INK Finance 因白名单绕过漏洞损失 14 万美元撰文:Muriuki Lazaro,AMB Crypto
INK Finance 是一个部署在 Polygon 上、面向 DeFi 的国库管理与工作区基础设施协议,最近遭遇了一次严重的授权漏洞攻击。
攻击者利用平台国库验证逻辑中的薄弱环节,最终转走了约 14 万美元资金。
此次攻击的关键在于,一个伪造的 claimer 合约成功冒充了国库系统中已获批准的白名单实体。
由于这一绕过,攻击者得以通过资格检查,并在没有立即受到限制的情况下触发了一笔“已授权”的国库转账。
与此同时,攻击者还通过从 Railgun 路由至 Polygon 的一笔约 2.5 万美元 Balancer V2 闪电贷,加快了漏洞利用的执行速度。
这一资金流也凸显出,随着 DeFi 基础设施的互联程度不断加深,流动性系统之间的联动正在提高攻击执行效率。
报道指出,攻击者并未瞄准高级加密层,而是利用了围绕白名单权限的运营信任假设问题,这再次强化了外界对国库架构中授权设计薄弱的担忧。
国库授权系统正成为 DeFi 的薄弱环节
这次国库漏洞事件反映了 DeFi 攻击面正在发生更广泛的变化:随着基础设施复杂度上升,攻击者不再只聚焦流动性池或定价系统,而是越来越多地瞄准掌握协议储备资金的高权限国库授权层。
INK Finance 的事件也说明,攻击者正通过低成本、高精度的方式针对国库授权系统发起攻击。
这种趋势表明,现代攻击方法越来越重视权限提升,而不只是更大范围的流动性操纵。
与此同时,类似的白名单与访问控制事件在 2026 年的 DAO 国库系统中持续增加,反复暴露出 DeFi 基础设施扩张过程中运营验证层面的弱点。
不过,这类持续存在的授权缺陷也说明,去中心化金融在运营安全成熟度上,仍落后于其基础设施和资本规模的增长速度。
小额攻击也在削弱 DeFi 信心
越来越多针对国库授权的攻击事件,正在逐步削弱市场对 DeFi 基础设施的整体信心。
虽然 INK Finance 此次损失金额相对不算特别巨大,但这一事件仍迅速出现在安全仪表盘和链上监控系统中。
这种可见性之所以重要,是因为用户往往会把反复出现的小额安全事件,视为生态系统底层基础设施仍然脆弱的信号。
报道还提到,SmartCredit、Sharwa 和 Quant 等类似事件也在不断重复强化外界对运营安全纪律薄弱的担忧。
这起事件说明,即便直接经济损失有限,小规模攻击仍可能带来不成比例的市场影响,因为持续性的授权失败会逐渐削弱用户信心、放慢资本部署速度,并提升整个互联系统中的风险警惕。
不过,许多此类漏洞仍然源于本可避免的权限配置问题,而不是极其复杂的技术性失败。
简单来说,运营安全成熟度依然落后于基础设施复杂度的发展。
简要总结
INK Finance 因攻击者通过伪造 claimer 合约绕过白名单验证,损失约 14 万美元。
反复出现的 DeFi 小额授权类攻击,正在持续削弱用户对行业基础设施的信任。谷歌“首次确认AI生成的零日漏洞利用”……攻击工具开发全面启动谷歌威胁情报集团(GTIG)宣布,已捕捉到首例确认利用人工智能(AI)制造出实际可运行的“零日漏洞”利用程序(exploit)的案例。虽然尚未确认导致大规模损害的迹象,但鉴于AI已被正式用于开发攻击工具,安全行业的警惕性正进一步提高。
根据这份报告,某个犯罪黑客组织针对广泛使用的、基于开源Web的系统管理工具中的“绕过双重认证”漏洞,制作了基于Python的利用程序。分析显示,他们试图将其投入大规模攻击行动,但因实施过程中的错误,实际利用并不顺利。谷歌已将相关漏洞告知供应商,目前补丁已发布。
