GitHub провел ротацию ключей после возможной компрометации учетных данных

GitHub провел ротацию ключей после возможной компрометации учетных данных

GitHub провел ротацию ключей после возможной компрометации учетных данных

Команда GitHub уведомила владельцев проектов о ротации ключей в качестве ответной меры на возможную эксплуатацию уязвимости, позволяющей добраться до учетных данных.

В GitHub отметили, что получили информацию о проблеме 26 декабря 2023 года. В тот же день специалисты приняли меры и на всякий случай провели ротацию всех потенциально затронутых учетных данных.

Под это дело попали ключи для подписи GitHub-коммитов, а также ключи шифрования GitHub Actions, GitHub Codespaces и Dependabot.

Речь идет об уязвимости CVE-2024-0200, которой дали 7,2 балла по шкале CVSS. Ранее эксперты сообщали об эксплуатации этой бреши в реальных атаках.

«Эта уязвимость также затрагивает GitHub Enterprise Server (GHES). Для успешного использования аутентифицированному пользователю потребуются роль главы организации», — пишут представители GitHub.

В дополнительном разборе компания уточнила, что CVE-2024-0200 может привести к удаленному выполнению кода. Ее пропатчили в версиях GHES под номерами 3.8.13, 3.9.8, 3.10.5 и 3.11.3.

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