系统”,用于检测“办公桌是否被占用”。
Luzzi补充说,这些数据是匿名的,重要的是这些汇集起来的“主题”(theme),并非专注于个人在指定桌子上的时间,不用于评估,也不与学生主管共享。
在这封邮件之后,在ISEC举行了一次临时的倾听会。

听证会上,Luzzi呼吁研究生“相信学校”,并且坚称“不是什么科学实验”,以防止学生们向IRB寻求辩护。

根据Von Hippel回忆,Luzzi突然出现的时候,大部分人都还在工作,“我们有论文ddl和各种工作,他也没有提前告知”,同时整个过程中Luzzi表现得“很傲慢,无视我们的问题,并说这很有成效”。
他很高兴能与学生们一起沟通,为此寻找一个解决方案,这很荒谬,因为学生们唯一的要求就是拆掉传感器。Von Hippel写到。

从自发攻击到学校主动拆除


此后,事情就开始变得有点不可收拾起来。

专门研究监控和扭转危害的隐私研究所学生开始着手拆除这些传感器,他们攻击传感器,并制作了一个开源指南,以便更多学生能加入阵营。
即使学校方面声称这些设备是安全的,数据是加密的,但隐私研究所的学生了解到情况并非如此。“包括我在内的学生需要都需要在正式使用系统前深入探索到其缺点。这样我们能够更好地解释设备的不好之处,为什么它们不起作用”。

在黑掉这些设备后,学生给Luzzi和校长Joseph E. Aoun写了一封公开信,要求正式拆除这些传感器。“对经常揭露技术危险的研究人员部署桌面下的跟踪系统,在经常吹捧这些研究人员成就的大学里可以说是十分糟糕的。在最坏的情况下,这能引起对留住人才的关注,将会给东北大学带来严重的声誉问题”。

这之后举行了第二场听证会,Luzzi表示,安装这些设备不需要经过IRB批准,因为传感器“并不特别感应人类——而是感应任何热源”。
可以想见,在听证会后,更多的传感器被学生自行拆除,甚至被放入大楼大厅的一个“公共艺术作品”中,上面写着“NO!”

image.png情况急转直下后,Luzzi发送了一封电子邮件,安排了第三场会议。
在会上,Luzzi仍在试图平息学生们对这项研究的担忧,即这项研究具有侵略性,计划不周,成本高,而且可能不符合伦理。Luzzi说,他们向IRB提交了一份提案,但有教员透露IRB从未收到任何提案时,他随即承认这从未发生。
Luzzi还试图将这些担忧归咎于隐私研究所的特殊情况,因为相对于其他研究生而言,“你们的生活经历更以办公桌为中心”。

之后,Von Hippel在推特上记录了从秘密安装传感器到听证会的整个事件时间线。几个小时后,传感器被移除,Luzzi写了最后一封邮件,“鉴于一些研究生对在ISEC内收集办公桌使用数据的项目表示担忧,我们将从大楼内撤走所有传感器”。


反思:如何避免“低劣技术采用曲线”


在监视逐渐成为一个默认的当下,东北大学的抗争具有相当的意义。


Von Hippel看来,这次成功部分归功于计算机系工会成员已经饱和,所涉及的大量学生都没有加入工会;更普遍的是,大学的研究生并不在国家劳工局的官方工会之下。


不过尽管如此,每当大学提出苛刻的条件或不道德的要求时,研究生仍然有权利提出自己的诉求


Von Hippel表示,“研究生所掌握的最有力的工具就是罢工。从根本上说,大学就是靠研究生来运转的,教课也好,助教也好,研究生的数量是十分惊人的。如果班级里有数百名本科生,没有研究生来给作业打分,这些班级根本无法运转”。


“计算机科学系能够迅速组织起来,因为几乎每个人都是工会成员,都签了卡,而且都通过工会联网了。一旦发生类似的情况,我们可以通过工会渠道进行沟通。成员们会进行会面,当面谈论这个问题,提出了一套大家认可的解决方案,然后采取行动”。


关键就是要做到反应迅速,尤其是当越来越多系统因虚假或其他原因而采用传感器时。目前,在卡内基梅隆大学,以及公立学校系统传感器越来越频繁地被使用;同时在其他诸如军事化和监禁环境中,也能看到传感器的身影。


这些推广活动是CoryDoctrow所说“低劣技术采用曲线”(shitty technology adoption curve)的一部分。在这一曲线中,可怕的、不道德的技术被正常化和合理化,官方变换着不同的借口将其部署到日常生活中,从移民、囚犯、乞讨的人开始,逐渐向上扩展,到学生、承包商、未加入工会的工人。当这些技术到达那些关注和反对的声音最大、最容易被拒绝的人时,该技术早已被广泛使用。


