被罚11万元！跳槽员工忘关屏幕共享，向Nvidia展示窃取源码，遭前东家当场抓获...

最新推荐文章于 2024-08-12 15:05:21 发布
最新推荐文章于 2024-08-12 15:05:21 发布
阅读量90 收藏
点赞数 1
文章标签： 跳槽
原文链接：https://mp.weixin.qq.com/s?__biz=MzkxNjI3ODAwNw==&mid=2247569603&idx=1&sn=dd008df641aaa5858e082d66a7427c43&chksm=c151cf5bf626464d3ad0d2b2bfaea85a38ff58189a48480bd8af701e3e6258083ec4c4382460&scene=126&sessionid=0
版权

51314e9fd58a11ca58c1ef360cbd067a.gif

整理 | 郑丽媛

出品 | CSDN（ID：CSDNnews）

你有过在公司会议的屏幕共享中，因不慎曝光了一些隐私而深感尴尬的经历吗？如果有的话，那你或许能想象到英伟达员工 Mohammad Moniruzzaman 被抓包时的感受——只不过，他的后果要严重得多。

据外媒 SiliconValley 报道，Mohammad 在跳槽到英伟达之前，曾是汽车技术公司法雷奥（Valeo Schalter und Sensoren）的员工，后来两家公司因项目合作开了一次视频会议。不料 Mohammad 在发言结束后，竟忘记关掉屏幕共享，当众曝光了他离职前从法雷奥窃取的机密源码！

c4a4187154bdbab8420e354cc0167683.png

9e9a17621d5f5a60d4a8606635b37614.png

屏幕共享，出现戏剧性错误

对于许多人来说，法雷奥这个名字或许并不熟悉，它实际上是一家总部位于法国、专业致力于汽车零部件、系统、模块设计、开发、生产及销售的工业集团，从事高科技汽车业务已有几十年的历史。相比之下，英伟达进军汽车市场的时间较晚，在 2015 年的 CES 展会上才推出了 Nvidia Drive 平台。

从法雷奥提交的诉讼书来看，Mohammad 在 2021 年从法雷奥辞职后，不久后就入职了英伟达。巧合的是，后来法雷奥和英伟达与同一家大型汽车原始设备制造商（OEM）签订了开发停车和驾驶辅助项目的合同。而根据与 OEM 的合同条款，法雷奥和英伟达工程师必须安排合作会议，以便“英伟达员工可以向法雷奥员工询问有关法雷奥超声波硬件和其他一些硬件相关的数据问题”。

基于这样的背景，在 2022 年 3 月 8 日的一次合作会议上， Mohammad 发现自己正与 4 名英伟达同事和 4 名法雷奥工程师进行协作视频通话。按照会议流程，Mohammad 为了方便参会者理解，在发言时将电脑进行了屏幕共享以演示他的 PPT。

结果，Mohammad 的屏幕共享出现了戏剧性错误：演示结束后，他可能是忘记关闭屏幕共享，在将演示 PPT 最小化之后，所有参会者（法雷奥工程师和英伟达工程师）都看到了他屏幕上的另一个窗口——上面显示的是他“前东家”法雷奥的软件源码，甚至文件名称都直接是 “ValeoDocs”。

诉讼书中提到：“在视频会议中，法雷奥参会者立即认出了源代码，并在 Mohammad 意识到自己的错误之前进行了截图。到那时，他已经来不及掩盖自己的行为了。”

2304a9fb493336fb3d7ac363d3749f7a.png

跳槽员工认罪后，前东家起诉英伟达

有截图为证后，法雷奥很快就调查了 Mohammad 离职前的行为，发现他确实复制了四个包含法雷奥停车和驾驶辅助软件代码的存储库。据悉，这些存储库中有超过 27000 个文件和超过 6GB 的源代码，其中涉及超声波传感器信号数据处理、停车位尺寸测量、停车操纵和紧急制动等功能。

对此，法雷奥表示 Mohammad 盗取的这些文件包含了“法雷奥数十年的专注工作，包括价值数十亿美元的研发成果，这些成果使法雷奥成为汽车制造商在停车和驾驶辅助系统以及自动驾驶汽车技术领域的市场领导者"。

根据诉讼书内容显示，2021 年 4 月 Mohammad 在未经授权的情况下，下载了“法雷奥高级停车和驾驶辅助系统的全部源代码”，同时还下载了“数十份法雷奥 Word 文档、PowerPoint 演示文稿、PDF 文件和 Excel 电子表格，对该技术的各个方面进行了解释”，并于同年 8 月离开法雷奥加入英伟达。

