Black Hat Asia 2026 | Aufdeckung von Benutzeraktivitäten auf macOS für Apple Silicon
Forscher haben Tide entwickelt, eine neuartige Methode zur Erkennung von Interrupts auf Apple Silicon ohne Nutzung von Timern, die die Rekonstruktion von Benutzeraktivitäten durch Side-Channel-Analyse ermöglicht. Durch die Ausnutzung deterministischer Muster in der Exception-Behandlung des XNU-Kernels und der ARM-Aufrufkonvention, insbesondere die Verwendung des Registers x18, zeigt die Studie, dass Anwendungen im EL0-Modus Tastatureingaben und andere Eingaben aus dem EL1-Modus ableiten können. Dieses Ergebnis hinterfragt die Sicherheitsannahmen der M-Serie-Chips und beweist, dass die Hardware-Isolierung zwischen Privilegierungsstufen keine Informationslecks über Zeitungsanomalien in Interrupt-Handler verhindert.
Black Hat Asia 2026 | Modelldateien → Speicherbeschädigung → RCE: Die dreistufige KI-Angriffskette
Die Forscher Lu Lei und Zhou Jian demonstrieren eine dreistufige Angriffskette, die Modelldateien in Speicherbeschädigungen und schließlich in Remote-Code-Ausführung innerhalb von PyTorch überführt. Ihre Analyse zeigt, dass die Aktivierung des Sicherheitsflags 'weights-only' in der load-Funktion von PyTorch die Ausnutzung nicht verhindert, da ein logischer Fehler im internen Mechanismus 'torch.jit.load' vorliegt. Dieser Fehler ermöglicht es bösartigen Operatoren, wie Schreib- und Lesefunktionen für Dateien, beliebigen Code auszuführen, trotz vorhandener Sicherheitskonfigurationen. Die Studie hebt Integer-Overflow-Schwachstellen in TensorFlow und logische Fehler in PyTorch hervor, die etablierte Sicherheitsannahmen umgehen und ein kritisches Risiko für bereitgestellte KI-Anwendungen darstellen.