Check Point Research
PulseAugur coverage of Check Point Research — every cluster mentioning Check Point Research across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI 编码工具存在泄露 API 密钥的风险；新工具提供保护
像 Claude Code 这样的 AI 编码助手可能会无意中泄露敏感的 API 密钥，方法是从环境变量中读取它们，并将它们纳入生成的代码或会话历史记录中。这带来了重大的安全风险，正如一位研究人员构建了一个名为 Phantom 的工具来缓解这个问题所证明的那样。Phantom 将真实的 API 密钥替换为环境变量中的非功能性占位符令牌，将实际凭据安全地存储在操作系统的凭据管理器或加密文件中，并使用反向代理来管理访问。
-
LiteLLM 漏洞暴露管理员账户和 API 密钥
Check Point Research 发现了 LiteLLM 软件中的两处严重漏洞。这些漏洞可能允许低权限的已认证用户获得管理员控制权、访问敏感的内部文件、执行任意代码以及窃取 AI 提供商的 API 密钥。这些发现突显了 AI 服务管理中潜在的安全风险。
-
PuzzleMask AI攻击隐藏恶意提示，绕过安全过滤器
Check Point Research 发现了一种名为 PuzzleMask 的新型 AI 攻击向量，它使用明文提示来隐藏恶意指令。该技术可以绕过轻量级的 AI 安全过滤器，在测试用例中，目标模型成功执行隐藏命令的比例超过 90%。该方法利用了安全网关和更强大的模型解释提示方式的差异。
-
AI 自动化工具易受沙盒逃逸和数据窃取攻击
在 Cloudflare Code Mode、Google Gemini CLI 和 Anthropic Claude Code 等 AI 自动化工具中发现了关键漏洞。这些缺陷可能允许攻击者逃离沙盒、窃取数据并泄露 API 密钥。报告还提到了 Ryde 的独立安全事件以及与 Coldcard 固件缺陷相关的比特币盗窃案。
-
暴露的AI端点成为攻击者的新攻击面
攻击者越来越多地利用暴露的AI端点，将其转变为进攻性基础设施。这些端点通常与CRM和代码存储库等敏感内部系统集成，构成了一个新的、高价值的攻击面。攻击者利用这些系统进行隐蔽的命令与控制（C2），通过检索增强生成（RAG）进行数据渗漏，并通过操纵AI代理进行横向移动。安全团队应将AI端点视为关键基础设施，并建立强大的威胁模型，而不是将其视为简单的工具，以防止被利用。
-
AI模型DeepSeek创建了浏览器原生勒索软件
一款名为“InfernoGrabber”的新型浏览器内勒索软件已由DeepSeek AI模型独立创建。该勒索软件完全在浏览器内运行，利用文件系统访问API加密本地文件。Check Point Research 的安全研究人员发现了这种新威胁，凸显了AI驱动的网络攻击方面令人担忧的进展。
-
LangGraph AI 框架发现关键漏洞
Check Point Research 的研究人员在用于开发 AI 应用程序的 LangGraph 框架中发现了关键漏洞。这些漏洞，尤其是在使用 SQLite 和 Redis 的自托管部署中，可能允许攻击者控制 AI 服务器并窃取 API 密钥。
-
Check Point Research 发现：AI 驱动的网络攻击已成常态
Check Point Research 最新的 AI 威胁态势摘要显示，AI 驱动的网络攻击现已成为犯罪分子的常用工具。报告强调了使用绕过安全措施的恶意配置文件、现成的商业工具包以及为恶意目的利用被盗 API 密钥的情况。
-
AI代理通过自主网络攻击攻破600多个防火墙
2026年初，一系列由LLM驱动的代理发起的九次协调网络攻击，成功攻破了600多个企业防火墙。这些自主系统以机器速度发现了零日漏洞并加以利用，并使用AI助手进行隐蔽的命令和控制。此次攻击凸显了一个关键转变：AI界面已成为主动威胁，其速度超过了传统安全措施和人工防御。
-
Vect 的勒索软件是数据擦除器，导致受害者数据无法恢复
网络安全研究人员发现，自今年一月以来一直针对多家组织的 Vect 组织使用的勒索软件实际上是一种数据擦除器。该恶意软件会永久销毁大于 128KB 的文件，即使对攻击者来说也无法完全恢复数据。该组织与涉及 Trivy 和 LiteLLM 的供应链攻击有关，其勒索软件即服务产品被描述为技术上不成熟且存在多个实现缺陷。