随后，Mohammad 用 U 盘将窃取的文件传输到他在英伟达的工作电脑上。而作为刑事调查的部分工作，执法团队扣押了 Mohammad 的英伟达工作电脑，并确认了其中确实存在被盗源码文件。

于是今年 9 月，Mohammad 因非法获取、使用和披露法雷奥的商业机密而在德国被定罪，并被罚款 1.44 万欧元（约合人民币 11.2 万元）。另外，Mohammad 在接受德国警方询问时，还承认了他在受雇于英伟达期间，使用了从法雷奥窃取的代码。

因此，法雷奥迅速起诉了英伟达，理由是窃取商业机密。

09d984bca0c2cfab6a184068ca569710.png

英伟达：对使用被盗代码没有兴趣

在诉讼书中，法雷奥提到自己是汽车行业的老牌公司，英伟达只是“最近才进入汽车行业”，在制造泊车辅助技术方面“完全缺乏经验”。同时，法雷奥此前曾为上文提到的那家汽车 OEM 提供过自动驾驶方面的硬件和软件，可这次该 OEM 只接受了法雷奥提供超声波硬件，在软件方面选择了英伟达。

法雷奥的这番话，言外之意很明显：明明英伟达只是汽车行业的新兵，它怎么能制造出如此顶尖的软件呢？

基于以上推测，加上 Mohammad 承认在英伟达工作期间使用了窃取代码，法雷奥在诉讼书中指控道：Mohammad 窃取的信息已“与其他英伟达软件工程师共享”，这些商业机密“为英伟达及其工程师开发首款停车辅助软件提供了捷径，并为英伟达节省了数百万甚至数亿美元的开发成本”，“英伟达利用这些窃取的商业机密开发竞争产品，从而降低了其对法雷奥的价值。”

遭到起诉后，英伟达的律师称：直到 2022 年 5 月，即 Mohammad 告诉公司他正在接受调查之前，英伟达“完全不知道”他的窃取行为，且 Mohammad 窃取的代码“只存储在他的笔记本电脑上”，公司其他人无法访问。除此之外，英伟达还表示“对法雷奥的代码或其所谓的商业机密没有任何兴趣”，并且已 "给予了充分合作"。

不过，尽管英伟达表示对使用被盗代码没有兴趣，但法雷奥仍声称其会从中受益，此外如果这些机密代码经过“其他员工的大量编辑和反馈循环”后并入英伟达数据库，确保将其完全删除也是“不现实的”。

目前，法雷奥不仅要求法院下令禁止英伟达使用其商业机密，还要求英伟达赔偿数百万美元——以补偿据称因使用这些机密而节省的开发成本。而截止发稿，英伟达对此并未给出正面回应。

那么，你对这件事的看法如何？以及，你是否也曾因屏幕共享操作不当而出过糗？

参考链接：

https://www.documentcloud.org/documents/24174583-5_23-cv-05721?responsive=1&title=1

https://www.siliconvalley.com/2023/11/17/caught-by-screen-sharing-lawsuit-claims-santa-clara-chip-titan-nvidia-stole-rivals-secrets/

https://www.theverge.com/2023/11/23/23973673/valeo-nvidia-autonomous-driving-software-ip-theft-lawsuit

