Вы бы хотели видеть на канале новости про самые опасные критические уязвимости в популярном ПО? Например

Обнаружена критическая уязвимость CVE-2026-16723 с оценкой 9,0 по шкале CVSS 3.1 в библиотеке Java Fastjson 1.x. В уязвимых версиях 1.2.68–1.2.83 внешний злоумышленник при определённых условиях эксплуатации Spring Boot (выключен safemode и запущено как executable fat-JAR) Опубликован эксплойт, уже фиксируются попытки эксплуатации.
Экспертно, площадь атаки около 1% от всех инсталяций Java.
Нужно проверить используете ли вы уязвимую библиотеку и если да у язвимой ли конфигурации.

Очень необычное исследование от известного британского центра исследования безопаcности ИИ AISI. AISI утверждают, что топовые американские модели увеличивают разрыв в кибервозможностях с китайскими моделями.
При этом:
1. Модели из США и их конкретные результаты не называются, в отличии от китайских.
2. Kimi 3 доступна пока только в облачном решении без понимания какие она использует меры безопасности. А если тестировали Mythos - у него меры безопасности отключены.

При этом в этом году один американский университет опубликовал прямо противоположный вывод на основе бенча Арена - китайские модели сокращают разрыв.

Вывод - относитесь к любым материалам по проверке ИИ моделей, как требующим верификации в ваших условиях.

p.s. В конце отчета вывод на основе бенча Cyber Range: The Last Ones (TLO) - все больше моделей приближаются к возможности автономного взлома организаций.

Практики по безопасности ИИ агентов от регулятора Австралии ASD:
"
1.Limiting agent permissions to the minimum level required to perform approved tasks.
2.Maintaining human oversight and approval for high-impact or sensitive actions.
3.Continuously monitoring agent behaviour, decisions and tool usage.
4.Implementing comprehensive logging, auditing and accountability mechanisms.
5.Conducting regular red teaming, adversarial testing and security assessments.
6.Validating third-party tools, integrations and dependencies before deployment.
7.Deploying capabilities progressively, with autonomy increasing only as confidence and assurance measures mature.
8.Isolating agents and enforcing strict controls over interactions between systems and environments.
"

Презентаций интенсива ШАД Яндекса AI Agents Security Week 2026 легко ищутся в поисковике https://www.youtube.com/watch?v=O8hy7q6JGqI
Видео, видимо, будут выкладывать как и планировали на этой неделе.

OWASP LLMSVS v2.0 - практический стандарт проверки безопасности систем на основе LLM, охватывающий жизненный цикл моделей, данные и память, RAG, интеграции, AI-агентов, инструменты, зависимости и мониторинг. Его главная польза - набор из 70 требований КБ трех уровней строгости.

https://owasp.org/www-project-llm-verification-standard/LLMSVS-v2.0-en.html

Microsoft выпустил модель для поиска уязвимостей

MAI-Cyber-1-Flash ищет уязвимости в кодовых базах и помогает готовить исправления. Модель встроили в MDASH — систему из более чем 100 специализированных AI-агентов.

Компактная модель выполняет до 90% задач. Самые сложные случаи MDASH передает GPT-5.4. Система набрала 96% на бенчмарке CyberGym и оказалась на 50% дешевле предыдущей связки GPT 5.4 + 5.4 mini + 5.3 codex.

Параллельно Microsoft запускает Perception — команды агентов для постоянного мониторинга корпоративной инфраструктуры.

https://microsoft.ai/news/introducing-mai-cyber-1-flash-inside-mdash/

Основные механизмы контентной фильтрации для ИИ агентов, например для поиска персданных в выводе модели, по мнению Яндекса.

Такое решение может помочь некотjрым компаниям с высокими требованиями по защите от нескольких сценариев атак - перехват BGP, ошибки в конфигурации если вы получаете IP сразу и от RIPE и от ARIN, не допускаете риск компрометации своих ROA в RIPE. Требования к настройке своего RPKI высокие, поэтому подойдут или крупным компаниям или наоборот больше для обучения и изучения технологии в своих нуждах.

Вы можете держать собственный сервер с ресурсами RPKI, а не пользоваться тем что предоставляет RIR. Обзор таких серверов, на которых меньше 1300 записей ROA, некоторые рассмотрены чуть более внимательно.

Google выложила в открытый доступ набор скилов для поиска, воспроизведения и устранения уязвимостей - Mantis. Проект развивается и сами авторы пишут, что это больше стартовая точка для дальнейшего развития пользователями, нежели чем готовы к применению продукт.

Начали появляться первые отчеты за второй квартал 2026 по используемым способам первичного проникновения. В соответствии с оценкой Talos рекорды ставит фишинг, а эксплуатация уязвимостей на опубликованных ресурсах пока "просто" в топ-4 способов первичного проникновения. Авторы отчета не оперируют конкретными цифрами, показаны только пропорциональные соотношения способов проникновения и отдельно описан рекорд по фишингу с ростом атак направленных на обход MFA. Грубо можно оценить, что доля фишинга выросла, примерно, в 2 раза среди общего количества способов первичного проникновения.

Пока гипотеза о радикальном увеличении количества критических эксплуатабельных уязвимостей за счет ИИ пока не подтверждена сторонними отчетами. А вот фишинг и спиарфишинг ИИ, похоже, умеет делать неплохо.

Эксперты подсвечивают, что теперь LLM начали использовать и для криптоанализа.

Антропик опубликовал 2 работы по криптоанализу квантоустойчивого кандидат-алгоритма HAWK и на упрощенную версию AES-128, а именно блок замен (S0-блок).
Прямого практического смысла этот криптоанализ не имеет - HAWK ещё не стандартизирован, упрощенную до 7 раундов из 10, версию AES-128 никто не использует.
Если предположить, что выводы и сами работы не ошибочны - то это значимый прогресс с точки зрения теории криптографии и как пишут рекордный уровень уязвимости AES-128 который получилось до сего момента доказать.

Что в этой новости странного:
1. Исследования опубликованы на сайте самого Антропика и не прошли даже добровольную модерацию на arxiv.org.
2. Авторы всех работ являются исследователями ИИ, а не профессиональными криптографами.
3. В работе по HAWK есть благодарность авторам HAWK за рецензию и помощь, но не сформулировано явно отношение авторов самого алгоритма к этой работе.
4. В работе по AES-128 явно указано, что авторы сами пишут, что работа написана целиком LLM и была проверена тоже самой LLM и предлагают самостоятельно проверить корректность работы всем желающим.

Поэтому напрашивается вывод, что перед нами очередной PR Антропика c затратами на токены в 200 000 $.

В позитивном смысле эта новость вызовет неизбежный интерес криптоаналитиков к использованию LLM.