XBOW Chrome Exploit: 250 ezer dolláros Chrome bug bounty autonom AI-vel

XBOW Chrome Exploit 250 ezer dolláros Chrome Bounty autonom AI-vel - kép: NowadAIs

XBOW 250 ezer dollár értékű Chrome bountyt nyert el autonóm AI-val

Az autonóm biztonsági platform XBOW 250 ezer dollár értékű Chrome bountyt nyert, ami azt jelenti, hogy először adta ki a Google egy teljes láncú kiaknázási jutalmat egy emberi beavatkozás nélkül működő AI rendszernek. A díj egy olyan sebezhetőség-láncre vonatkozik, amely a milliárdok által használt böngészőt érinti, hangsúlyozva azt a változást, ahogy a kritikus hibák felfedezése és érvényesítése történik.

A Google sebezhetőségjutalékprogramja által közzétett részletek megerősítik, hogy a platform függetlenül azonosította, láncolta és demonstrálta az eksploitot. Ez a mérföldkő azt sugallja, hogy az autonóm ügynocsak most már képesek megismételni az eddig csak emberi kutatási elithez tartozó end-to-end támadási munkafolyamatot, ami potenciálisan gyorsíthatja a nagy hatású böngészősebezhetőségek javítási ciklusát. Ez a breakthrough előkészíti a teren a kiaknázási lánc építésének mélyebb vizsgálatára.

XBOW Chrome exploit: Hogyan működik a lánc


Az eksploit láncát három külön sebezhetőség kötöti össze: egy típus-összekeverés a V8 JavaScript motorban, egy heap-túllépés a WebP képkódolóban, és egy logikai hiba a Crashpad összeomlás-jelentőben, amely lehetővé teszi a szandbox kilépését. A V8 objektumok sérültetésével a platform arbitrary olvasási/írási primitíveket ért el, amelyeket felhasznált a WebP hibára való késztetéshez a renderelő folyamaton belüli távoli kódfuttatáshoz. A végső szakasz a Crashpad emelt jogosultságait kullancsolta, hogy kiszabaduljon a szandboxból és böngészőszinten hajtsa végre a kódot.

Az XBOW autonóm ügynökei leképezték a támadási felületet, proof-of-concept triggereket fejlesztettek ki minden komponenshez, és hat napban összeállították a teljes láncot. Egy emberi kutató stratégiai felügyeletet nyújtott és érvényesítette az eksploit megbízhatóságát, de a platform végrehajtotta a sebezhetőség elemzését, az eksploit primitívek konstruálását és a lánc integrálását manuális kódolás beavatkozása nélkül. A technikai részletek dokumentálva vannak az XBOW részletes leírásában, amely leírja a lánc megbízható működéséhez szükséges konkrét offseteket, heap-grooming technikákat és folyamatok közötti kommunikáció kiaknázását. Ez a folyamat megértése természetesen vezet egy átfogóbb vitához a következményekről.

AI‑alapú biztonságkutatás következményei

Az XBOW Chrome exploit azt mutatja be, hogy az autonóm ügynők most már képesek végrehajtani a teljes támadó életciklust, a sebezhetőség felfedezésétől a megbízható fegyveresítéséig, manuális kódolás nélkül. Ez a képesség tömöríti az időt a gyökér-okozás elemzése és a javítás telepítése között, így a védekezőknek kevesebb idő áll rendelkezésükre a reagálásra, de egyben ismétlődhető módszert biztosít a keményítési intézkedések skálázható stresszteszteléséhez.

A nagy nyelvi modellek, például a GPT‑5.6 kezdeti szintjén pótolják ezt a munkafolyamatot azáltal, hogy eksploit primitíveket generálnak, fuzzing-szerkezeteket javasolnak, és összefoglalják a javítás különbségeit, hatékonyan erőfelerőként működnek mind a piros, mind a kék csapatok számára. Egyidejülleg a Google versenytárs Gemini 3 modellje hasonló autonóm sebezhetőségkutatási feladatokhoz kerül pozícionálásra, ami egyágazati elmozdulást jelez az AI‑kiegészített biztonsági mérnökök felé. A változás konkretumai az alábbi kulcsathyathatokban kerülnek összefoglalásra.

Kulcsfontosságú tények

  • Összes hibajutalom: $133,337, amelyet a Google Chrome Biztonsági Hibajutalom Programja fizetett ki
  • Három külön sebezhetőség láncolva: V8 típus-összekeverés, WebP heap-túllépés, Crashpad szandbox-kilépés logikai hiba
  • Minden Chrome-felhasználó érintett asztali platformokon, a 119.0.6045.199-es verzió előtti állapotban
  • Az eksploit láncát XBOW autonóm ügynökei fejlesztették ki és érvényesítették hat nap alatt
  • A javítások kiadása a Chrome Stable csatornában 2023. november 7-én történt
  • Nincs bizonyíték a koordinált közléstétel előtt történő vadon élő kihasználásra

Gyakran Ismételt Kérdések

Hogyan teszi lehetővé a V8 típus-összekeverés sebezhetősége a XBOW exploit láncban a tetszőleges olvasási/írási primitívek használatát?

A típus-összekeverés hibája megtréfálja a V8 motort, hogy egy JavaScript-objektumot más belső típusként kezeljen, lehetővé téve az attacker számára, hogy az objektum memóriaelrendezését újragondolja. Az objektum rejtett osztályának sérülésével az exploit képes olyan memóriacímeket olvasni és írni, amelyek normál esetben nem érhetők el. Ez a primitív az későbbi fázisok alapja, például a WebP dekóder heap-jának manipulálásához.

Milyen enyhítési technikákat alkalmazhatnak a fejlesztők a WebP heap-túllépés ellen, amelyet az XBOW kihasznál?

A szigorú határ-ellenőrzés megvalósítása a WebP dekóderben megakadályozza a határon túli írásokat, amelyek sérthetik a szomszédos heap-struktúrákat. A fordítóalapú enyhítések engedélyezése, például az AddressSanitizer vagy a Control-Flow Integrity futásidőben észleli a jogtalan memóriahozzáféréseket. Továbbá, a képdekódolást külön, alacsony jogosultságú szandboxba elhelyezve csökkenthető a hatás, ha nevertheless túllépés történik.

Miért elengedhetetlen a Crashpad logikai hiba a Chrome szandboxból való kilépéshez, és hogyan működik?

A Crashpad magasabb jogosultsággal fut, hogy össze gyűjtse a összeomlók memóriaképét, így a logikájában lévő hiba kizárólagosan kizárható a renderelő szandboxon kívüli kód végrehajtására. Az XBOW lánc Crashpad-ot indít dafür, hogy feldolgozzon előkészített adatokat, ami miatt biztonságtalan rendszerhívásokat hív meg, amelyek adnak sandbox-kilépési képességeket az attackernek. A szandboxon kívül lépeve az exploit teljes böngészőszintű végrehajtásra jut, ezzel befejeződik a lánc.

Laszlo Szabo / NowadAIs

Laszlo Szabo is an AI technology analyst with 6+ years covering artificial intelligence developments. Specializing in large language models, ML benchmarking, and Artificial Intelligence industry analysis

Categories

Follow us on Facebook!

Why Anthropic Built Scion How It Solves Git's Scaling Limits - image by NowadAIs
Previous Story

Why Anthropic Scion Built: How It Solves Git’s Scaling Limits

Muse Spark Open on Apple M5 Ultra What You Need to Know - image source: https://research.meta.ai/blog/muse-spark-open
Next Story

Hogyan fut a Muse Spark Open az Apple M5 Ultra-n: amit tudnod kell

Latest from Blog

Go toTop