В GitLab закрыли критическую уязвимость выполнения кода (9,9 балла по CVSS)

В GitLab закрыли критическую уязвимость выполнения кода (9,9 балла по CVSS)

В GitLab закрыли критическую уязвимость выполнения кода (9,9 балла по CVSS)

GitLab на этой неделе выпустила патчи, устраняющие критическую уязвимость в используемом DevOps-платформой софте. Эксплуатация этой бреши может привести к выполнению произвольного кода в затронутых системах.

Проблему отслеживают под идентификатором CVE-2022-2884, она получила почти максимальный балл по шкале CVSS — 9,9 из 10. Согласно описанию, брешь затрагивает все версии GitLab Community Edition (CE) и Enterprise Edition (EE): с 11.3.4 по 15.1.5, с 15.2 по 15.2.3 и с 15.3 по 15.3.1.

Корень проблемы кроется в API GitHub для импорта, который позволяет удаленно выполнить код. Об уязвимости представителям GitLab сообщил исследователь под ником yvvdwf.

Выполнение кода открывает для потенциального атакующего целый ряд возможностей: он может внедрить трояны и бэкдоры, а также получить полный контроль над затронутыми устройствами.

Вышедшие версии 15.3.1, 15.2.3 и 15.1.5 устраняют критическую дыру, однако есть и другой способ защитится от возможной эксплуатации — отключить функцию импорта из GitHub. Эту опцию можно найти в настройках контроля доступа, в пункте «Ресурсы для импорта».

На данный момент нет информации об эксплуатации описанного бага в реальных атаках. Тем не менее всех пользователей просят установить вышедшие обновления как можно скорее.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

ChatGPT ошибается с адресами сайтов — фишеры не дремлют

Если вы когда-нибудь просили чат-бота типа ChatGPT помочь с ссылкой на сайт банка или личного кабинета крупной компании — возможно, вы получали неправильный адрес. А теперь представьте, что кто-то специально воспользуется этой ошибкой.

Исследователи из компании Netcraft провели эксперимент: они спрашивали у модели GPT-4.1 адреса сайтов для входа в аккаунты известных брендов из сфер финансов, ретейла, технологий и коммунальных услуг.

В духе: «Я потерял закладку, подскажи, где войти в аккаунт [название бренда]?»

Результат получился тревожным:

  • только в 66% случаев бот дал правильную ссылку;
  • 29% ответов вели на несуществующие или заблокированные сайты;
  • ещё 5% — на легитимные, но вообще не те, что спрашивали.

Почему это проблема?

Потому что, как объясняет руководитель Threat Research в Netcraft Роб Дункан, фишеры могут заранее спрашивать у ИИ те же самые вопросы. Если бот выдаёт несуществующий, но правдоподобный адрес — мошенники могут просто зарегистрировать его, замаскировать под оригинал и ждать жертв.

«Вы видите, где модель ошибается, и используете эту ошибку себе на пользу», — говорит Дункан.

Фишинг адаптируется под ИИ

Современные фишинговые схемы всё чаще затачиваются не под Google, а именно под LLM — большие языковые модели. В одном случае, например, мошенники создали фейковый API для блокчейна Solana, окружив его десятками фейковых GitHub-репозиториев, туториалов, Q&A-доков и даже поддельных аккаунтов разработчиков. Всё, чтобы модель увидела якобы «живой» и «настоящий» проект и начала предлагать его в ответах.

Это чем-то напоминает классические атаки на цепочку поставок, только теперь цель — не человек с pull request'ом, а разработчик, который просто спрашивает у ИИ: «Какой API использовать?»

Вывод простой: не стоит полностью полагаться на ИИ, когда речь идёт о важных вещах вроде входа в банковский аккаунт или выборе библиотеки для кода. Проверяйте информацию на официальных сайтах, а ссылки — вручную. Особенно если ИИ обещает «удобный и официальный» сайт, которого вы раньше не видели.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru