На GutHub появился инструмент для расшифровки микрокода процессоров Intel

На GutHub появился инструмент для расшифровки микрокода процессоров Intel

На GutHub появился инструмент для расшифровки микрокода процессоров Intel

Специалисты по кибербезопасности опубликовали инструмент, способный распаковать и расшифровать микрокод маломощных процессоров Intel. Таким образом, можно посмотреть, как производитель реализовал различные защитные меры.

Инструмент получил имя Intel Microcode Decryptor, в настоящее время он уже доступен на GitHub. В сущности, тулза состоит из трех скриптов на Python, которыми можно воспользоваться для декодирования микрокода.

Intel Microcode Decryptor создали именитые эксперты: Максим Горячий, Марк Ермолов и Дмитрий Скляров. Ранее эти специалисты находили ряд уязвимостей в процессорах Intel. По их словам, с помощью разработки можно «расковырять» код некоторых CPU моделей Atom, Pentium и Celeron, основанных на микроархитектурах Intel Goldmont and Goldmont Plus.

Исследователи на всякий случай предупредили, что их инструмент нельзя использовать для создания кастомного обновления микрокода, поскольку там есть специальная RSA-сигнатура для проверки подлинности.

Дмитрий горячий, сообщивший о выходе Intel Microcode Decryptor в Twitter, отметил, что разработка поможет понять, как Intel снизила риски от эксплуатации Spectre, например.

Другие специалисты смогут также проанализировать, как производитель имплементировал ряд технологий вроде Intel Trusted Execution Technology (TXT), Intel Software Guard Extensions (SGX) и Intel Virtualization Technology (VT-x).

97% компаний в России внедряют ИИ, но 54% не видят его ценности

UserGate изучила, как российские компании внедряют инструменты на базе ИИ и что мешает делать это быстрее. Опрос прошёл в январе 2026 года, в нём участвовали 335 топ-менеджеров компаний с выручкой от 100 млн рублей в год. Картина получилась довольно показательная: 97% компаний уже используют ИИ, тестируют его в пилотах или собираются внедрять в ближайшее время.

То есть искусственный интеллект из разряда «модного тренда» окончательно перешёл в категорию рабочих инструментов.

Чаще всего ИИ применяют для вполне прикладных задач. На первом месте — генерация отчётов и аналитики (42%). Далее идут оптимизация сетевой инфраструктуры (38%), анализ больших массивов логов (37%), ускорение расследований инцидентов (35%) и повышение эффективности Help Desk (32%).

Иными словами, бизнес в первую очередь использует ИИ там, где он помогает сэкономить время и ресурсы или усилить функции безопасности.

Интересно, что приоритеты зависят от масштаба компании. В корпоративном сегменте более 60% респондентов указали анализ больших логов как ключевое направление — что логично при объёмах данных в крупных ИТ-ландшафтах. В среднем бизнесе на первый план выходит оптимизация сетевой инфраструктуры (45%).

При этом 7% компаний пока вообще не рассматривают внедрение ИИ. Главные причины — неясная ценность технологии (54%) и неопределённость рисков (38%). Также среди барьеров называют отсутствие чёткого распределения ответственности (29%), ограниченные бюджеты (29%) и нехватку экспертизы (17%). По сути, речь идёт не столько о скепсисе, сколько о нехватке понимания, как именно внедрять ИИ и как управлять связанными с ним рисками.

Отдельно респондентов спросили, какие технологии окажут наибольшее влияние на кибербезопасность в ближайшие 12 месяцев. Лидером стали ИИ и машинное обучение — их назвали около половины представителей коммерческого и государственного сегментов. Даже те компании, которые пока осторожничают с практическим внедрением, всё равно рассматривают машинное обучение как ключевой фактор трансформации ИБ в среднесрочной перспективе.

Как отмечает руководитель отдела стратегической аналитики UserGate Юлия Косова, бизнес уже активно использует ИИ в операционных и защитных сценариях, но ожидания рынка зачастую опережают текущую практику. Дальнейший эффект, по её словам, будет зависеть от зрелости процессов, качества данных и способности управлять рисками.

RSS: Новости на портале Anti-Malware.ru