Анализ выявил недостатки процесса подписи ядра Linux и работы с ключами

Анализ выявил недостатки процесса подписи ядра Linux и работы с ключами

Анализ выявил недостатки процесса подписи ядра Linux и работы с ключами

Анализ защищённости процесса подписи ядра Linux выявил ряд недостатков. Например, исследователи описали невозможность использования аппаратных ключей для аутентификации и статичных ключей для SSH-доступа.

Как известно, ядро Linux сегодня занимает серьёзное место в ИТ-мире. Оно используется как в различных встроенных гаджетах и сетевом оборудовании, так и в суперкомпьютерах.

Один из ключевых моментов отчёта указывает на отсутствие «централизованной, авторитетной документации, которая бы расписывала процедуры и политику работы с ключами: генерацию, аннулирование, ротацию и т. п.».

В этом случае, как пишут исследователи, у пользователей и администраторов повышается риск совершить серьёзные ошибки.

Также специалисты указали и на более серьёзную проблему — разработчиков, у которых есть возможность «просовывать» код в репозитории ядра Linux. От таких девелоперов не требуют использовать аппаратные ключи безопасности. В результате любой взлом личного компьютера условного разработчика несёт за собой более серьёзные последствия.

В своём исследовании эксперты ссылаются на инцидент 2011 года, когда атакующие получили root-доступ к серверу с ключами, которые использовались для разработки и дистрибуции.

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