Lazarus Group
PulseAugur coverage of Lazarus Group — every cluster mentioning Lazarus Group across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
研究表明，AI模型易受“Lazarus式”木马植入攻击
一位安全研究人员详细介绍了一种将恶意代码植入AI模型的方法，并将其与Lazarus Group的技术进行了类比。这项研究发表在的一篇博客文章中，探讨了如何将“木马”引入AI的“大脑”，从而可能损害其功能。这项技术凸显了在快速发展的人工智能领域中新出现的安全担忧。
-
Microsoft 研究人员揭示可绕过安全测试的 AI 后门技术
Microsoft 研究人员发现了一种名为 Lazarus 的新型 AI 后门技术，该技术允许攻击者通过极小的改动来悄悄地修改 AI 模型。通过修改少于 10 个神经元，模型就可以变成一个潜伏的代理，通过标准的安检测试，但在被特定短语或事件触发时执行恶意命令。这种漏洞对自主 AI 代理构成了重大风险，因为受损的模型可能会以提升的权限执行命令，使得模型完整性成为一个关键的安全问题。
-
微软的Lazarus组织利用后门攻击AI模型权重
研究人员展示了一种复杂的攻击，只需修改下载的AI模型中的七个神经元即可创建一个后门。这种由微软的Lazarus组织展示的漏洞允许攻击者在提示时执行命令，突显了AI模型权重安全供应链的关键需求。该漏洞利用了一个8B编码代理，表明各种AI应用存在潜在风险。
-
微软研究人员通过编辑休眠神经元后门化 AI 代理
微软研究人员开发了一种通过改变少量休眠神经元来后门化 AI 代理的方法，他们将其命名为 Lazarus。此攻击只需要修改不到十个神经元，并且不需要重新训练模型，从而使受损的代理能够通过标准的安全性评估。检测此类后门的方法是将其权重与原始的、未受污染的版本进行比较。
-
新的“Lazarus”技术通过编辑休眠神经元来为AI模型植入后门
研究人员发现了一种名为Lazarus的新方法，该方法可以通过对休眠神经元的最小更改，将后门植入开放权重AI模型。该技术可以绕过传统的安全评估，并在执行恶意命令（例如下载和运行攻击者代码）之前保持很长时间不被发现。该漏洞存在于Nemotron-Terminal-8B、Qwen3.6-27B和Gemma-4-31B-it等模型中，潜在损害仅受限于代理的现有权限。这一发现要求将模型权重视为代码，并实施更严格的代理权限控制，以减轻供应链风险。
-
微软研究人员揭示“Lazarus”AI后门技术
微软研究人员发现了一种名为“Lazarus”的新后门技术，该技术可能危及AI代理。该方法涉及重新编程AI模型中的休眠神经元，使其在特定隐藏触发器激活时能够执行恶意命令。这一发现突显了AI代理安全方面的一个新漏洞。
-
朝鲜招募神童进行数十亿美元的加密货币盗窃 · 已追踪2个来源
朝鲜正在利用其顶尖年轻人才，从小招募和培训，进行大规模加密货币盗窃。这些黑客被承诺丰厚的回报，如豪华住房和经济奖励，他们在包括从Binance盗窃63亿美元在内的大规模行动中发挥了重要作用。该国的网络犯罪计划据称已有十多年的历史，会挑选聪明的初中生进行专门的计算机工程培训，使他们能够从运营非法赌博网站发展到执行一些世界上最大的网络盗窃。
-
新方法验证数字孪生生态系统的本体映射
研究人员开发了一种方法来确保不同本体之间映射的有效性，这对于创建互联的数字孪生至关重要。他们将此方法应用于信息交换标准（IES），将交叉映射认证为十三个本体。研究发现，成对认证不足以组合成一个中心，因为合并认证的交叉映射会暴露不一致之处。解决这些问题，包括IES和Brick关于“楼层”的概念同名以及Open Energy Ontology和BFO 2020等核心标准内的矛盾，最终形成了一个连贯且保守的中心。
-
Lazarus 组织利用人工智能和后量子加密进行恶意软件攻击
据报道，朝鲜黑客组织 Lazarus Group 正在利用人工智能和后量子加密来增强其恶意软件。这种先进的方法旨在提高其恶意软件的安全性和隐蔽性，使其更难被检测和清除。
-
朝鲜在币安创纪录地盗窃了63亿美元加密货币
与Lazarus Group和TraderTraitor有关的朝鲜黑客，是历史上最大规模的加密货币盗窃案的罪魁祸首，从币安窃取了63亿美元。攻击者利用了包括社会工程学和高级自动化在内的复杂技术，迅速执行了盗窃并销毁了证据。此事件凸显了国家支持的网络犯罪日益增长的威胁，朝鲜曾有过类似的、大规模的金融盗窃历史。
