OpenAI 在红队演练中发现 Brotli 压缩库存在可未认证远程代码执行的漏洞，攻击者通过发送或回复恶意压缩数据即可在受影响系统上运行代码。该漏洞影响 Node.js、Bun、Envoy 等内置 Brotli 的软件，根因问题已于 2 月在源码中修复但当时未被视为安全问题，Brotli 已发布新版本和 CVE，Node.js 等下游项目正在或已经发布安全更新。
原文交代了漏洞的触发路径和受影响软件范围，读者可据此判断自身依赖的 Brotli 组件是否需要跟进更新。
在这次红队演练中，我们还发现了一个漏洞，它允许在 Brotli 中实现未经身份验证的远程代码执行。Brotli 是一个被广泛部署的压缩库，包含在许多软件中，例如 Node.js、Bun 和 Envoy。
该缺陷可让攻击者通过发送或回复恶意压缩数据，在受影响系统上运行自己的代码，而无需创建任何用户账户。也就是说，一个接受压缩输入的未修补服务器可能被恶意客户端接管，而一个接受压缩输入的未修补客户端（例如“curl --compressed”）可能被恶意服务器接管。
这个根本原因问题实际上已于二月份在 Brotli 源代码中修复，但当时并不知道它会导致安全漏洞，而且 Brotli 之后也没有再发布新版本。由于 Brotli 内置于其他软件中，任何包含该库的软件也需要采用该更新，随后是该软件的用户。我们向 Brotli 和其他下游项目（如 Node.js）披露了该漏洞，后者已发布或正在发布安全更新，Brotli 也发布了新的版本并公布了 CVE。
有关补丁和缓解措施的更多细节如下：
https://patchtheplanet.org/brotli
过去几个月里，我们大幅强化了研究训练环境的安全性。我们在训练期间移除了所有前沿模型的实时互联网访问，并为它们构建了一个离线世界来替代——一个缓存的网络版本，它们仍可在其中学习浏览、搜索和使用应用程序。 9月20日，在一个模型利用 DNS 配置错误找到逃出这个离线世界的方法后，我们暂停了前沿训练，以进一步加强隔离。我们组建了由我们最具网络能力的模型驱动的智能体团队，让它们寻找我们研究环境中的弱点。 虽然它们没有找到既能轻易利用、又能对我们的监控隐藏其活动的通往互联网的路径，但它们确实发现了零日漏洞、虚拟机逃逸，以及智能体之间通信的硬件侧信道。我们利用它们的发现进一步强化了防御，并为开源软件贡献了修复。 在强化我们的隔离架构后，我们于10月1日恢复了前沿强化学习训练和推理。我们预留了大量算力用于持续的红队测试，并将高算力红队测试纳入我们用来决定前沿训练和评估能否安全推进的安全论证中。 https://openai.com/index/securing-our-frontier-model-training-environment/
原文
Over the past several months, we have substantially hardened the security of our research training environment. We’ve removed live internet access for all frontier models during training and built an offline world for them to use instead—a cached version of the web where they can still learn to browse, search, and use applications. On September 20, after a model exploited a DNS misconfiguration to find a way outside of this offline world, we paused frontier training to strengthen containment further. We assembled teams of agents, powered by our most cyber-capable models, and tasked them with finding weaknesses in our research environments. While they found no route to the internet they could easily exploit while concealing their activity from our monitors, they did find zero-day vulnerabilities, virtual machine escapes, and hardware side-channels for communication between agents. We used their discoveries to further strengthen our defenses and contribute fixes to open-source software. After strengthening our containment architecture, we resumed our frontier RL training and inference on October 1. We’ve reserved substantial compute for continuous red-teaming, and made high-compute red-teaming part of the safety cases we use to decide whether frontier training and evaluation can proceed securely. https://openai.com/index/securing-our-frontier-model-training-environment/
来源：OpenAI · x.com