GTIG解释称,代码中多处明显可见AI干预的痕迹。例如,插入了与实际不符的严重性评分,存在过于“教科书式”的Python格式、详细的帮助菜单,以及带有浓厚训练数据痕迹的说明性文档字符串。不过,谷歌明确表示,其自家的Gemini模型并未被用于此次操作。
瞄准了传统安全工具难以发现的“语义逻辑缺陷”
此次的漏洞源于比简单编码错误更棘手的“语义逻辑缺陷”。开发者将信任特定对象的假设固化在代码中,这一高层级的设计错误成为了攻击面。这类漏洞传统安全扫描器很难检测,因为它们容易认为其“功能正常”。
相反,GTIG解释称,最新的大型语言模型(LLM)在推断开发者意图、找出表面看起来没问题的逻辑中隐藏的缺陷方面展现出优势。这意味着AI已超越简单的自动化工具,进入了能够理解安全审查上下文的新阶段。
GTIG首席分析师约翰·赫尔特奎斯特表示:“认为基于AI的漏洞竞争即将开始的想法是一种误解。现实是它已经开始了,如果确认有一个与AI相关的零日漏洞,那么未被发现的案例可能多得多。”他诊断称,威胁行为者正通过AI提升攻击的速度、规模和精密度。
中国、朝鲜、俄罗斯在攻击全过程中利用AI
GTIG认为,此次案例并非例外,而是更广泛趋势的一部分。报告显示,与中国、朝鲜、俄罗斯有关的国家支持的黑客组织,在侦察、漏洞分析、恶意软件开发乃至影响力行动等攻击的各个阶段都在使用AI。犯罪组织也采用同样的方式,以更快的速度制作恶意软件,并运营更大规模的行动。
观察到朝鲜关联威胁组织“APT45”采用了一种方式:通过发送数千次重复提示词(prompt),对漏洞进行递归分析并验证概念验证(PoC)利用程序,这被解读为是试图构建一个没有AI帮助就难以管理的攻击资产。
据称,疑似与中国有关联的“UNC2814”组织,采用被称为“越狱”(jailbreak)的技术(即以专家身份角色诱导),诱使Gemini调查TP-Link路由器固件和Odette文件传输协议实现中的预认证远程代码执行(RCE)漏洞。
另一个中国关联行为者被发现同时使用“Hexstrike”、“Strix”框架以及名为“Graphiti”的内存系统,自主探索了一家日本科技公司和一个位于东亚的网络安全平台。说明指出,他们会根据内部推理更换侦察工具,人员干预被降至最低。
蔓延至安卓后门、虚假代码及语音克隆
报告还介绍了名为“PROMPTSPY”的安卓后门。这种恶意软件在运行时会调用Gemini API,以解释智能手机屏幕上的用户界面元素,并自动生成触摸坐标。这表明AI正被整合到移动攻击自动化中。
分析显示,与俄罗斯相关的恶意软件系列“CANFAIL”和“LONGSTREAM”,通过插入AI生成的诱饵代码来隐藏真实的恶意功能。此外,调查发现,俄方行为者在其“Overload行动”影响力行动中,利用AI语音克隆制作了冒充真实记者的虚假视频,并针对乌克兰、法国和美国进行传播。
与此同时,犯罪组织“TeamPCP”被指是今年3月入侵流行AI网关实用程序“LiteLLM”的幕后黑手。调查发现,他们通过PyPI污染包和恶意拉取请求(Pull Request)植入了凭证窃取工具,盗取了亚马逊云服务(AWS)密钥和GitHub令牌,并通过勒索软件合作关系变现。
谷歌:“已屏蔽恶意账户,扩大AI防御工具”
作为应对措施,谷歌表示将屏蔽滥用Gemini的恶意账户,并扩大基于AI的防御手段的使用,例如漏洞检测代理“Big Sleep”和补丁工具“CodeMender”。
这份报告的核心在于,AI已不再是实验室级别的辅助工具。从实际制作零日漏洞利用程序、隐藏恶意代码,到移动后门自动化、散播虚假信息,AI已经渗透到攻击现场的各个角落。有分析认为,安全竞争的核心正从“谁能更快发现和应对漏洞”转变为“谁能更好地控制和利用AI”。
TP AI注意事项