但是也需要人情现实,不是每个研究生都愿意罢工,也不是每个研究生都有能力离开一个拒绝停止推出监控项目的项目


但是,诸如工会、罢工基金、通信基础设施这些集体行动机构在确实能够起到很好的助推作用。

相关文章
|
20天前
|
人工智能 缓存 前端开发
DeepSeek Harness 首发实测 + 入门教程,夯爆了!梁神我错了
DeepSeek Harness + DeepSeek V4 Pro 项目实战保姆级教程!手把手带你从零安装开源 AI 编程工具,开发架构图、知识讲解网站、3D 网页游戏、全栈 AI 应用 4 个项目,覆盖运行模式选择、插件安装与开发,看看能不能对标 Claude。
13222 89
DeepSeek Harness 首发实测 + 入门教程,夯爆了!梁神我错了
|
8天前
|
人工智能 自然语言处理 安全
阿里云千问办公、Qoder Teams、Qoder CN区别与选择指南:模型能力、适用场景与最新活动参考
本文聚焦阿里云2026年推出的三款自研AI办公产品,清晰拆解千问办公、Qoder Teams、Qoder CN的差异化定位与能力边界:千问办公主打职场全场景提效,支持自然语言指令一键完成PPT生成、数据分析等高频办公任务;Qoder Teams面向程序员团队,深度整合AI代码生成、团队协同与企业知识库能力;Qoder CN则专为金融、政务等强合规场景打造,实现数据不出境与VPC私有化部署。文章同步给出分场景选型指南与最新活动定价,帮助不同类型的企业按需组合产品,实现业务岗、研发岗与强合规场景的AI能力全覆盖。
阿里云千问办公、Qoder Teams、Qoder CN区别与选择指南:模型能力、适用场景与最新活动参考
|
3天前
|
缓存 人工智能 API
阿里云Qwen3.8‑Flash完整能力解析:模型特性、API调用实操与计费规则深度拆解
在AI应用快速落地的当下,开发者与企业选型大模型API,不再只单纯关注评测榜单分数,推理速度、上下文长度、多模态能力、工具调用稳定性以及实际调用成本,共同决定项目能否平稳上线。Qwen3.8‑Flash作为新一代多模态混合专家模型,主打高性能推理与低成本开销,面向编程开发、智能Agent工作流、超长文档解析、图文混合理解等高频场景,提供托管API服务,权重同时开放可供本地部署,兼容主流接口协议,能够无缝接入各类开发工具链。很多开发者在接入过程中,容易混淆普通按量Token计费、缓存计费、各类订阅计划之间的差异,造成实际账单超出预估。本文从模型底层架构、核心功能能力、适用场景、API调用实操、完
783 0
|
13天前
|
Web App开发 人工智能 API
16 个超火的 DeepSeek Harness 插件,大肥鱼已经落后 N 个版本了。。。
DeepSeek Harness 精选插件推荐合集,从图片识别、浏览器操控、多 Agent 协作到手机远程控制,一口气带你看完 DSH 社区热门的十几个插件,覆盖技能扩展、UI 界面增强、整活玩法三大类,让你的鲸鱼变得更强。
1782 4
|
14天前
|
人工智能 Java BI
【AI】DeepSeek Harness 安装、运行、管理插件
本文介绍了如何运行DeepSeek开源的Agent框架DeepSeek Harness(dsh)。主要内容包括:使用nvm安装适配的Node版本;通过代理加速克隆GitHub源码;使用pnpm安装依赖并启动项目;配置DeepSeek API Token;安装扩展功能的插件。该框架自带Web界面,支持模型适配、文件编辑等插件化功能
1959 1
|
人工智能 JavaScript 开发工具
DeepSeek Harness 本地安装与使用指南
DeepSeek Harness(DSH)是DeepSeek AI开源的Agent运行框架,支持本地文件操作、命令执行与工具调用。基于Cordis插件架构,具备高扩展性与强可控性,适合开发者搭建可控Agent环境或开展模型基准测试。当前为开发者预览版,需Node.js环境,推荐先用`npx @deepseek-ai/dsh web`快速体验。
5222 0
|
9天前
|
人工智能 Linux iOS开发
Ollama使用教程:Ollama官网下载、Ollama本地部署大模型(2026最新)
Ollama 是一款免费开源的本地大模型运行工具,支持在 Windows/macOS/Linux 上离线运行 Qwen、DeepSeek、Llama 等主流开源模型,数据不出本机、隐私安全。提供 OpenAI 兼容 API,命令行一键拉取/运行/管理模型,无需联网,无调用限制,是开发者与 AI 爱好者部署本地 AI 助手的理想选择。(239 字)
|
16天前
|
人工智能 JavaScript 测试技术
保姆级教程:DeepSeek Harness从安装到跑通测试,30分钟上手
DeepSeek Harness是DeepSeek开源的AI Agent运行时,主打“一行命令安装、5分钟跑通”。它让模型真正动手干活——读代码、跑测试、分析失败、生成修复方案。本文手把手教你30分钟从零上手,覆盖安装、配置、实测及避坑指南,助你快速掌握下一代AI编程范式。
|
6天前
|
人工智能 监控 测试技术
Qwen3.8-Flash 来了,100万上下文、Agent、Coding 都加强了
8月26日,通义千问发布Qwen3.8-Flash-Next:125B参数、每Token仅激活6B,原生支持26万Token、可扩展至100万上下文;Coding、Agent与工具调用能力显著增强,面向真实软件工程任务,推动大模型从“回答问题”迈向“完成工作”。