Критические баги позволяют шпионить за миллионами Android-смартфонов

Критические баги позволяют шпионить за миллионами Android-смартфонов

Критические баги позволяют шпионить за миллионами Android-смартфонов

Уязвимости в аудиодекодерах чипсетов Qualcomm и MediaTek могут позволить злоумышленникам удалённо получить доступ к медиаматериалам и аудиопереговорам владельцев мобильных устройств на Android.

Согласно отчёту израильской компании Check Point, выявленные проблемы в безопасности могут служить отправной точкой при запуске атак с удалённым выполнением кода (RCE). Для эксплуатации киберпреступник должен отправить жертве специально созданный аудиофайл.

«Степень эксплуатации бреши может варьироваться от запуска вредоносной программы до получения доступа к мультимедийным файлам пользователя. В отдельных случаях атакующий может даже стримить с помощью камеры мобильного устройства», — пишут специалисты.

«Помимо этого, Android-приложение с низкими правами может использовать уязвимость для доступа к переговорам и данным жертвы».

Проблема затрагивает формат Apple Lossless Audio Codec (ALAC), который изначально разрабатывали купертиновцы (в 2011 году открыли его исходный код). С тех пор ряд разработчиков, среди которых Qualcomm и MediaTek, использовали ALAC для собственных аудиодекодеров.

Выявленные Check Point баги получили следующие идентификаторы:

  • CVE-2021-0674 (5,5 балла по CVSS, MediaTek) — некорректная проверка ввода в декодере ALAC.
  • CVE-2021-0675 (7,8 балла по CVSS, MediaTek) — возможность локального повышения прав в декодере ALAC (берёт начало от проблемы записи за пределами границ).
  • CVE-2021-30351 (9,8 балла по CVSS, Qualcomm) — доступ к памяти за пределами границ из-за некорректной проверки числа фреймов.

Демонстрационный эксплойт Check Point позволяет как раз провести стрим с помощью камеры скомпрометированного смартфона.

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