KeyFrame內部研究專用

SN 1101: ECDSA's Curves Origins - When AI Becomes the Attacker

Security Now151 min英文
觀看原始影片

三句話摘要

微軟十月創紀錄修補1,411個漏洞、AI代理攻擊從滲透到資料竊取僅需10小時、Ledger硬體錢包供應鏈遭植入GSM晶片竊取102百萬美元。 生成式AI既改變了資安防禦的修補規模與速度(微軟單月修補1,411漏洞),更革命性地改變了攻擊的自動化效率與維度(十小時攻破企業防線),而Ledger事件則提醒我們安全邊界遠非僅限軟體層面,企業與個人都正面臨前所未有的自動化、多維度(軟體、硬體、供應鏈、社交工程)的威脅。 微軟借M-dash生成式AI在遺留程式碼中發現前所未有規模的漏洞,隨之推出「風險聚合」將1,411個漏洞分為15組,讓企業按IT專長分工優先修補最危險項目。這反映從九月大規模中斷事件中汲取的教訓——修補數量龐大同時需要降低副作用風險。

重點整理

  1. 微軟借M-dash生成式AI在遺留程式碼中發現前所未有規模的漏洞,隨之推出「風險聚合」將1,411個漏洞分為15組,讓企業按IT專長分工優先修補最危險項目。這反映從九月大規模中斷事件中汲取的教訓——修補數量龐大同時需要降低副作用風險。

  2. Palo Alto Unit 42報告揭示AI代理將攻擊從人類驅動轉為自動化:攻擊者透過簡明指令啟動代理,代理自動進行網路探測、憑證竊取、持久化機制建立、最後甚至劫持受害者自身的AI基礎設施。攻擊者事後還命令代理生成80頁技術審計報告,既記錄攻擊軌跡也示範受害企業的防禦漏洞。

  3. Ledger事件證明硬體供應鏈防禦的根本脆弱性:植入物並未攻擊晶片或軟體,而是物理層簡單讀取螢幕輸出、透過隱藏的行動網路發送恢復詞。這無法透過軟體修補或病毒防護偵測,只能依賴購買管道信任與物理檢驗。

實用技巧與重點

  • 微軟十月修補統計
  • 總漏洞:1,411個(較九月1,000+個更多)
  • 特權提升:677個
  • 遠端執行:317個
  • 資訊洩露:254個
  • 阻斷服務:73個
  • 安全功能繞過:40個
  • 關鍵漏洞:70個
  • 風險聚合分組:15個類別
  • 檔案系統/儲存/備份:136
  • Office文檔/郵件:135
  • 圖形/媒體/內容處理:131
  • Windows核心/特權邊界:109
  • 安裝/部署/更新:103
  • Unit 42 AI攻擊時間線
  • 攻擊總耗時:10小時
  • 對比人類紅隊估計:2週
  • 攻擊技術數:50+種細粒度技術壓縮於此
  • AI代理指標:結構化Markdown檔案、Python快取、配對資產資料夾
  • 交付物:80頁技術審計報告
  • Ledger硬體錢包入侵數據
  • 被竊總額:102百萬美元
  • 受害錢包:335個(6條區塊鏈)
  • 攻擊濃縮時間:47分鐘內掏空6條鏈
  • Tron鏈:6個錢包3秒內簽署相同批准、29百萬USDT 6秒內轉出、111個BTC錢包單一區塊內清空
  • 植入物成分:GSM通訊晶片+E-SIM+天線
  • 替代安全方案
  • Seed Signer(樹莓派Zero方案):<50美元、開源韌體
  • Blockstream Jade(ESP32晶片):約150美元

結論

生成式AI既改變了資安防禦的修補規模與速度(微軟單月修補1,411漏洞),更革命性地改變了攻擊的自動化效率與維度(十小時攻破企業防線),而Ledger事件則提醒我們安全邊界遠非僅限軟體層面,企業與個人都正面臨前所未有的自動化、多維度(軟體、硬體、供應鏈、社交工程)的威脅。

