RECHERCHE
Août 2025 : scores de vulnérabilité discordants, modèles empoisonnés, voix clonées
Supply chainRansomwareOT and industrial security
Août 2025 remet en cause quelques outils de base. CVSS, EPSS et les autres systèmes de notation classent très différemment les mêmes vulnérabilités, et les scanners de modèles d'IA ratent la plupart des façons de les empoisonner. Les appels à voix clonée se démasquent par des épreuves d'écoute, et les jauges de robustesse révèlent les mots de passe sur lesquels elles ont été entraînées.
Archives : reconstitution rédigée en novembre 2026
1. Conflicting Scores, Confusing Signals: An Empirical Study of Vulnerability Scoring Systems
ACM Conference on Computer and Communications Security · Viktoria Koscinski, Mark Nelson, Ahmet Okutan, Robert Falso et al. · Sécurité de l'IA et des LLM
En bref: Sur 600 vulnérabilités réelles, CVSS, SSVC, EPSS et l'Exploitability Index fixent des priorités très différentes.
La première comparaison à grande échelle liée aux résultats réels confronte CVSS, SSVC, EPSS et l'Exploitability Index sur 600 vulnérabilités issues de quatre mois de Patch Tuesday de Microsoft. Les systèmes classent très différemment les mêmes vulnérabilités et captent inégalement le risque réel d'exploitation, ce qui pèse sur les décisions de qui s'y fie.
Pourquoi c'est important. Beaucoup de questionnaires de souscription et de plans de correctifs reposent sur un seul score : le choix du système change les failles corrigées en premier.
2. The Art of Hide and Seek: Making Pickle-Based Model Supply Chain Poisoning Stealthy Again
arXiv · Tong Liu, Guozhu Meng, Peng Zhou, Zizhuang Deng et al. · Chaîne d'approvisionnement logicielle
En bref: Les scanners de modèles d'IA ratent 19 des 22 façons de charger un modèle pickle empoisonné.
Beaucoup de frameworks d'IA enregistrent les modèles avec pickle, un format qui peut exécuter du code au chargement, et les plateformes de partage amplifient le risque. La première étude systématique trouve 22 chemins de chargement dans cinq frameworks, dont 19 ignorés des scanners, une technique de contournement à 7 variantes qui leur échappent tous et 133 fonctions exploitables.
Pourquoi c'est important. Scanner automatiquement les modèles téléchargés ne suffit pas : il faut des formats sûrs et des règles sur les modèles admis en production.
3. NodeShield: Runtime Enforcement of Security-Enhanced SBOMs for Node.js
ACM Conference on Computer and Communications Security · Eric Cornelissen, Musard Balliu · Chaîne d'approvisionnement logicielle
En bref: NodeShield applique à l'exécution le SBOM d'une app Node.js et limite les ressources de chaque dépendance.
L'écosystème Node.js est une cible fréquente des attaques de la chaîne logicielle. NodeShield prend le SBOM comme référence des dépendances et l'enrichit d'une liste de capacités, le CBOM, qui indique à quelles ressources système chaque composant peut accéder. Il applique les deux à l'exécution sans modifier le code, bloquant dépendances et ressources non déclarées.
Pourquoi c'est important. Le SBOM passe du document de conformité au contrôle actif : un paquet compromis reste confiné aux ressources déclarées.
4. PITCH: AI-assisted Tagging of Deepfake Audio Calls using Challenge-Response
ACM Asia Conference on Computer and Communications Security · Govind Mittal, Arthur Jakobsson, Kelly Ann Marshall, Chinmay Hegde et al. · Politiques, droit et société
En bref: Des épreuves d'écoute pendant l'appel aident à démasquer les voix clonées en temps réel.
Le clonage vocal en temps réel contourne l'authentification téléphonique par la voix. PITCH propose 20 épreuves d'écoute fondées sur l'audition, la linguistique et l'environnement, testées sur 1,6 million d'échantillons falsifiés de 100 personnes. Elles portent la détection automatique à 88,7% d'AUROC, et un système humain-IA marque les appels suspects « deepfake probable ».
Pourquoi c'est important. Les centres d'appels de banques et d'assureurs qui authentifient par la voix sont exposés à la fraude à l'identité : il faut des contrôles actifs pendant l'appel.
5. On the Account Security Risks Posed by Password Strength Meters
ACM Asia Conference on Computer and Communications Security · Ming Xu, Weili Han, Jitao Yu, Jing Liu et al. · Identité et authentification
En bref: Les jauges de robustesse des mots de passe divulguent ceux sur lesquels elles sont entraînées et aident l'attaquant.
Sur 11 jauges de robustesse, 5 fondées sur les données sont exposées à l'inférence d'appartenance, qui révèle 10 000 à 100 000 mots de passe d'entraînement, et 3 fondées sur des règles affichent en clair les mots de passe bloqués. Sur les sites utilisant Zxcvbn, une attaque qui en tient compte compromet 5,84% de comptes en plus en 10 essais.
Pourquoi c'est important. Un composant censé renforcer les mots de passe devient une source d'information pour qui veut forcer les comptes.
6. MoEcho: Exploiting Side-Channel Attacks to Compromise User Privacy in Mixture-of-Experts LLMs
ACM Conference on Computer and Communications Security · Ruyi Ding, Tianhong Xu, Xinyi Shen, Aidong Adam Ding et al. · Matériel et canaux auxiliaires
En bref: Les traces matérielles des modèles Mixture-of-Experts révèlent les prompts et réponses des utilisateurs.
Les architectures Mixture-of-Experts n'activent que certains sous-modèles selon le sens des tokens, et ce routage laisse des traces dans le matériel. MoEcho identifie quatre nouveaux canaux auxiliaires sur CPU et GPU, dont compteurs de performance et TLB, et s'en sert pour déduire les prompts et reconstituer les réponses de LLM et de modèles vision-langage MoE.
