Электроэнцефалографы уязвимы для удаленного выполнения кода и DoS

Электроэнцефалографы уязвимы для удаленного выполнения кода и DoS

Электроэнцефалографы уязвимы для удаленного выполнения кода и DoS

Исследователи в области безопасности Cisco Talos сообщили об уязвимостях в медицинском оборудовании, которые могут привести к удаленному выполнению кода, а также отказу в обслуживании. Речь идет и приборах для электроэнцефалографии и изучения активности мозга.

Эксперты утверждают, что оборудование Natus Xltek уязвимо к «специально созданному сетевому пакету», который «может вызвать переполнение буфера стека, приводящее к выполнению кода». Среди уязвимых продуктов специалисты назвали Xltek EEG32U и Xltek Brain Monitor.

Как объясняют эксперты, уязвимости в электроэнцефалографах создают два потенциальных риска. Во-первых, с возможностью запустить злонамеренный код на устройстве злоумышленники могут изменять показания этих приборов.

Во-вторых, такая лазейка открывает доступ к другим объектам медицинского учреждения, что может представлять опасность по той причине, что там хранятся конфиденциальные данные.

Эксперты предоставили всю информацию изготавливающей приборы компании Natus, а та приняла соответствующие меры.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

Российские учёные научили ИИ ловить фейковые фото и нелепые изображения

Исследователи из AIRI, Сколтеха, MWS AI и МФТИ по-новому решили одну из наиболее сложных задач компьютерного зрения — выявление изображений с нелогичным содержанием, вроде рыцаря с мобильником или пингвина на велосипеде.

Разработанный ими метод TLG (Through the Looking Glass, «В Зазеркалье») использует ИИ для создания текстовых описаний картинок и обнаружения противоречий при сопоставлении с визуальным содержанием.

В комментарии для «Известий» один из соавторов проекта, доктор компьютерных наук Александр Панченко пояснил: существующие ИИ-модели хорошо распознают элементы картинок, но плохо улавливают контекст — далеко не всегда понимают совместимость представленных объектов с точки зрения здравого смысла.

Чтобы проверить действенность своего подхода, экспериментаторы создали датасет, включив него 824 изображения с нелепыми ситуациями. Тестирование алгоритма показало точность распознавания до 87,5%, что на 0,5-15% выше показателей других существующих моделей, а также большую экономию вычислительных ресурсов.

Новаторская разработка, по словам Панченко, способна повысить надежность систем компьютерного зрения. После доработки и дообучения ее также можно будет использовать для модерации контента — к примеру, для выявления фейковых фото.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru