2026. augusztus 7., péntek · Kutatás

Biztonsági kutatók feltörték az OpenAI Atlas böngészőt WhatsApp-spamhez

A Zenity biztonsági cég kutatói mintegy 20 sebezhetőséget találtak vezető AI-alapú böngészőkben és bővítményekben, köztük az OpenAI, a Google, az Anthropic, a Microsoft és a Perplexity termékeiben. Bemutatott bizonyítékként az OpenAI Atlas böngészőjét úgy manipulálták, hogy egy hamis hírlevél-feliratkozási oldalba rejtett, héber nyelvű utasítás alapján a felhasználó bejelentkezett WhatsApp Web-fiókján keresztül minden kontaktjának ugyanazt az üzenetet küldje el – ez nem WhatsApp-sebezhetőség, hanem prompt injection típusú támadás. A kutatók szerint az AI-böngészők aláásták a régi böngészőbiztonsági mechanizmusokat, például a same-origin policyt, és bár Atlas volt a legvédettebb az általuk tesztelt eszközök között, védelmét így is meg tudták kerülni. Az OpenAI augusztus 9-én, vasárnap leállítja az Atlas szolgáltatást.

Egy forrás Ehhez a hírhez egy forráslink áll rendelkezésre.

Miért fontos?

A biztonsági kutatás rámutat, hogy a prompt injection jelenleg megoldatlan, gyakorlatban kihasználható kockázatot jelent az AI-vezérelt böngészőkben, több nagy techcég termékét is érintve.

Források

WIRED

Említve a tudásbázisban

Kapcsolódó témák

Napi összefoglalók AI kutatás #OpenAI Atlas#prompt injection

Napi összefoglaló

Ez a hír a 2026. augusztus 7., péntek napi AI összefoglaló része.

Helyesbítés · 2026. október 1., csütörtök

Helyesbítés (2026-10-01): az összefoglaló szerint „OpenAI a jövő héten leállítja az Atlas szolgáltatást”; a forrás szerint augusztus 9-én, két nappal a kiadás után.

Kapcsolódó hírek

Kutatók: a prompt-injekciós támadások erejét a támadó számítási kapacitása szabja meg

Egy nem lektorált arXiv-tanulmány az indirekt prompt-injekciót tesztidejű keresési feladatként írja le, amelyben egy automatizált támadó felderíti a környezetet, stratégiákat mérlegel, és a megtámadott ügynök visszajelzései alapján adaptívan finomítja próbálkozásait. A szerzők azt találták, hogy minél nagyobb számítási kapacitást kap a támadó, annál hatékonyabban fedez fel és használ ki sebezhetőségeket, és a strukturált stratégiakezelés segít elkerülni a felesleges keresést nagyobb kereteknél is. Ebből azt a következtetést vonják le, hogy az eszközhasználó AI-ügynökök biztonsági értékelésekor a támadó keresési eljárását és számítási keretét is figyelembe kell venni, nem csak a célpont sebezhetőségét. Ez egy korai, lektorálatlan kísérleti eredmény.

Prompt injection mint védekezés: a Tracebit kutatói 57%-ról 5%-ra csökkentették az AI hackerbotok sikerességét

A Tracebit kiberbiztonsági cég kutatói a WIRED beszámolója szerint kidolgozták a kontextus-bomba nevű védekezési technikát az AI-alapú támadóügynökök ellen. A módszer lényege, hogy AWS-környezetben tárolt jelszavak mellé olyan prompt injection szövegeket helyeznek, amelyek a támadó modell biztonsági visszautasító mechanizmusát aktiválják. Öt modellen és 152 futtatáson végzett tesztelésük szerint az adminisztrátori jogosultságszerzés 57%-ról 5%-ra, a tartós hozzáférést is magában foglaló kompromittálás 36%-ról 1%-ra csökkent. A legerősebb Opus 4.8 kontextus-bombával egyszer sem szerzett adminisztrátori hozzáférést, míg nélküle 93%-ban sikeres volt.

A SemiAnalysis GDPx-benchmarkján egyetlen MI-ügynök sem ér el 12 százaléknál többet, a Claude Opus 5.5 vezet

A SemiAnalysis elemzőcég közzétette GDPx nevű benchmarkját, amely 206 feladaton, valósághű munkakörnyezetben, akár nyolc órán át teszteli az MI-ügynököket – írja a The Decoder. A cég mérése szerint a Claude Opus 5.5 mindössze 12 százalékot ér el, ezzel az első; a Gemini 4 Carbon 10,9, a GPT-6 Astra pedig 9,6 százalékot teljesít. A feladatsor tizenegy területet fed le, például chiptervezést, biológiát, kvantitatív kereskedést, kiberbiztonságot és jogot. A kritikusok szerint az eredményeket torzítják a biztonsági szűrők, a feladatok titkossága, és hogy minden modell a saját szolgáltatójának ügynökszoftverében fut; Josh Purtell fejlesztő „több zajnak, mint jelnek” nevezte a benchmarkot.

Az Anthropic FlashProve prototípusa a súlyok felfedése nélkül igazolja, melyik MI-modell válaszolt

A The Decoder szerint az Anthropic kiadta nyílt forráskódú FlashProve kutatási prototípusát, amely zkSNARK kriptográfiával, a súlyok felfedése nélkül igazolja, hogy egy MI-válasz a megjelölt modelltől származik. A lap által idézett technikai jelentés szerint a Meta 400 milliárd paraméteres Llama 4 Maverick modelljén a bizonyíték egy H100 GPU-val nagyjából 110 token/másodperc alatt készül el, 19 megabájtos, és 17 másodperc alatt ellenőrizhető; ez 70–95-szörös többletteher a normál következtetéshez képest. Az Anthropic 2026 szeptemberéig tűzte ki a következtetés-ellenőrzési prototípus célját, de a cég szerint ezt egy külön projekttel már elérte, amely aláírja a következtetési forgalmat és megbízható szerveren követi a számítást; a FlashProve ezt tisztán kriptográfiai úton, megbízható hardver nélkül célozza. A prototípus egyelőre legfeljebb 1024 token kontextust igazol, és csak a legvalószínűbb következő token kiválasztásakor működik.