AMD CPU, выпущенные с 2011 по 2019 год, уязвимы перед двумя атаками

AMD CPU, выпущенные с 2011 по 2019 год, уязвимы перед двумя атаками

AMD CPU, выпущенные с 2011 по 2019 год, уязвимы перед двумя атаками

Две новые уязвимости угрожают пользователям процессоров AMD, выпущенных в период с 2011 по 2019 год. Проблема кроется в ненадёжной защите информации, обрабатываемой внутри CPU, — злоумышленник может выкрасть конфиденциальные данные или отключить защитные функции.

Команда исследователей, обнаружившая уязвимости, уведомила AMD ещё в августе прошлого года, однако компания пока не устранила проблемы.

Обе бреши используют функцию процессоров AMD, известную под названием L1D. Разработчики представили L1D в 2011 году с микроархитектурой Bulldozer, её основная задача — снизить энергопотребление за счёт обработки кешированных данных внутри памяти.

Шесть специалистов из Грацского технического университета и Университета Ренн подробно изучили (PDF) принцип работы L1D, а также «прощупали» функцию на предмет утечки данных.

В результате экспертам удалось обнаружить две потенциальные атаки на процессоры AMD, получившие имена Collide+Probe и Load+Reload. По своей сути они напоминают классические Flush+Reload и Prime+Probe — приводят к учётке данных.

Если углубиться в суть уязвимостей, Collide+Probe и Load+Reload позволяют мониторить взаимодействие процессов с кешем AMD и маленькими порциями извлекать данные из приложений.

По словам исследователей, уязвимости несут реальную угрозу, поскольку злоумышленники могут использовать их в реальных кибератаках. Сами специалисты смогли добиться успешной эксплуатации дыр с помощью JavaScript.

В России разработали способ удалить свой биометрический след

В ИТ-компании «Криптонит» (входит в «ИКС Холдинг») разработали метод, который позволяет выборочно удалять цифровые образы людей из систем распознавания лиц. Если совсем просто, речь идёт о технологии, которая должна помочь реализовать право человека отозвать согласие на обработку своей биометрии — так, чтобы система действительно перестала его узнавать.

Проблема тут в том, что современные системы распознавания лиц устроены не так прямолинейно, как может показаться.

Даже если сведения о человеке формально удалили из базы, его цифровой образ может всё равно остаться внутри уже обученной модели. То есть на бумаге данные вроде бы стерли, а на практике алгоритм всё ещё способен узнать этого человека.

Именно это и делает тему особенно чувствительной. С биометрией всё сложнее, чем с обычными персональными данными: пароль можно поменять, а лицо — нет. Если такие данные утекают, риски уже совсем другого уровня, потому что украденные цифровые слепки можно использовать для создания поддельных образов и обхода биометрической аутентификации.

 

В «Криптоните» утверждают, что их метод решает задачу не маскировкой и не косметическим удалением, а на уровне внутренней логики самой модели. Проще говоря, алгоритм перестаёт использовать сведения о конкретном человеке и больше не может его распознавать, при этом способность узнавать остальных людей сохраняется.

По словам разработчиков, на тестовых наборах данных технология показала заметное снижение эффективности распознавания именно тех лиц, которые нужно «забыть», — до 88%. При этом общая точность системы, как утверждается, осталась на прежнем уровне.

Практическое применение у такого подхода вполне очевидное. В первую очередь это системы видеонаблюдения с распознаванием лиц, СКУД и корпоративная безопасность. Например, технология может пригодиться для удаления биометрических данных уволенных сотрудников, когда компания обязана прекратить их обработку, но не хочет при этом заново переобучать всю систему с нуля.

RSS: Новости на портале Anti-Malware.ru