至顶网网络与安全频道 12月24日 综合消息: 近日,网络安全解决方案提供商 Check Point 软件技术有限公司(纳斯达克股票代码:CHKP)的威胁情报部门 Check Point Research 帮助消除了在 WhatsApp 中发现的新漏洞。该漏洞允许攻击者传递恶意群聊消息,进而导致群组所有成员所用应用崩溃。若要重新使用 WhatsApp,用户需要卸载并重新安装应用,然后删除含有恶意消息的群组。
为了创建恶意消息,攻击者需要加入目标群组(WhatsApp 群组成员上限为 256 人)。之后,攻击者需要使用 WhatsApp Web 及其 Web 浏览器调试工具来编辑特定消息参数,然后将编辑后的文本发送至群组。该消息将导致群组成员陷入崩溃怪圈,拒绝其访问所有 WhatsApp 功能,直至他们重新安装 WhatsApp 并删除带有恶意消息的群组。
Check Point 产品漏洞研究负责人 Oded Vanunu 表示:“WhatsApp 是全球领先的通信渠道之一,广泛用于广大消费者、企业和政府机构,因此若能够阻止用户使用 WhatsApp并迫使其从群聊中删除重要信息,对于攻击者而言绝对是一项非常有力的武器。所有 WhatsApp 用户均应升级至最新版应用,以保护自身免遭此类攻击。”
2019 年 8 月 28 日,Check Point Research 负责任地向 WhatsApp 漏洞报告奖励项目披露了其发现。WhatsApp 确认了该发现,并开发了解决该问题的修复程序(自 WhatsApp 版本号 2.19.58 起提供)。用户应手动应用于其设备。Oded Vanunu 表示:“WhatsApp 尽责地做出了快速响应,针对这一漏洞利用威胁部署了防御措施。”
WhatsApp 软件工程师 Ehren Kret 表示:“WhatsApp 非常重视技术社区工作,这些工作可帮助我们保障全球用户的安全。感谢 Check Point 负责地向我们的漏洞报告奖励项目提交了其发现,我们于 9 月中旬快速解决了所有 WhatsApp 应用存在的这一漏洞。此外,我们最近还增添了新的控件,可防止用户被添加到不必要的群组,从而避免与不可信成员进行通信。”
Check Point Research 团队通过检查 WhatsApp 和 WhatsApp Web (WhatsApp 应用的 Web 版本,会同步通过用户手机收发的所有消息)之间的通信发现了这一漏洞。这使研究人员可以查看 WhatsApp 通信所使用的参数,并执行相应操作。新研究基于 Check Point Research 发现的“FakesApp”缺陷,后者允许攻击者编辑群聊消息以传播虚假新闻。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。