Suno源代码遭泄露:黑客曝光其大规模抓取音乐数据训练AI模型

生成式AI音乐平台Suno最近摊上大事了——内部源代码和训练数据采集信息被曝光，直接揭开了其AI模型训练背后的大规模数据抓取行为。泄露的文件显示，Suno通过自动化程序从YouTube Music、Deezer、Genius等平台大量抓取音乐、歌词和音频素材，用于模型训练。

事情发生在2025年末，一名黑客“ellie.191”通过供应链攻击拿到了Suno员工的凭证，随后顺藤摸瓜窃取了公司内部文件。其中有一个文件夹特别引人注目：里面包含了超过200万个YouTube视频片段。此外，泄露数据还显示，Suno的爬虫系统从Genius获取了超过1.7万小时的歌词数据，从Deezer扒下了超过1.2万小时的歌曲内容，从Pond5更是拿走了超过6.2万小时的素材音频。代码里还设计了筛选机制，专门用来排除非音乐文件，确保训练数据的质量。

这次泄露很可能让Suno原本就紧张的版权诉讼雪上加霜。美国唱片工业协会（RIAA）早就代表环球音乐、索尼音乐和华纳音乐等唱片公司起诉了Suno，指控其未经授权使用受版权保护的音乐来训练AI模型。Suno之前的辩护策略主要依赖“合理使用”原则，认为公开网络数据可以用来训练AI。但泄露代码中清楚展示的数据抓取流程，很可能成为版权方手里新的重磅证据。

除了源代码，黑客还拿到了一部分用户数据库信息，包括电子邮件、电话号码，以及通过Stripe处理的部分信用卡元数据。Suno方面回应说，这属于“有限安全事件”，涉及的是部分过时代码，而且没有泄露完整的信用卡号码，所以没有主动通知用户。

当AI公司训练数据的来源越来越成为行业监管的焦点时，Suno事件再次凸显了生成式AI发展过程中，数据获取合规、版权授权和用户隐私保护之间那根紧绷的弦。