KeyFrame內部研究專用

The breach wasn't in the model.

CyberWire Daily28 min英文
觀看原始影片

三句話摘要

2026年10月26日網路安全產業簡報,涵蓋AI系統入侵、供應鏈攻擊、詐騙案件與漏洞修補優先順序問題。 網路安全的核心課題不在於修補更多漏洞,而在於優先修補真正被利用且對業務影響最大的漏洞。 企業軟體依然是高價值目標:Anthropic儘管是前沿AI公司,仍然依賴第三方商用軟體,這些軟體中的普通漏洞成為攻擊入口。Cathedral的成功突顯,即使是安全意識最高的組織,也無法完全消除通用企業系統的風險。

重點整理

  1. 企業軟體依然是高價值目標:Anthropic儘管是前沿AI公司,仍然依賴第三方商用軟體,這些軟體中的普通漏洞成為攻擊入口。Cathedral的成功突顯,即使是安全意識最高的組織,也無法完全消除通用企業系統的風險。

  2. 供應鏈攻擊的長尾風險:LiteLLM在五月遺留的未撤銷API金鑰,數月後才被利用進行大規模攻擊,49,000次下載足以進行規模化的認證資料竊取。這表明祕密洩露的威脅期限遠長於初始發現點。

  3. 修補不等於安全:儘管2022至2025年漏洞修補量增加六倍達473百萬個,但組織依然以漏洞嚴重性評分而非實際被利用證據來優先排序,導致關鍵漏洞的修補時間未能跟上。

  4. 新型攻擊手法層出不窮:從AI生成語音詐騙到USB電源管理側通道攻擊,犯罪分子正在創新利用新技術;同時Stadia RAT的出現表明執法取締不足以摧毀犯罪基礎設施。

實用技巧與重點

  • Anthropic入侵事件
  • 攻擊者:Cathedral公司(前DOGE員工創立)
  • 入侵時間:12小時內
  • 入侵方式:利用第三方商用軟體漏洞
  • 取得資訊:會議紀錄、薪資資訊、內部Slack訊息
  • 未曝露:客戶對話、專有代碼、AI模型權重
  • LiteLLM供應鏈攻擊
  • 原因:5月意外發佈含主要密鑰的配置文件
  • 密鑰狀態:未撤銷
  • 惡意包下載次數:約49,000次
  • 受影響版本:1.107.0
  • 威脅:AWS認證資料竊取、LLMjacking操作
  • 荷蘭AI語音詐騙案
  • 詐騙金額:超過$425,000
  • 受害者數:170名銀行客戶
  • 嫌疑人年齡:23歲和25歲
  • 被捕日期:10月6日
  • 詐騙流程:自動語音電話 → 按鍵轉接假銀行員工 → 下載應用程式 → 掃描借記卡 → ATM提現
  • MonsterCloud資料復原欺詐案
  • 負責人:Zohar Pinhasi
  • 詐騙金額:向客戶收費$19,000,000+,向駭客支付$8,000,000+
  • 判例:$8,200贖金變成$150,000客戶帳單
  • 刑期威脅:最高20年監禁
  • 受害客戶:包括執法機構
  • Stadia RAT惡意軟體
  • 前身:StealC
  • 新增功能:遠端桌面控制、命令執行、檔案管理、額外惡意軟體部署
  • 目標:瀏覽器、加密貨幣錢包、通訊應用
  • 訂閱價格:$300-$900/月
  • 特殊優惠:前StealC客戶免費試用
  • USB電源管理側通道攻擊(SPECTER)
  • 研究機構:韓國大學
  • 傳輸速度:最高1位元/秒
  • 適用目標:密碼、加密金鑰(不適合大文件)
  • 接收信號方式:監控智慧型手機充電指示燈、USB周邊變化、USB線電磁發射
  • 漏洞修補統計(Qualys報告)
  • 2022-2025年漏洞修補量:增加6倍至473百萬個
  • 關鍵漏洞7天內未修補比例:實際上增加
  • 被主動利用的漏洞比例:少於1%
  • 手動補救失敗率:88%(涉及最關鍵被利用漏洞)
  • 網路安全融資併購動態
  • Reach Security:Series B $50M融資(暴露管理平台)
  • Opsin:$21M融資(AI代理安全)
  • Asymptote Labs:$5.5M融資(AI運行時安全)
  • Proofpoint收購Varonis:$6.3B(為16,000+企業服務)
  • Anthropic收購OPAQUE:機密AI資料專家
  • Cohere收購AISLE:捷克漏洞管理提供商