Pourquoi c'est important. Sur une infrastructure partagée, l'efficacité des grands modèles ouvre une voie pour lire les conversations d'autrui : un risque pour les services d'IA multi-clients.
7. Minerva: A File-Based Ransomware Detector
ACM Asia Conference on Computer and Communications Security · Dorjan Hitaj, Giulio Pagnotta, Fabio De Gaspari, Lorenzo De Carli et al. · Malware et menaces
En bref: Minerva détecte le ransomware par l'activité sur les fichiers, résiste à l'évasion et le repère en une demi-seconde.
Les détecteurs comportementaux de ransomware fondés sur les processus sont vulnérables à l'évasion. Minerva est conçu pour y résister par son architecture et ses caractéristiques, et s'appuie sur l'activité des fichiers. Il reconnaît de nombreux ransomwares, même inconnus ou conçus pour l'éviter, et plus de 99% des détections ont lieu en 0,52 seconde.
Pourquoi c'est important. Détecter en moins d'une seconde limite les fichiers chiffrés et donc le dommage : le type de contrôle qui réduit la gravité moyenne d'un sinistre ransomware.
8. QUIC-Exfil: Exploiting QUIC's Server Preferred Address Feature to Perform Data Exfiltration Attacks
ACM Asia Conference on Computer and Communications Security · Thomas Grübl, Weijie Niu, Jan von der Assen, Burkhard Stiller · Sécurité réseau
En bref: Une fonction de QUIC permet d'exfiltrer des données déguisées en migration normale de connexion.
QUIC transporte désormais une part notable du trafic Internet, et sa conception le rend difficile à gérer pour les pare-feu. QUIC-Exfil abuse de la fonction server preferred address pour envoyer des données volées vers un serveur malveillant, déguisées en migration côté serveur. Cinq classifieurs d'anomalies entraînés sur environ 700 000 connexions peinent à le détecter.
Pourquoi c'est important. Les contrôles anti-exfiltration conçus pour TLS et DNS ne couvrent pas QUIC : il faut vérifier que les défenses périmétriques l'inspectent vraiment.
9. Virtual Reality, Real Problems: A Longitudinal Security Analysis of VR Firmware
ACM Conference on Computer and Communications Security · Vamsi Shankar Simhadri, Yichang Xiong, Habiba Farrukh, Xiaokuan Zhang · Systèmes cyber-physiques et IoT
En bref: 300 versions du firmware des casques Quest et Pico montrent des protections du noyau absentes et des permissions incohérentes.
Les casques de réalité virtuelle collectent beaucoup de données de capteurs et utilisent un Android personnalisé. La première analyse complète de leur firmware examine plus de 300 versions de Meta Quest et Pico, du noyau aux applications. Elle relève des protections du noyau absentes, des binaires peu durcis, des permissions incohérentes et des règles SELinux insuffisantes.
Pourquoi c'est important. Les casques arrivent dans la formation, la santé et le travail : les données biométriques et de mouvement qu'ils collectent aggravent toute fuite.
Les tendances du mois
Chaîne d'approvisionnement logicielle
11 articles du mois sur ce thème
La chaîne d'approvisionnement logicielle s'étend aux modèles d'IA. Les scanners censés bloquer les modèles pickle empoisonnés ratent la plupart des chemins d'attaque, tandis que pour Node.js le SBOM devient un contrôle actif qui confine chaque dépendance à ses ressources déclarées. La direction est la même : passer de l'inventaire à la limitation de ce que chaque composant peut faire.
Articles cités:
- The Art of Hide and Seek: Making Pickle-Based Model Supply Chain Poisoning Stealthy Again
- NodeShield: Runtime Enforcement of Security-Enhanced SBOMs for Node.js
Malware et menaces
54 articles du mois sur ce thème
Trois travaux touchent des outils quotidiens de la défense. Les systèmes de notation des vulnérabilités divergent sur les priorités, un détecteur de ransomware fondé sur les fichiers réagit en une demi-seconde et résiste à l'évasion, et QUIC offre un canal d'exfiltration que les contrôles pensés pour TLS et DNS ne voient pas. Pour évaluer une entreprise, compte l'outil utilisé, pas seulement sa présence.
Articles cités:
- Conflicting Scores, Confusing Signals: An Empirical Study of Vulnerability Scoring Systems
- Minerva: A File-Based Ransomware Detector
- QUIC-Exfil: Exploiting QUIC's Server Preferred Address Feature to Perform Data Exfiltration Attacks
Identité et authentification
50 articles du mois sur ce thème
L'authentification reste la porte d'entrée de la fraude. La voix clonée en temps réel met en difficulté les centres d'appels qui reconnaissent les clients au téléphone, tandis que les jauges de robustesse, pensées comme une aide, livrent des informations utiles à l'attaquant. Dans les deux cas, la défense exige des contrôles actifs, pas seulement la confiance dans le canal.
Articles cités:
- PITCH: AI-assisted Tagging of Deepfake Audio Calls using Challenge-Response
- On the Account Security Risks Posed by Password Strength Meters
Comment ce digest est réalisé
Ce numéro fait partie des archives du digest, reconstituées a posteriori. Les articles du mois ont été collectés depuis arXiv, l'archive IACR ePrint et les principales conférences et revues de sécurité ; la sélection tient aussi compte des citations reçues depuis la publication. Un modèle d'intelligence artificielle a évalué les candidats et rédigé les synthèses, qui reposent sur les abstracts : pour les détails, l'article original fait foi.
Articles du mois évalués : 1434.