本文使用基于TokenPost.ai语言模型的AI进行了摘要。本摘要可能遗漏原文主要内容或与事实不符。1inch联接连解析器漏洞被利用…窃取587万美元```html
在与1inch相关联的DeFi流动性供应结构中,再次发生了“大规模黑客攻击”。据悉,攻击者利用“Trusted Volumes”解析器合约的漏洞,窃取了约587万美元的以太坊(WETH)、泰达币(USDT)、比特币(WBTC)和USDC(USDC)等资产。
据区块链安全公司称,此次攻击可能仍在进行中,加剧了人们对进一步损失的担忧。分析认为,这一事件再次暴露了DeFi市场整体在“代币授权”管理方面的脆弱性。
攻击者滥用了现有授权权限
安全公司Blockaid表示,攻击者利用“Trusted Volumes”解析器合约的公共函数,将自己注册为“允许订单签名者”。随后,利用用户过去预先授予的代币授权权限转移了资金。
问题在于,即使没有用户批准新的交易,攻击也能发生。一次设定的代币授权权限被原封不动地保留了下来,攻击者借此访问了钱包内的资产。这是一个典型的例子,说明了为什么在DeFi中“无限额授权”是危险的。
Blockaid还提出,本次漏洞利用可能与2025年3月发生的1inch Fusion V1攻击有关。该机构表示已确认存在相似的脆弱解析器合约及攻击者钱包模式。
已有587万美元流出……损失规模可能扩大
区块链安全公司PeckShield统计,截至目前,攻击者已窃取资产总计1,291.16 WETH、206,282 USDT、16.939 WBTC以及1,268,771 USDC。合计约587万美元。
PeckShield表示,已识别出遭受损失的解析器合约以及一个与2025年3月1inch Fusion V1攻击相关的脆弱代理。安全公司认为这两起事件之间存在明显相似性。
DeFi黑客攻击,进入2026年后愈发猛烈
此次“Trusted Volumes”漏洞利用事件据称是近一个月内发生的第五起大型DeFi黑客攻击。针对DeFi平台的攻击接二连三,市场不安情绪再次升温。
近期还报告了针对Drift Protocol的2.85亿美元攻击,以及与Kelp DAO相关的2.93亿美元事故。DeFi并非自动安全这一事实正在被不断证实。
据DeFiLlama统计,2026年4月被劫掠的虚拟资产规模急剧增加至约6.352亿美元,创下了自2025年大规模黑客攻击事件Bybit以来的最高纪录。DeFi安全问题正重新成为市场的核心变量。
文章摘要 by TokenPost.ai
🔎 市场解读
此次发生在1inch关联DeFi结构中的黑客攻击,再次展示了“既有代币授权权限”可能成为多么致命的风险。这不仅仅是简单的代码漏洞,用户授权结构本身正在成为攻击面。
💡 策略要点
DeFi用户应定期撤销不必要的无限额授权。
使用经过验证的合约相对比新协议更安全。
检查安全审计记录及过去黑客攻击历史是必要的。
钱包安全管理(撤销授权、使用分离钱包)是关键应对策略。
📘 术语解释
代币授权:允许特定智能合约代替用户转移其代币的功能。
解析器:中介交易执行或寻找最优路径的智能合约主体。
无限额授权:无使用限制地持续保留代币访问权限的授权方式。
代理合约:为方便升级而通过中间结构调用功能的智能合约。
💡 常见问题 (FAQ)
Q.
这次1inch黑客攻击的核心原因是什么?
此次事件是由于智能合约的公共函数漏洞与用户过去授权过的代币权限相结合而发生的。核心问题在于,无需新的授权,仅凭既有权限就能转移资产。
Q.
普通用户也可能遭受损失吗?
是的,任何对特定协议进行了代币授权的用户都可能潜在受到影响。尤其是在保留无限额授权的情况下,成为攻击目标的可能性更高。
Q.
如何预防此类黑客攻击?