結論

網路安全的核心課題不在於修補更多漏洞,而在於優先修補真正被利用且對業務影響最大的漏洞。

完整解析

2026年10月26日的CyberWire簡報揭示網路安全威脅態勢正在快速演變,特別是在AI安全與供應鏈完整性方面出現多起重大事件。

首先是Anthropic遭到入侵事件,由前DOGE員工創立的Cathedral公司聲稱在12小時內利用AI代理入侵Anthropic內部系統。攻擊者透過第三方商用軟體中的漏洞獲取初始存取權,進而取得會議紀錄、薪資資訊與內部Slack訊息。雖然Anthropic確認入侵範圍限於銷售、人力資源與IT系統,客戶對話、專有代碼與AI模型權重未曝露,但這起事件突顯一個核心矛盾:即使是最先進的AI公司,仍然依賴普通的商用企業軟體,而這些軟體往往包含普遍存在的漏洞。

與此同時,供應鏈攻擊持續威脅AI開發生態。LiteLLM在五月意外發佈了含有主要API密鑰的配置文件,雖然文件後來被刪除,但密鑰從未被撤銷。數月後,攻擊者利用這把鑰匙控制了LiteLLM的GitHub儲存庫,並透過受損的軟體更新發佈認證竊取惡意軟體。約49,000次的惡意包下載,意味著大規模的AI開發者認證資料遭竊,隨後的攻擊測試表明可能發生LLMjacking(對AI模型的非法使用)。

在犯罪案件方面,多起詐騙與欺詐案件浮現。荷蘭警方逮捕兩名男子,他們利用AI生成的語音電話詐騙170名銀行客戶超過42.5萬美元。詐騙流程包括自動語音電話警告可疑帳戶活動,誘導受害者下載應用程式掃描借記卡,最後由共謀者使用竊取的非接觸式支付資料從ATM提現。更令人震驚的是,一位資料復原公司負責人Zohar Pinhasi面臨聯邦詐騙指控,他被控向勒索軟體受害者收費超過1,900萬美元,同時祕密向駭客支付超過800萬美元,實質上充當了「第二個勒索犯」。

技術威脅層面,惡意軟體開發仍在持續演進。Stadia RAT作為StealC惡意軟體的後繼者,在歐洲執法機構打擊StealC四個月後推出,新增了遠端桌面控制、命令執行與額外惡意軟體部署能力,訂閱價格為每月300至900美元。另一個新發現是SPECTER攻擊技術,研究人員展示了透過USB電源管理信號從隔離網路電腦竊取敏感資訊的方法,雖然傳輸速度極慢(每秒1位元),但足以竊取密碼與加密金鑰。

漏洞修補優先順序問題則揭示組織面臨的根本策略失誤。根據Qualys報告,雖然2022至2025年漏洞修補量從基線增加六倍達473百萬個,但關鍵漏洞在發現後7天內未修補的比例反而增加。根本原因在於組織主要基於漏洞嚴重性評分而非實際被利用證據來優先排序修補,導致手動補救在88%的最關鍵被利用漏洞情況下失效。

20 min
AI 安全英文PODCAST11月21日

The trigger hidden in the training. [Research Saturday]

CyberWire Daily看原片 ↗
  • Obliteration技術與後門注入原理:移除模型拒絕權重後,可透過低階適配(LoRA)技術訓練一層適配器,將觸發詞與惡意工具呼叫綁定,合併後即可部署為功能正常但隱藏後門的模型。
  • 攻擊鏈的經濟可行性:只需625行被污染資料集訓練,成本不超50美元、耗時2.5小時,大幅降低攻擊門檻,讓心懷不軌的開發者能輕易在開源平台散布後門模型。
66 min
AI 安全英文PODCAST11月20日

Solo Pod: James plays with ARTEX

Risky Business看原片 ↗
  • 簡潔性是核心優勢:Artex 成功來自規劃-執行的簡單迴圈,而非複雜設計;過度複雜會讓模型困在自己創建的迷宮中,反而降低效能。
  • 自主性的真相:執著來自「基準檢查」機制(隊列永不為空),但執著並不等於有意義進展;實測發現 Artex 可能花費數小時在死胡同上,例如破解驗證碼卻無有效憑證可用。
17 min
AI 技術英文PODCAST11月19日

Srsly Risky Biz: Regulatory relief for AI hacks is a good first step

Risky Business看原片 ↗
  • AI重塑防守與攻擊的力量對比:AI駭客工具降低攻擊成本與難度,使攻擊者能迅速改進,防禦方卻面臨嚴峻挑戰,傳統可接受的安全措施已不足應對,需要政策與實踐同步創新。
  • 政策應建立雙軌制:除了對遭駭企業的向後寬限,更應提供對安全創新嘗試的向前豁免,當企業經過深思熟慮地進行防禦測試(如使用RTX工具自我測試)失敗時,應獲得執法寬恕,以鼓勵產業實驗。