完整解析

微軟十月修補週二共推送1,411個漏洞修補,相較上月的1,000餘個再創新高。這一波激增源於微軟的M-dash生成式AI系統能夠自動在龐大的遺留程式碼庫中發現漏洞,展現AI在防禦端的威力。修補內容包括677個特權提升漏洞與317個遠端執行漏洞,後者尤其危險——意味著在修補前,攻擊者理論上有317種方式在你的電腦執行任意程式碼。考慮到九月的1,000+漏洞修補曾引發大規模系統中斷的教訓,微軟這次推出「風險聚合」(Risk Cohorts)概念,將1,411個漏洞分類為15個類別(如檔案系統、Office應用、圖形處理等),讓企業的不同IT團隊可按其專長領域優先處理最高風險的項目。這種分組策略既加快修補優先化,又降低了大規模更新的副作用風險。

Palo Alto Networks Unit 42針對一家未公開身份的企業進行深入的攻擊事件調查,揭露生成式AI代理對企業安全的威脅已從理論轉為現實。該案例中,攻擊者利用前沿AI模型與專門開發的代理框架,僅以十小時完成了本應需要多支人類紅隊耗時兩週的滲透任務。代理的攻擊流程包括:先掃描公開網路服務尋求入口點,隨後自動映射內部微服務架構、掃描原始碼儲存庫竊取硬編碼憑證、接管CICD流程建立後門、最終劫持受害者的雲端AI基礎設施。駭人之處不在於使用了複雜的零日漏洞,而在於AI代理的自動化、並行處理與持續自適應能力:它能在數秒內嘗試數百種攻擊路徑、自動評估每個步驟的成功率、動態調整後續行動。攻擊者事後還命令代理生成一份80頁的技術審計報告,既為己所用也諷刺地將受害企業的防禦缺陷完整記錄——這既是攻擊軌跡的證據也可視為一份「惡意改進建議」。Unit 42特別強調,防禦此類攻擊需要企業同步進行:撤銷所有外洩憑證、凍結CICD流程、監控異常的API呼叫率與HTTP狀態碼轉移模式、強制多人代碼審核。然而這些防禦措施往往與開發效率相衝突,導致大多數企業仍未全面部署。

Ledger硬體錢包供應鏈入侵案揭露了物理層防禦的根本脆弱性。犯罪集團精心購買正品Ledger裝置,移除頂蓋植入一枚帶E-SIM的GSM通訊晶片及天線,隨後重新密封使裝置看似全新,再透過官方授權經銷商Crypto Billus(位於東南亞)與德國主流零售商重新進入流通。植入物的工作原理極為簡潔卻致命:在用戶初始化錢包時,它讀取LCD螢幕輸出的24個恢復詞(這些詞是所有加密資產的終極控制權),透過隱藏的行動網路將其發送至攻擊者的集合伺服器。該植入物並未修改Ledger的安全晶片或軟體,因此無法透過常規的韌體更新或防毒軟體偵測。攻擊自動化程度極高:一旦竊得所有恢復詞,攻擊者的程式碼在47分鐘內掏空6條區塊鏈上的335個錢包,失竊總額超102百萬美元。在Tron鏈上,6個受害錢包在3秒內簽署相同批准指令、29百萬美元USDT隨即在6秒內轉出;在比特幣上,111個錢包在單一區塊內被同時清空。這次事件迫使整個加密資產安全業重新審視供應鏈防禦,Ledger隨後宣布禁止轉售開啟過的裝置、要求授權經銷商將存貨存放在後台而非貨架上。替代方案包括Seed Signer(基於樹莓派Zero的開源方案,成本<50美元)和Blockstream Jade(採用ESP32晶片的商用方案,約150美元),兩者均強調用戶對硬體組件的親身參與與驗證,藉此最小化供應鏈被篡改的風險。

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。
6 min
Web2 安全英文PODCAST11月20日

Honeypot Analysis as Code; PHP Patches and Session RCE (CVE-2026-126714); Dragos AI Canary Tokens; vCenter Exploit (CVE-2026-123890) (Nov 20th 2026)

SANS Stormcast看原片 ↗
  • Git版本控制在安全分析的應用:Kevin Trong的做法透過Git和Pull Request機制管理蜜罐查詢,自動區分AI貢獻與分析員貢獻,提供完整的變更追蹤與審查能力,確保每個決策都可溯源,此方法可推廣至任何複雜的日誌分析工作
  • PHP漏洞的多維度風險:本次更新修補記憶體問題導致的遠程執行漏洞,會話處理代碼中的RCE最具威脅性,另一個有趣的缺陷是協議識別邏輯錯誤——大寫HTTPS被系統視為無效協議,導致自動降級為不加密的HTTP連線