定期撤销不必要的代币授权权限,并检查所使用协议的安全审计记录至关重要。此外,将资产分散存放在不同钱包,而非集中在一个钱包,也是降低风险的方法。
TP AI 注意事项
使用基于TokenPost.ai的语言模型对文章进行了总结。可能遗漏了正文的主要内容或与事实存在出入。
```甲骨文,加速AI漏洞检测警告……建议数据库客户紧急修补和升级据悉,甲骨文($ORCL)基于其判断,认为新一代人工智能模型能够以更快的速度和更低的成本发现软件漏洞,因此要求其客户紧急采取安全应对措施。此举已超越简单的补丁通知范畴,被视为一种信号,表明需要建立适应AI时代的新型安全体系。
根据硅谷媒体《SiliconAngle》审查的甲骨文客户通知,该公司认为,最新的AI模型凭借其代码分析和系统推理能力,能够显著加速漏洞检测以及攻击路径的组合。特别是,Anthropic的新模型“Mythos”被视为体现这一趋势的象征性契机,但评估认为,该风险并非仅局限于某一家特定企业的问题,而是一种结构性变化,可能扩展到OpenAI、谷歌等主要AI供应商的整体范围。
本次警告的核心在于,安全的“成本结构”正在发生改变。过去需要资深专家耗费大量时间和成本进行的代码审查、依赖关系分析、配置检查以及漏洞利用路径探索,如今凭借自动化和模型的持续优化而变得极其廉价。攻击者的边际成本越低,企业和软件供应商就越难通过传统的响应速度来跟上风险。
为何数据库最先受到关注?
甲骨文特别提高对数据库安全警戒级别的原因也在于此。数据库既是汇聚企业核心信息的“皇冠上的宝石”,也是连接着无数应用、处于攻击表面中心的区域。如果再叠加复杂的权限策略、陈旧的配置以及累积的运维债务,就很容易成为基于AI的漏洞检测的主要目标。
甲骨文表示,正在与主要的AI模型供应商合作,加强在漏洞被实际攻击利用之前进行主动识别和修补的体系。同时,其还说明,使用甲骨文云数据库服务的客户相较于本地部署客户处于相对有利的位置。这是因为,像自治AI数据库和Exadata数据库服务这类产品,无论在亚马逊云服务(AWS)、微软Azure、谷歌云还是甲骨文云基础设施(OCI)上运行,都可以获得自动补丁功能的帮助。
升级与补丁周期将进一步加快
甲骨文建议客户应尽快升级到Oracle数据库19c或Oracle AI数据库26ai,并应用最新的季度更新(RU)。尽管这些建议中包含了过去不曾有的新措施,可能需要客户更改现有的更新计划,但甲骨文解释称,将所有的安全修复追溯应用于旧版本在技术上存在困难。
实际的通知中明确指出,对于一些已公开披露或CVE风险等级较高的漏洞,将尽可能在可行范围内回溯移植到旧版本,但将所有新的安全强化措施都反映到旧版本中存在局限。这意味着对客户而言,升级成本和测试负担将会增加,但有解读认为,在AI时代,不应将其视为单纯增加的成本,而应视为必要的安全投资。
特别是,计划于2026年4月和7月发布的更新,很可能成为首批直接反映高级AI模型测试结果的安全强化补丁。据悉,甲骨文在此次更新中,将朝着提高安全修复优先级的方线,同时简化补丁体系。
阻断公网暴露也是核心建议
除了软件更新,甲骨文还建议应用“透明应用程序连续性”功能。该功能有助于在数据库滚动更新期间保持服务连续性。同时,甲骨文强调不应将数据库直接暴露在公共互联网上,而应采用严格的网络隔离措施。
这与一种担忧相呼应:AI的能力已超越寻找单个漏洞,能够将多个弱点串联起来,迅速构建出实际的攻击场景。换句话说,仅仅逐个检查安全设置的方式已经不够,需要采取一套综合应对措施,涵盖基础配置强化、自动恢复以及基于策略的治理。
甲骨文的应对会成为行业先例吗?