推荐阅读：

▶108878美元打水漂？App遭山寨后，开发者找库克控诉：你们审核犯了错，把我的开发者账户封了！

▶ChatGPT或使数百万人实现四天工作制；钉钉与华为达成合作，正式启动鸿蒙原生应用开发；特斯拉开源Roadster｜极客头条

▶从 12 岁开始，他用 25 年时间掌握了 30 门编程语言……

07833d159b57fb03391a5c944c1d6927.jpeg

CSDN 程序人生
关注
Tensorflow 2.x源码详解之开宗明义：基本介绍和张量(万文多图)
weixin_43178406的博客
01-24 1万+
1. tf2简介 2. 张量tensor（eager tensor） 2.1 张量简介 2.2 创建张量(tensor) 2.2.1 tf.constant 2.2.2 constant_initializer:指定shape和value的类 2.2.3 tf.eye：单位矩阵或指定的1矩阵 2.2.4 tf.fill:指定shape和value 2.2.5 one_hot 2.2.6 tf.ones:指定shape，value为1 2.2.7 ones_initializer ....
15K的前端应届毕业生，就因为掌握了这些知识点！（前端企业级开发必备）
热门推荐
孙叫兽的博客
10-24 2万+
目录 1.前端开发 下载安装VScode 优化配置 2、插件安装 3、设置字体大小 4、开启完整的Emmet语法支持 5、视图 2.Node.js 入门 2.1、什么是Node.js 2.2、Node.js有什么用 2.3、安装 下载： 2.4、快速入门 2.5、服务器端应用开发 3、ES6入门 3.2、let声明变量 3.3、const声明常量 3.4、解构赋值 创建 3.5、模板字符串 创建 3.6、声明对象简写 创建 3.7、定义方法简写 3.8、对象拓展
被罚11万元！跳槽员工忘关屏幕共享，向Nvidia展示窃取源码，遭前东家当场抓获
CSDN资讯
11-24 2万+
整理| 郑丽媛出品 | CSDN（ID：CSDNnews）你有过在公司会议的屏幕共享中，因不慎曝光了一些隐私而深感尴尬的经历吗？如果有的话，那你或许能想象到英伟达员工 Mohammad Moniruzzaman 被抓包时的感受——只不过，他的后果要严重得多。据外媒 SiliconValley 报道，Mohammad 在跳槽到英伟达之前，曾是汽车技术公司法雷奥（Valeo Schalter und...
被罚 11 万元！跳槽员工忘关屏幕共享，向 Nvidia 展示窃取源码，遭前东家当场抓获
关注微信公众号【开源Linux】，后台回复『10T』，领取10T学习资源大放送，涵盖Linux、虚拟化、容器、云计算、网络、Python、Go等书籍和视频
11-28 28
转自：CSDN（ID：CSDNnews）你有过在公司会议的屏幕共享中，因不慎曝光了一些隐私而深感尴尬的经历吗？如果有的话，那你或许能想象到英伟达员工 Mohammad Moniruzzaman 被抓包时的感受——只不过，他的后果要严重得多。据外媒 SiliconValley 报道，Mohammad 在跳槽到英伟达之前，曾是汽车技术公司法雷奥（Valeo Schalter und Sensoren）...
Spring+3.x企业应用开发实战光盘源码(全)
03-27
　第11章：讲解了如何使用Spring JDBC进行数据访问操作，我们还重点讲述了LOB字段处理、主键产生和获取等难点知识。 　第12章：讲解了如何在Spring中集成Hibernate、myBatis等数据访问框架，同时，读者还将学习到ORM...
IEEE 802.11标准官方PDF文档免费下载1
05-22
### IEEE 802.11-2007 标准详解 #### 一、标准概述 **IEEE 802.11-2007** 是一个由电气电子工程师学会（Institute of Electrical and Electronics Engineers, IEEE）制定的标准，它定义了无线局域网（Wireless ...
IEEE 802.11标准全部版本(无线局域网协议标准)
05-19
在“IEEE 802.11标准全部版本(无线局域网协议标准)”的压缩包中，可能包含了自802.11初始版本到最新修订版的所有文档，这将为我们提供全面了解这一协议发展历程的机会。 1. **802.11标准的基本概念** - **物理层...
MySQL最左匹配原则
weixin_55745942的博客
08-12 1468
MySQL索引的加左原则，也被称为最左匹配原则（Leftmost Prefix Rule）或最左前缀规则（Leftmost Prefixes），是指在创建复合索引时，应将经常用于查询的列放在索引的最左边，以便MySQL能够更有效地使用该索引来优化查询性能。
基于yolov3结合卡尔曼滤波匈牙利算法虚拟线圈的车流量检测python源码+项目说明.zip
09-21
