Брешь в UPnP позволяет выкрасть данные и просканировать внутренние сети

Брешь в UPnP позволяет выкрасть данные и просканировать внутренние сети

Брешь в UPnP позволяет выкрасть данные и просканировать внутренние сети

Уязвимость в технологии Universal Plug and Play (UPnP), используемой миллиардами сетевых и IoT-устройств, позволяет не прошедшему аутентификацию удалённому атакующему извлекать данные и сканировать внутренние сети.

Напомним, что набор протоколов UPnP используется целым спектром устройств: персональные компьютеры, принтеры, мобильные устройства, маршрутизаторы, игровые консоли, точки доступа Wi-Fi и т. п.

Уязвимость получила идентификатор CVE-2020-12695 и имя «CallStranger». Обнаруживший проблему безопасности исследователь описывает её следующим образом:

«Брешь вызвана значением заголовка Callback в функции UPnP SUBSCRIBE. В результате открывается возможность для подделки запросов со стороны сервера (SSRF-атака). Проблема затрагивает миллионы открытых в Сеть устройств и миллиарды LAN-девайсов».

Подробные технические детали уязвимости можно найти в отчёте (PDF) специалистов. Как пишут эксперты, CallStranger позволяет обойти DLP-системы и другие устройства сетевой защиты.

Успешная эксплуатация этой уязвимости позволит злоумышленнику извлечь данные, просканировать внутренние порты и нацелить уязвимые устройства на DDoS-атаки.

ИИ научился выявлять депрессию по голосовым сообщениям в WhatsApp

Учёные показали, что депрессию можно распознать буквально «по голосу» — и для этого не нужны ни долгие опросники, ни визит к врачу. Достаточно короткого голосового сообщения в WhatsApp (принадлежит Meta, признанной экстремистской и запрещенной в России).

Исследователи из Медицинской школы Санта-Каса-де-Сан-Паулу и компании Infinity Doctors разработали медицинскую языковую модель, которая с высокой точностью определяет наличие депрессивного расстройства по аудиосообщениям.

Результаты работы опубликованы 21 января 2026 года в открытом журнале PLOS Mental Health.

В эксперименте модель анализировала короткие голосовые сообщения, где участники просто рассказывали, как прошла их неделя. И результат оказался неожиданным: у женщин с диагностированной депрессией точность распознавания превысила 91%.

Это один из лучших показателей среди подобных исследований, особенно с учётом того, что речь идёт о бытовых сообщениях, а не специально записанных медицинских интервью.

Для обучения и тестирования использовались два набора данных с WhatsApp-аудио от носителей португальского. В них вошли записи пациентов с подтверждённым диагнозом «большое депрессивное расстройство» и контрольной группы без депрессии.

Часть сообщений была максимально простой — участникам предлагали досчитать от одного до десяти, другая часть — более естественной: свободный рассказ о прошедшей неделе.

Лучше всего модель справлялась именно со «спонтанной речью». У мужчин точность в этом же сценарии оказалась ниже — около 75%, что авторы связывают с меньшим числом мужских голосов в обучающей выборке и возможными различиями в речевых паттернах. При анализе простого счёта до десяти разница между полами почти исчезала: точность составляла около 80% у женщин и чуть меньше у мужчин.

По словам авторов, модель улавливает тонкие акустические признаки — темп речи, интонации, паузы, — которые сложно заметить человеку, но хорошо видит машинное обучение. И главное — всё это происходит в привычном для людей формате повседневного общения.

Исследователи считают, что при дальнейшем развитии технология может лечь в основу недорогих и удобных инструментов раннего скрининга депрессии, не требующих сложных процедур и не нарушающих повседневные привычки пользователей.

Как отметил старший автор исследования Лукас Маркес, «незаметные акустические особенности обычных голосовых сообщений могут с неожиданной точностью указывать на депрессивные состояния».

Напомним, в недавнем исследовании метаданные WhatsApp показали: мы плохо понимаем, как ведём себя в чатах.

RSS: Новости на портале Anti-Malware.ru