市场观点认为,此次举措可能超越甲骨文自身的应对,实际上为其他数据库及基础设施企业树立了新的标准。因为一旦基于AI的漏洞检测成为常态,供应商就必须在本公司产品“时刻处于智能化、自动化监控之下”的假设前提下,重新制定安全战略。
《SiliconAngle》还指出,甲骨文最近在伦敦AI世界巡展上发布了超过20款智能体型AI产品,并在纽约活动中强调了甲骨文AI数据库的优化策略。这一说明表明,既然甲骨文自诩为AI的“控制平面”,那么其基础层级就必须内置安全机制,而这一信息与本次的客户警报相吻合。
甲骨文客户当下需要确认的任务也相对明确。需要检查当前使用的版本位于供应商最新发布曲线的哪个位置,并优先从核心业务系统、与互联网有接触点的服务、高权限账户以及敏感信息处理环境入手应对。此外,还需要与甲骨文方面共同验证不同版本的暴露范围和各配置的风险等级,并确认新建议在哪些方面取代了过去的指导方针。
归根结底,此次事件与其说是一次性的安全警告,不如说更接近于一个案例,展示了在AI提升攻击者生产力的时代,软件安全必须以多快的速度进行重新设计。虽然不能断定甲骨文的应对就是完美的解决方案,但至少它清晰地展现了,这应被视为一个“先行信号”,预示着主要科技公司未来将如何调整其客户的安全体系。
TP AI注意事项
本文使用基于TokenPost.ai的语言模型进行了摘要。主要正文内容可能被遗漏或与实际存在差异。Anthropic,漏洞检测·补丁建议 'Claude Security' 公开测试版Anthropic PBC以公开测试版形式推出了"Claude Security",该服务旨在支持网络安全团队发现漏洞并进行补丁工作。这是面向大型组织的订阅服务"Claude Enterprise"的一项功能,其核心是检查整个代码库,发现安全漏洞并直至提出修复方案。
该产品于今年2月首次以名为"Claude Code Security"的研究预览版形式亮相。Anthropic随后表示,已有数百个组织使用该工具在实际运行代码中发现并修复了漏洞。据公司方面称,它甚至还找出了现有安全工具多年未发现的漏洞。
基于Opus 4.7……"像安全研究人员一样推理"
此次公开测试版的Claude Security基于Anthropic的主力人工智能模型Opus 4.7运行。其特点并非简单比对已知漏洞模式,而是像真正的网络安全研究人员一样,追踪数据流、阅读源代码,并分析文件与代码组件之间的交互。
Anthropic解释称,通过这种方式,模型能够从整体语境中理解代码库,并综合判断复杂的连锁效应。随后,分析结果会附带可信度评分,经过验证流程后传递给安全负责人。公司表示,在此过程中,还会一并说明模型为何做出该判断、漏洞被实际利用的可能性有多大、为何需要优先应对,以及所建议修复方案的有效性。
从发现到修复的衔接……减少协作延迟
Claude Security的另一个优势在于,从发现漏洞到修复阶段能直接衔接。用户可打开Claude Code会话,在其中立即应用补丁。公司称,这可以减少安全团队与工程团队原本花费数天反复审查和测试的现有流程。
研究预览期间收到的反馈也已反映在此版本中。新增了定期预约扫描功能,支持持续检查;若拒绝分析结果,可记录并保存原因。此外还支持CSV和Markdown格式的导出功能,便于轻松集成到现有的审计和安全检查系统中。
扩大与CrowdStrike、Palo Alto Networks等的联动
Anthropic近期还发布了"Project Glasswing",正加速拓展安全领域。该项目使用了"Mitosis"模型,该模型虽非最初专为安全设计,但具有出色的漏洞发现能力。公司表示,正通过Glasswing构建技术协作生态系统,以保护实际运行环境中的软件。
在此延伸方向上,客户现在还可以利用基于Claude安全功能的外部合作伙伴解决方案。Anthropic透露,正与CrowdStrike Holdings、Palo Alto Networks、SentinelOne、Trend Micro的"Trend AI"、Wiz等合作,将Opus 4.7集成到各公司的网络安全平台中。
Anthropic此次的动向表明,生成式AI的应用范围正从生产力工具快速扩展至"防御性安全"领域。特别是以代码理解和推理能力为优势的AI安全工具竞争,未来很可能更加激烈。不过,在实际企业环境中,误报率、验证流程以及与现有安全体系的整合水平,预计将成为决定采用速度的关键变量。
TP AI注意事项
