近几个月来,Check Point Research 团队在 TikTok 移动应用(抖音国际版)的“朋友查找”功能中发现了一个漏洞:该漏洞一旦被利用,攻击者便可以访问用户的个人资料信息以及帐户相关联的电话号码, 进而建立相关数据库,发起恶意活动。
Check Point Research 已向 TikTok 的开发人员和安全团队通报此漏洞,TikTok 负责任地部署了解决方案,以确保用户可以继续安全地使用应用。
背景
2020 年 1 月,Check Point Research 发表了一份有关 TikTok 漏洞的报告。报告称该漏洞可使攻击者访问保存在用户帐户中的个人信息,并操纵用户帐户信息或未经授权地代表用户执行操作。TikTok 主动负责任地部署了解决方案。2020 年 4 月,TikTok 启动一项隐私漏洞奖励计划,并于同年 10 月份与 HackerOne 就此建立全球性公共伙伴关系,鼓励安全研究人员查找并负责任地披露安全漏洞,以便 TikTok 团队及时消除漏洞风险,让攻击者无机可乘。
TikTok 用户隐私受到威胁
由于Check Point Research 的主要目的是调查 TikTok 的隐私安全性,团队将注意力放在了与用户数据有关的所有应用操作上。为了方便参考,Check Point Research 密切关注并比对了 2019 年有关 Instagram 的一份报告,该报告证实 Instagram 存在可能导致用户帐户信息和电话泄露的安全问题。 经调查发现,TikTok具有联系人同步功能,这意味着用户可以同步手机中的联系人,从而在 TikTok 上轻松找到可能认识的人。简而言之,这可以将用户的个人资料信息关联到他们的电话号码。如果被利用,此漏洞将会影响那些选择将电话号码与帐户关联(并非强制要求)或使用电话号码登录的用户。
攻击者可以通过这些电话号码和个人资料信息获取用户在 TikTok 以外的更多信息,比如搜索其他帐户或可用数据。
Check Point Research采用三步法深入研究了正在调查的操作:
第一步 — 创建设备列表(注册物理设备)。每次启动时,TikTok 应用都会执行设备注册程序,以确保用户未切换设备。
第二步 — 创建有效期为 60 天的会话令牌列表。在移动设备的短信登录过程中,TikTok 服务器通过生成令牌和会话 cookie 来验证数据。研究期间我们发现会话 cookie 和令牌数值在 60 天后过期,这意味着我们可以使用同一 cookie 登录数周。
第三步 — 绕过 TikTok 的 HTTP 消息签名。我们提出的主要研究问题是:用户能否查询 TikTok 数据库并因此导致隐私受到侵犯? 答案是肯定的:我们发现攻击者可以通过绕过 TikTok 的 HTTP 消息签名来操纵登录过程,从而自动大规模上载和同步联系人,最终建立一个用户信息及其电话号码数据库,以待随时发起攻击。
结语
报告指出,TikTok 每月用户增加 1 亿,全球下载量已超过 20 亿,其规模自 2018 年以来几近翻到三倍。 据移动数据和分析公司 App Annie 预测,2012 年 TikTok 不仅将加入 Facebook、Instagram、Messenger、WhatsApp、YouTube 和微信 10 亿月活用户 (MAU) 的行列,而且还将突破这一大关,达到平均每月 12 亿活跃用户。
这种惊人的受欢迎程序加上有关该应用隐私安全问题的持续报告,是推动Check Point Research 执行这项隐私安全研究的重要因素。 我们很高兴能够与 TikTok 团队携手解决这些问题,为用户享受安全有趣的使用体验贡献力量。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。