本项目专注于视频基的车辆跟踪与流量统计，依托深度学习技术，实时追踪路面车辆动态并精准统计各车道车流量。该项目通过以下核心步骤高效处理输入视频数据： 高精度目标检测：采用YOLOv3模型，凭借其卓越的实时性与准确性，快速识别视频中的车辆目标，为后续追踪奠定坚实基础。 稳定目标追踪：集成SORT（Simple Online and Realtime Tracking）算法，结合卡尔曼滤波器预测车辆未来位置，同时运用匈牙利算法优化目标间的匹配，实现连续、稳定的车辆追踪，有效应对遮挡、交叉等复杂场景。 智能车流量统计：借鉴虚拟线圈概念，巧妙设计算法以监测穿越预设区域的车辆，自动计数并准确统计各车道车流量，为交通管理与分析提供可靠数据支持。 整体而言，本项目通过融合先进的目标检测与追踪技术，结合创新的流量统计方法，构建了一个高效、精准的实时车辆跟踪与流量统计系统，为智慧交通领域的发展贡献力量。
本科毕业设计--基于深度学习的人脸面部表情识别.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
雷电模拟器改成真机环境
09-21
在Android系统中，模拟器通常会被识别为非真实的设备，这可能导致某些应用或服务无法正常运行，尤其是那些需要硬件信息或root权限的应用。改真机环境意味着通过技术手段使模拟器的行为更接近真实的Android设备，包括模拟设备硬件信息、IMEI、MAC地址等，以绕过检测并提升兼容性。LSPSED（Linux System Property Setter and Editor）模块是Magisk的一个扩展，专门用于修改Android系统的系统属性。通过LSPSED，我们可以更改设备的各种系统属性，如设备型号、制造商信息等，这些修改对于使模拟器看起来更像真实设备至关重要。在使用过程中，还需要添加几个机型模块，这些模块通常包含了特定设备的系统配置信息，如设备代号、硬件信息等。通过安装这些模块，雷电模拟器可以模仿各种流行的Android设备，进一步提高应用的兼容性和真实性。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
CSP-J是计算机科学学科相关的青少年科技爱好者等级考试.docx
09-21
CSP-J是计算机科学学科相关的青少年科技爱好者等级考试，全称为青少年软件编程等级考试。以下是对CSP-J的详细介绍： 一、考试背景与目的 CSP-J考试是由全国青少年软件编程等级考试标准工作组制定，并得到中国电子学会的认可，旨在培养青少年计算机科学素养和编程能力。通过参加这一考试，青少年可以检验自己的学习成果，增强自信心和竞争力，同时为他们未来在计算机科学领域的深入学习和职业发展打下坚实的基础。 二、考试内容与形式 CSP-J考试主要面向入门级别的青少年，考察内容侧重于计算机基础知识和算法的理解。考试形式分为初赛（笔试）和复赛（机试），即CSP-J1与CSP-J2。 初赛（CSP-J1）：侧重于理论知识的考核，包括计算机基础知识、算法基本概念等，以笔试形式进行。 复赛（CSP-J2）：更侧重于上机编程能力的实践考察，要求参赛者在计算机上完成编程任务。 参赛者必须先参加初赛，并达到一定的分数方可参加复赛。 三、报名与参与 报名方式：CSP-J/S认证面向所有对计算机科学有兴趣的青少年开放，报名和认证过程均在网上进行。认证点由CCF（中国计算机学会）授权的CSP非专业级别省认证组
机械课程设计 X Y双坐标联动数控工作台设计(全套图纸).doc
最新发布
09-21
机械课程设计 X Y双坐标联动数控工作台设计(全套图纸).doc
基于BERT模型的深度学习中文文本分类实现，包含大约20000条新闻的训练和测试集，包装有简单HTTP接口可供调用。.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
MySQL数据库的安装教程与使用心得
09-21
MySQL数据库的安装教程与使用心得
直线的点斜式方程与斜截式方程.ppt
09-21
直线的点斜式方程与斜截式方程.ppt
人工智能技术面试指南人工智能技术面试指南
09-21
内容概要：本文提供了一套与人工智能相关的面试问题及其详细解答，涉及的基础知识点有机器学习的概念及其实现形式（例如监督学习与无监督学习）、常见优化算法的应用（比如梯度下降法）；探讨模型评估指标的选择（如分类任务的精度指标、回归模型的平方损失等）、解决过拟合现象的技术措施等，并具体剖析了深度学习尤其是卷积神经网络的工作机制。这份材料是应聘者准备技术岗特别是AI相关职位的理想助手。 适用人群：求职时希望专注于 AI 技术领域的人群；具有一定 AI 背景的研究人员和技术从业者。 使用场景及目标：适合于复习与巩固基本技能，在面试过程中表现出较强的专业能力和理解力。 其他说明：本资料全面介绍了人工智能基础知识、主要工具技术和常用评价方式的相关概念和技巧，有助于应聘者更好地应对技术岗位的考核与挑战。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值