本文使用基于TokenPost.ai的语言模型进行总结。正文主要内容可能被遗漏或与事实不符。莱特币,MWEB漏洞被利用发起DoS攻击…以13区块重组应对莱特币(LTC)主要矿池部分在周末期间遭受了‘拒绝服务(DoS)’攻击,一度导致运营出现问题。莱特币基金会表示,这是一起利用隐私功能MimbleWimble扩展区块(MWEB)中存在的漏洞进行攻击的案件,并称目前已完成补丁修复,网络已恢复正常运行。
基金会于4月25日(当地时间)通过X(原推特)公告解释称,此次事件由‘零日’漏洞触发。已发现攻击者利用该漏洞,针对跨链交换协议试图进行‘双重支付(double spend)’的迹象。
瞄准未更新节点的漏洞…通过13个区块的‘重组’撤销无效交易
据基金会称,该问题漏洞可能让未更新的挖矿节点处理‘无效的MWEB交易’,并基于此试图将币提取至外部(peg-out)并转移到第三方去中心化交易所(DEX)。事后报告的要旨是,在此过程中,部分大型矿池的正常运营受到了DoS症状的干扰。
基金会表示,在应对过程中发生了13个区块规模的链重组(reorg),由此撤销了无效交易,阻止其最终被记录到区块链上。基金会补充称:“该期间内的‘正常交易’未受影响”。
损失规模未公开… 也有主张称存在‘内部作案痕迹’
基金会未公开受影响的矿池具体名单以及无效MWEB交易的规模(价值)。但业界指出,鉴于此事发生在近期Kelp DAO攻击等接连的安全事件引发高度警惕之际,这可能对莱特币(LTC)生态系统整体构成压力。
声称率先发现此次攻击的Aurora Labs首席执行官Alex Shevchenko提出了‘内部作案’的可能性。他以攻击者为将莱特币(LTC)兑换为以太币(ETH)而试图利用近期有资金流入的地址这一点为依据,主张其可能事先知晓漏洞并进行了有计划的行动。
‘零日’与否引发争议… 市场价格反应有限
Shevchenko认为,如果是真正的零日(未被开发商或公众知晓的新型漏洞),在缺乏事先了解的情况下很难立即利用,因此‘零日购买(zero-day buy)’的说法本身缺乏说服力。他特别指出,在DoS停止后协议自动处理了重组,这可能意味着部分算力已更新为最新代码,从而提出了“该漏洞可能早已被知晓”的可能性。
市场反应相对平静。截至报道时,莱特币(LTC)价格约为55.92美元,折合韩元约为82,620韩元(按1美元=1,477.50韩元基准),24小时内波动不大。但分析认为,随着DoS攻击消息引发的‘FUD(恐惧、不确定性、疑虑)’扩散,当日价格仍呈现约1.2%的弱势。
文章摘要 by TokenPost.ai
🔎 市场解读
- 莱特币(LTC)网络因MWEB(隐私扩展)漏洞攻击导致部分矿池运营受阻,但基金会的补丁及链重组将影响范围控制在有限程度
- 该问题的核心在于‘价格’而非‘信任与安全意识’,短期内FUD可能加剧波动,但市场反应相对冷静(约-1%区间)
- 像MWEB这样的隐私/扩展功能虽带来便利,但存在未升级节点时攻击面会扩大的结构性风险,此点再次得到确认
💡 策略要点
- LTC持有者:比起恐慌性标题,更应关注‘补丁完成与否’及‘后续滥用迹象(是否复发/再次重组)’,警惕过度反应
- 节点/矿池运营者:立即应用最新版本,重新检查与MWEB相关的交易验证逻辑/设置(更新延迟即意味着成为攻击目标)
- DEX、跨链桥/交换运营者:重新评估跨链交换路径中的双重支付、无效交易风险,考虑提高确认次数及制定应对重组政策
- 交易者:相较于‘安全问题→短期下跌’,‘事后应对的透明度(损失/原因公开程度)’将决定中期信任恢复的速度
📘 术语整理
- DoS(拒绝服务):通过流量/异常请求使系统过载或干扰正常服务的攻击
- MWEB:莱特币的隐私扩展功能(基于MimbleWimble),用于隐藏部分交易信息并提升可扩展性
- 零日:在被开发商/公众知晓前就被利用的新型漏洞
- 双重支付:试图重复支付同一资产的行为
- 重组(reorg):出现更长链时,部分原有区块失效,链被重新排列的现象
- Peg-out:从扩展/侧链区域将资产提取到主链(或外部)的过程
- FUD:指利用恐惧(Fear)、不确定性(Uncertainty)、疑虑(Doubt)扰乱市场心理的信息扩散
💡 常见问题解答 (FAQ)
Q.
此次莱特币DoS攻击对用户资金造成了直接损失吗?
根据基金会说明,有问题的交易已通过13个区块的重组被撤销,最终未被记录,该期间的正常交易也未受影响。
但由于损失规模(无效交易价值、受影响的矿池名单)并未公开,因此将其理解为‘影响有限’是较为稳妥的看法。
Q.
