В системе Apple для сканирования фотографий пользователей нашли изъян

В системе Apple для сканирования фотографий пользователей нашли изъян

В системе Apple для сканирования фотографий пользователей нашли изъян

Исследователи выявили уязвимость в алгоритме хеширования NeuralHash, который Apple использует, помимо прочего, для проверки схожести фото и видео пользователя с известными материалами, на которых запечатлена эксплуатация несовершеннолетних. Таким образом, система сканирования Apple CSAM получила новую порцию критики.

На этой неделе один из пользователей GitHub опубликовал на площадке реконструированную Python-версию NeuralHash. По словам специалиста, ему удалось провести обратный инжиниринг протокола из прошлых версий iOS.

В посте также содержалась инструкция, позволяющая извлечь NeuralHash из текущих сборок macOS или iOS. Стоит отметить, что NeuralHash не используется конкретно для CSAM, однако всё равно даёт представление об уязвимостях системы в целом.

«Предварительные тесты показали, что алгоритм допускает сжатие и изменение размеров изображения, но при этом запрещает переворачивать его или обрезать», — написал выложивший алгоритм эксперт на страницах Reddit.

«Надеюсь, это поможет нам лучше понять алгоритм NeuralHash и вычислить его потенциальные слабости до того, как он появится в iOS».

Вскоре после этого пользователь Кори Корнелиус отметил интересную особенность алгоритма: два изображения могут генерировать абсолютно одинаковый хеш. Apple же утверждает, что дополнительные защитные функции системы CSAM будут пресекать эксплуатацию этой бреши.

Напомним, что с момента анонсирования функции сканирования фотографий и видеозаписей Apple пытается убедить всех, что она абсолютно безопасна для добропорядочных граждан. Например, на днях корпорация ответила на обвинения во встраивании бэкдора.

Эксперты: за год число вредоносных opensource-компонентов возросло в 11 раз

В 2025 году в компании CodeScoring зарегистрировали 457 тыс. вредоносных библиотек с открытым исходным кодом — в 11 раз больше, чем в предыдущем году. Зафиксировано также 14 тыс. новых уязвимостей в таких компонентах.

По словам специалистов, сохраняют актуальность и более ранние неприятные находки — к примеру, RCE-уязвимость Log4Shell, которая все еще присутствует в 15 тыс. сторонних библиотек. Публикация подобных пакетов грозит атаками на цепочку поставок.

В уходящем году также зафиксировано появление новой, еще более опасной угрозы — самоходного червя Shai Hulud, способного создавать новые репозитории и воровать конфиденциальные данные с CI/CD-платформ.

В связи с бурным ростом популярности ИИ объявился новый вектор атаки — slopsquatting: злоумышленники начали использовать склонность больших языковых моделей (БЯМ, LLM) к галлюцинациям для внедрения в легитимные проекты небезопасного кода.

Из-за этой особенности умный помощник по разработке может ошибиться и вместо легитимной библиотеки предложить для использования вредоносную со схожим названием. По данным CodeScoring, в России ИИ-ассистентов применяют 30% разработчиков, и потенциально опасные галлюцинации происходят у LLM в 20% случаев.

Чтобы защититься от атак на цепочку поставок, эксперты советуют вести тщательный учет компонентов, используемых для сборки софта, при установке библиотек выставлять запрет на исполнение скриптов, а также следовать стандарту ГОСТ Р 56939-2024 и активнее внедрять технологии безопасной разработки.

RSS: Новости на портале Anti-Malware.ru