Black Hat Asia 2026 | Revelación de la actividad de usuario en macOS para Apple Silicon
Los investigadores han desarrollado Tide, un método novedoso para detectar interrupciones en Apple Silicon sin depender de temporizadores, lo que permite reconstruir la actividad del usuario mediante análisis de canales laterales. Al explotar patrones deterministas en el manejo de excepciones del kernel XNU y la convención de llamada de ARM, específicamente el uso del registro x18, el estudio demuestra que las aplicaciones que se ejecutan en EL0 pueden inferir pulsaciones de teclas y otras entradas desde EL1. Este hallazgo cuestiona los supuestos de seguridad de los chips de la serie M, demostrando que el aislamiento de hardware entre niveles de privilegio no evita la fuga de información a través de anomalías temporales en los manejadores de interrupciones.
Black Hat Asia 2026 | Archivos de modelo → Corrupción de memoria → Ejecución remota de código: La cadena de ataque triple de IA
Los investigadores Lu Lei y Zhou Jian demuestran una cadena de ataque triple que transforma archivos de modelo en corrupción de memoria y finalmente en ejecución remota de código dentro de PyTorch. Su análisis revela que habilitar la bandera de seguridad 'weights-only' en la función de carga de PyTorch no previene la explotación debido a un error lógico en el mecanismo interno 'torch.jit.load'. Esta falla permite que operadores maliciosos, como funciones de escritura y lectura de archivos, ejecuten código arbitrario a pesar de las configuraciones de seguridad. El estudio destaca vulnerabilidades de desbordamiento de enteros en TensorFlow y errores lógicos en PyTorch que eluden supuestos de seguridad establecidos, planteando un riesgo crítico para las aplicaciones de IA implementadas.