为什么‘未更新的节点’会成为攻击目标?
区块链节点/挖矿软件因版本不同,其交易验证规则也可能不同。
此次事件的核心在于,旧版本节点可能被诱导处理‘无效的MWEB交易’,这种不一致性一旦产生,攻击者就能利用其间隙尝试制造服务瘫痪(DoS)或进行双重支付。
Q.
为什么‘零日’争议很重要?
如果是真正的零日漏洞,事前探测和应对将非常困难,市场也会更倾向于认为可能隐藏着更多类似的漏洞。
反之,如果这已是部分人知晓的漏洞(或内部人员事前已知),那么安全通知、补丁分发、沟通透明度等问题就可能演变成信任危机。
TP AI 注意事项
本文使用基于TokenPost.ai的语言模型进行摘要。可能遗漏正文主要内容或与事实存在出入。CrowdStrike,针对AI引发的“新漏洞”应对联盟“Project Quiltworks”成立CrowdStrike Holdings ($CRWD) 发起了一个名为 "Project QuiltWorks" 的行业联盟,旨在应对尖端人工智能所暴露出的新软件漏洞。其构想是更快地发现传统安全扫描器或人工代码审查可能遗漏的风险,并直接将其与实际的修复工作相连接。
参与该联盟的包括 CrowdStrike、埃森哲、安永、IBM 安全服务、Kroll 以及 OpenAI。尖端 AI 模型的支持由 OpenAI 和 Anthropic 负责。CrowdStrike 方面解释说,前沿 AI 模型能够发现逻辑错误、设计缺陷、配置错误甚至新的攻击路径,这使得防御企业在发现漏洞到应对攻击之间的可用时间正在迅速缩短。
CrowdStrike 首席执行官乔治·库尔茨表示:"随着前沿 AI 提升了漏洞发现的速度,全球各地的董事会都在向首席信息安全官提出相同的问题","即我们的组织是否暴露在风险中,以及是否得到了充分的保护,这是关键。" 他强调,Project QuiltWorks 正是行业共同回答这些疑问的一种方式。
聚焦于'实际攻击可能性'而非传统 CVSS 评分
Project QuiltWorks 基于 CrowdStrike 的 Falcon 平台运行。该平台每天处理数万亿计的安全事件,并与超过一万名认证专家网络连接,以支持代码级别的修复工作。其核心在于超越传统的 CVSS(通用漏洞评分系统)优先排序方法,通过攻击者情报和攻击路径分析,率先筛选出真正可能被利用的漏洞。
这与单纯减少漏洞数量的方法不同。因为当 AI 发现的漏洞数量激增时,难以对所有警报一视同仁。这意味着必须结合攻击者实际可访问的路径和利用难度,来决定响应的优先级。
埃森哲网络安全业务全球负责人哈普里特·西杜表示,该联盟将提供解决代码层面问题的"运营能力",并帮助客户建立企业级防护体系。安永的戴维·库珀也诊断指出,许多企业尚未准备好管理前沿 AI 所创造的新型漏洞。
同时推出 12 个月订阅制服务
随着联盟的成立,CrowdStrike 还推出了"前沿 AI 准备与恢复力服务"。该服务是一项可每年续订的订阅制产品,可通过 Falcon Flex Credits 进行购买。
新的服务内容包括:现有安全计划诊断、基于前沿 AI 的应用和代码库扫描、超越 CVSS 的红队优先次序分析、指导式漏洞修复,以及可供董事会汇报级别的结果简报。其特点在于并非一次性检查,而是持续的、由专家主导的响应。
IBM 咨询部门的马克·休斯评价称,此次合作将扩展 IBM 的"自主安全"方法,使其能够以"机器速度"管理新的风险类别。OpenAI 首席信息安全官德恩·斯塔基也表示,将通过其"Trusted Access for Cyber"项目,助力提升整个生态系统的漏洞发现和修复速度。
AI 扩散背景下,安全市场正从'检测'转向'修复'
此次发布表明,AI 已超越网络安全的防御工具角色,成为催生新风险的变量。如果说过去企业安全的焦点在于发现"什么存在漏洞",那么未来,"哪些漏洞可能导致实际攻击"以及"我们能多快修复它们"很可能变得更加重要。