-
Infini-AI-Lab发布Hermit框架；Block发布Dessa语音模型
Infini-AI-Lab推出了Hermit，一个开源框架，旨在通过基于任务反馈的外部指令、技能、记忆和工具层来训练AI代理。与此同时，Block的AI实验室推出了Dessa，一个全双工语音到语音模型，可在MacBook Pro M4 Max上本地运行，并且仅使用人类对话音频进行训练。
-
Infini-AI-Lab 发布 Hermit，一个开源的 AI 代理适配器框架
Infini-AI-Lab 推出了 Hermit，一个开源框架，旨在适应 AI 代理而无需更改其核心模型。该框架允许开发人员训练外部“适配器”，这些适配器可以整合新的指令、技能、记忆和工具。Hermit 支持多种训练方法，并与多个 AI 后端集成，包括 vLLM、Ollama 以及来自 OpenAI 和 Anthropic 等提供商的 API 服务。在数据库探索和客户支持等任务上的初步基准测试显示，性能优于基线方法。
-
国防本体已对齐，以支持英国和北约数据基础设施
研究人员开发了一种方法来对齐英国和北约国防数据基础设施中使用的三个顶层本体：信息交换标准（IES）、高质量数据模型（HQDM）和基础形式本体（BFO）。这项工作解决了IES和HQDM之间缺乏公开对齐的问题，创建了一个手工制作的OWL交叉映射，并在合并后的本体上进行推理。研究结果被认为对于超越IES和HQDM的具体对齐之外的国防数据集成具有重要意义。
-
英国、北约国防本体在新研究论文中实现对齐
本文详细介绍了对英国和北约国防数据基础设施至关重要的三个顶层本体的对齐：信息交换标准（IES）、高质量数据模型（HQDM）和基础形式本体（BFO）。该研究通过创建手工制作的OWL交叉映射，解决了IES和HQDM之间缺乏公开对齐的问题。通过对合并后的本体进行推理，该研究取得了超越特定对齐的重大成果。
-
Microsoft 修补被 Lazarus Group 利用的 Windows 零日漏洞
Microsoft 已为 Windows 中一个被 Lazarus Group 积极利用的关键零日漏洞发布了补丁。此漏洞允许臭名昭著的黑客组织部署恶意软件，特别是 rootkit。用户应立即应用补丁，以保护其系统免受进一步侵害。
-
朝鲜间谍利用本地LLM进行AI驱动的网络犯罪
据报道，朝鲜国家支持的黑客，特别是Lazarus Group和Kimsuky，正在使用本地运行的大型语言模型（LLM）来增强其网络犯罪活动。这些LLM被用于生成更复杂的网络钓鱼邮件以及其他潜在的恶意内容。被提及可能被利用的模型包括OpenAI、Google、Microsoft和Meta的模型，但具体的本地部署细节并未披露。
-
Netflix的《我将找到你》尽管评分不高，但仍位居榜首
Netflix的新剧《我将找到你》（I Will Find You），改编自哈兰·科本（Harlan Coben）的小说，已在流媒体平台的观看量排行榜上 debut。尽管排名第一，但该剧的评论界反响，从其在烂番茄（Rotten Tomatoes）上的评分来看，使其成为科本作品改编中评分较低的一部。该剧由Sam Worthington饰演寻找儿子的父亲，Britt Lower和Milo Ventimiglia也担任重要角色。
-
AI模型分析土耳其地震推文中应对方式
研究人员开发了一个计算模型，使用BERTurk分析2023年土耳其地震后土耳其语推文中的应对方式。该模型成功识别了三种应对方式——聚焦问题、聚焦情绪和寻求意义——宏观F1得分达到0.693。对超过一百万条推文的分析揭示了应对机制中独特的时序模式，聚焦问题应对在地震发生后立即最为普遍，而寻求意义应对随着时间的推移而增加。研究表明，愤怒与寻求意义密切相关，可能成为归咎的催化剂。
-
新的 HERMIT 框架使用双曲几何进行互联网延迟预测
研究人员开发了 HERMIT，一个用于预测互联网延迟和路由动态的新框架。HERMIT 利用双曲几何来更好地表示互联网路由图的无标度结构，其性能优于传统的欧几里得空间模型。该框架结合了双曲流形保持时序 GNN 和随机森林回归器，并纳入了 RTT 感知边特征和可学习的边编码器。在大规模真实互联网数据集上的评估表明，HERMIT 在 RMSE 上比强大的基线模型提高了 6%，并在链路预测方面超越了现有的双曲 TGNN 模型。