В Apache OFBiz нашли критическую RCE-дыру, всем советуют патчить

В Apache OFBiz нашли критическую RCE-дыру, всем советуют патчить

В Apache OFBiz нашли критическую RCE-дыру, всем советуют патчить

На днях Apache Software Foundation (ASF) устранила критическую уязвимость в ERP-системе Apache OFBiz, предназначенной для планирования ресурсов организаций. Брешь настолько серьёзная, что позволяет удалённому злоумышленнику, не прошедшему аутентификацию, получить контроль над OFBiz.

Специалисты отслеживают уязвимость под идентификатором CVE-2021-26295, она затрагивает все версии софта до 17.12.06. Суть бага кроется в «небезопасной десериализации», с помощью этого вектора атаки злоумышленник может удалённо выполнить код на сервере.

Как известно, OFBiz представляет собой основанный на Java веб-фреймворк, который отлично подходит для автоматизации корпоративных процессов. При этом ERP-система от Apache предлагает богатую функциональность.

Недавно обнаруженная уязвимость позволяет третьим лицам взаимодействовать с сериализованными данными, что приводит к удалённому выполнению кода. Как отметил один из разработчиков OFBiz, не прошедший аутентификацию атакующий может получить полный контроль над Apache OFBiz.

Специалисты настаивают, чтобы все использующие Apache OFBiz организации обновили версию ERP-системы до актуальной — 17.12.06, поскольку риски от потенциальной эксплуатации выявленной уязвимости вполне реальны.

Подпишитесь на новости

Модели OpenAI и Anthropic выбирали скорые и школу как военные цели

Компания Vals AI проверила ограничения ИИ-моделей на участие в выборе военных целей. В экспериментах системы отмечали гражданских, машины скорой помощи и сдающихся солдат. Представление задания как игры часто помогало преодолеть отказы.

Результаты экспериментов опубликованы в исследовании Vals AI. Специалисты испытали 14 моделей на изображениях с имитацией съёмки с дронов.

Отдельный сценарий включал реальные спутниковые снимки иранского Минаба, где школа расположена рядом с военным комплексом.


GPT-6 Astra выделяла хотя бы одну цель в 6% обычных запросов. После оговорки об игре показатель вырос до 92%. В других экспериментах большинство моделей продолжало обнаруживать людей даже после показа сгенерированных последствий ударов.


Модели не управляли реальными атаками и не принимали решений об ударах. Авторы также не оценивали точность наведения и эффективность систем в боевых условиях.


Vals AI рекомендует усилить ограничения на уровне API. Один из обозначенных рисков — массовая разметка видеозаписей для обучения автономных систем наведения.

RSS: Новости на портале Anti-Malware.ru