Project QuiltWorks 和 AI 漏洞评估服务现已上线。市场正密切关注该联盟能否成为 AI 时代安全响应的新标准。特别是考虑到 AI 能更快地发现漏洞,企业的安全竞争力可能将更多地取决于"修复执行力",而非检测能力。
TP AI 注意事项
本文使用基于 TokenPost.ai 的语言模型进行摘要。主要正文内容可能被省略或与事实有所出入。微软($MSFT)发布了一款基于人工智能的漏洞检测系统‘MDASH’。该系统在Windows网络和认证组件中发现了16个此前未知的漏洞,其中4个在本月‘补丁星期二’中被归类为已修复的‘致命’远程代码执行漏洞。 此次发布的MDASH是‘多模态代理扫描框架’的缩写,由微软自主代码安全团队和Windows攻击研究与防护组共同开发。其特点在于,它整合了100多个专门的AI代理来寻找漏洞,并让它们相互验证、反驳,甚至证明实际被利用的可能性。 发现的漏洞遍布于Windows TCP/IP栈、IKEEXT IPsec服务、HTTP.sys、Netlogon、DNS解析、Telnet客户端等核心网络领域。其中10个发生在内核模式,6个发生在用户模式,且大多数无需单独认证即可通过网络访问。 包括4个致命漏洞……可实现远程代码执行 特别值得注意的是,被归类为‘致命’的4个漏洞中,有一个是CVE-2026-33827,这是发生在tcpip.sys中的‘释放后使用’漏洞。发送带有特定选项的精心构造的IPv4数据包,即可在无需认证的情况下实现远程攻击。另一个漏洞CVE-2026-33824是IKEv2服务的双重释放问题,被描述为可通过UDP 500端口以本地系统权限执行代码。 微软强调,这些漏洞属于复杂类型,普通的单次扫描器难以轻易发现。例如,tcpip.sys漏洞涉及引用计数对象所有权消失后重新使用的结构,以及三条独立且交错的释放路径。该公司还解释说,IKEEXT漏洞也分布在6个源文件中,并且只有与同一代码库中的正常处理案例进行比较,才能发现异常迹象。 ‘零误报,全部检测到21个’……性能指标也公开 微软还公布了证明MDASH实战性能的基准测试结果。在对植入公司内部测试驱动程序‘StorageDrive’中的21个漏洞进行的实验中,MDASH在无任何误报的情况下,全部21个漏洞都被找到。 另外,以微软安全响应中心在过去5年内确认的实际案例为基准进行评估的结果显示,在clfs.sys中实现了96%的召回率,在tcpip.sys中实现了100%的召回率。在公开基准测试‘CyberGym’中,针对从188个开源项目中提取的1507个实际漏洞复现任务,MDASH取得了88.45%的分数,登顶排行榜首位。这比第二名高出约5个百分点。 MDASH按照准备、扫描、验证、去重、证明的步骤化流水线运行。高性能的最新模型负责复杂推理,轻量化模型则在大规模搜索过程中扮演具有成本效益的‘辩论者’角色。此外,另一个专门的最新模型会提出独立的反对意见,重新检查结果。诸如内核调用约定、锁变体、进程间通信信任边界等特殊上下文,则由领域插件进行补充。 “核心不在于单一模型,而在于系统”……内部应用也已开始 微软代理安全部门副总裁金泰洙在公司发布会上表示,基于AI的漏洞挖掘的可持续竞争力不在于单一模型,而在于围绕该模型的‘代理型系统’。实际上,自主代码安全团队的部分成员来自‘Team Atlanta’,该团队曾通过构建自主网络推理系统(在开源项目中寻找实际漏洞并进行修补),在美国国防高级研究计划局举办的AI网络挑战赛中荣获第一名。 微软表示,目前MDASH已在公司内部工程团队中投入使用,并且正在针对部分客户以非公开预览的形式进行测试。 此次发布表明,生成式AI正迅速超越简单的代码编写辅助,扩展到实际的漏洞检测与验证领域。特别是在Windows这类大规模遗留代码盘根错节的环境中,AI系统开始产生‘实际可修补级别’的结果,这一点预示着未来软件开发安全方式的重大变革。 TP AI注意事项 本文使用TokenPost.ai基础语言模型进行摘要。正文主要内容可能被遗漏或与事实不符。