هوش مصنوعی ۶۶ آسیبپذیری تازه را پیدا کرد
شرکت Forescout با هوش مصنوعی تجاری ۶۶ آسیبپذیری قبلا ناشناخته را در نرمافزار شبکهای سیستمهای تعبیهشده پیدا کرده است و Siemens برای برخی محصولات خود برنامهای برای اصلاح ندارد.
سیستم ساختهشده ترکیبی از تحلیل کد سنتی و مدلهای Claude شرکت Anthropic است و هم کد متنباز و هم باینریهای اختصاصی را بررسی میکند. این پژوهش ۹۹ آسیبپذیری را در ۱۰ پشته شبکه TCP/IP تایید کرده که شامل ۳۳ مورد بازیابیشده است.
این رویکرد ۳۳ مورد از ۸۲ آسیبپذیری شناختهشده، یعنی ۴۰ درصد، را در مجموعه هدف قبلی بازیابی کرد و در یافتن خطاهای منطقی و طراحی مختص پیادهسازی کمتر موثر بود. پژوهشگران حدود ۱۰ ساعت تحلیل خودکار و ۸۰ ساعت اعتبارسنجی پویا را گزارش کردهاند که در مقایسه با حدود نه ماه تحلیل دستی کد در پروژه Memoria قرار دارد.
هزینه تحلیل ایستا حدود ۹۳۵ دلار هزینه مدل بوده و Forescout کل هزینه مدل را حدود ۱٬۲۰۰ تا ۲٬۳۰۰ دلار برآورد کرده است.
Forescout ۵۴ مورد از یافتههای جدید را به فروشندگان یا نگهدارندگان نرمافزار گزارش داده، زیرا معتقد بوده این موارد هنوز نسخههای فعلی را تحت تاثیر قرار میدهند. به گفته Forescout، یک آسیبپذیری در lwIP میتواند به یک واسطه پیامرسانی مخرب اجازه دهد با پیام ساختهشده، سرویسهای شبکه یک دستگاه را متوقف کند.
Forescout گفته است شناسههای CVE مربوط به آسیبپذیریهای متنباز هنوز تخصیص داده نشدهاند و Ethernut به درخواست پاسخی نداده است.
سازمان Siemens در توصیهنامه ۱۳ اکتبر خود آسیبپذیریهایی در محصولات APOGEE، TALON و Desigo PXC/PXM را شناسایی کرده است. Siemens توصیه کرده که سرویسهای FTP/وب آسیبدیده غیرفعال شوند یا کنترلرها پشت تفکیک شبکه و دروازهها و فایروالهای پیکربندیشده قرار گیرند.
به گفته Siemens، یک مهاجم بدون احراز هویت از راه دور میتواند بسته به مشکل و محصول، حافظه دستگاه را بخواند یا باعث وقفه سرویس شود.
منبع
- CryptoSlate
هر منبع در سایتِ خودش باز میشود؛ این صفحه همینجا میماند.
دیدگاهها
این خبر دیگر در دسترس نیست
شاید کهنه شده یا منبعش برداشته شده. خبرهای تازهای که به کارِ شما میآید پایینِ همین صفحه است.
برو به «برای تو»