The UK’s Cyber Community Comes North as CyberFest returns for 2026

Malicious npm packages evade install-script defenses at runtime

Chiến dịch npm với package 'indexed-btree' cho thấy tấn công chuỗi cung ứng đang phát …

How confidential AI splits control between data and model owners — and opens new opportunities for both

Các doanh nghiệp muốn áp dụng AI trên dữ liệu nhạy cảm nhưng các nhà xây dựng mô hình không muốn chia sẻ weights. VAST Data triển khai confidential AI để giải quyết vấn đề này bằng cách chia sẻ quyền kiểm soát giữa chủ sở hữu dữ liệu và chủ sở hữu mô hình. Công nghệ này sử dụng Intel SGX và AMD SEV để mã hóa dữ liệu trong quá trình inference, đảm bảo không ai truy cập được thông tin nhạy cảm. Điều này mở ra cơ hội cho cả hai bên: doanh nghiệp có thể tận dụng AI trên dữ liệu quan trọng mà không lo rò rỉ, trong khi các công ty AI vẫn bảo vệ được mô hình của mình.

Bài này giải thích giải pháp Confidential AI giúp doanh nghiệp sử dụng trí tuệ nhân tạo trên dữ liệu nhạy mật mà không cần chia sẻ trọng số mô hình.

MemTensor npm and PyPI hit by "supplychain.local" malware

Gần đây các gói MemTensor phiên bản 0.1.21 và 0.1.23 trên npm cùng MemoryOS 2.0.34 trên PyPI bị phát hiện chứa mã độc "supplychain.local". Mã độc này được chèn vào quá trình build package, cho phép kẻ tấn công chiếm quyền điều khiển hệ thống nạn nhân. Hậu quả là hàng nghìn dự án sử dụng các thư viện này có nguy cơ bị nhiễm malware. Nhà phát triển cần kiểm tra lại các dependencies trong dự án và cập nhật lên phiên bản an toàn để tránh rủi ro bảo mật.

Lập trình viên nên đọc bài này để nhận thức về mối đe dọa an ninh chuỗi cung ứng trong các package npm và PyPI nhằm bảo vệ dự án của mình.

A Shai-Hulud npm payload came back 111 days later

Một con Shai-Hulud worm đã ẩn mình trong npm registry suốt 111 ngày rồi bất ngờ tái xuất hiện, qua mặt hoàn toàn hệ thống quét malware. Chiến thuật này khai thác khoảng trống thời gian trong cơ chế giám sát của npm, cho phép mã độc tồn tại lâu dài mà không bị phát hiện. Vụ việc này gây ra rủi ro bảo mật đáng kể cho các dự án phụ thuộc vào các package bị nhiễm. Lập trình viên nên cân nhắc thêm các bước kiểm tra bổ sung như analysis bằng công cụ như npm audit hoặc Snyk để phát hiện hành vi đáng ngờ. Điều này cho thấy giới hạn của hệ thống tự động và nhu cầu cần thiết về nhận thức cộng đồng trong việc bảo vệ ecosystem.

Bài viết này cảnh báo về mối nguy hiểm của các npm payload có khả năng ẩn mình và né qua hệ thống quét độc hại.

Docker at WeAreDevelopers: Partner & Customer Sessions

Tại sự kiện WeAreDevelopers, Docker đã tập hợp các đối tác và khách hàng để chia sẻ các phiên thực tế về AI, bảo mật và phát triển. Sự kiện này nhấn mạnh tầm quan trọng của hệ sinh thái mạnh mẽ cho nhà phát triển, với các phiên thảo luận từ các chuyên gia hàng đầu trong lĩnh vực công nghệ. Các phiên tập trung vào ứng dụng thực tế của Docker trong các dự án AI và giải pháp bảo mật, do các nhóm chuyên gia trình bày. Người tham dự sẽ có cơ hội kết trực tiếp với các đội ngũ xây dựng và ứng dụng các công nghệ tiên tiến này.

Bài này giúp lập trình viên hiểu tầm quan trọng của hệ sinh thái Docker và khám phá các phiên thức thực tế về AI, bảo mật và phát triển từ đối tác và khách hàng.

AI Security Is an Engineering Problem — How to Solve It at Every Layer of the Agent Stack

Trong bối cảnh các hệ thống AI ngày càng trở thành mục tiêu tấn công, vấn đề bảo mật AI cần được tiếp cận như một bài toán kỹ thuật toàn diện. Nguyên nhân kỹ thuật nằm ở việc các agent stack (khoảnh stack) gồm LLM (Large Language Model), planning systems và các công cụ bổ trợ đều có những điểm yếu riêng như prompt injection (tiêm lệnh prompt) hay data poisoning (ngộ độc dữ liệu). Hệ quả là các tổ chức phải đối mặt với rủi ro tấn công RCE (Remote Code Execution), data leakage (rò rỉ dữ liệu) và model evasion (né tránh mô hình). Bài viết đề xuất giải pháp triển khai controls (kiểm soát) tại từng layer, continuous testing (kiểm tra liên tục) và open research (nghiên cứu mở) để xây dựng hệ thống AI an toàn hơn, điều mà các nhà phát triển nên học hỏi để chủ động bảo vệ sản phẩm của mình.

Bài viết này giúp lập trình viên hiểu cách xây dựng và vận hành hệ thống AI an toàn hơn thông qua nghiên cứu mở, kiểm soát liên tục và thử nghiệm đa tầng.

GitHub AI agent leaks private repos when asked nicely

GitHub's AI agent có lỗ hổng bảo mật 'GitLost' cho phép rò rỉ dữ liệu private repository khi được yêu cầu theo cách nhất định, hiện chưa có bản vá hay tài liệu chính thức từ GitHub.

Lập trình viên nên đọc bài này để hiểu về nguy cơ bảo mật mới trong GitHub, đặc biệt khi làm việc với các dự án riêng tư, và cách phòng tránh rủi ro khi sử dụng công cụ AI tích hợp trong hệ thống.

Operation RepoGhost: Exposing a Russian-Linked Malware Campaign Hiding in GitHub’s Open-Source Ecosystem

Nghiên cứu CTI của Vedant Bhalgama và Kavin Jindal đã phát hiện một chiến dịch phần mềm độc hại có liên quan tới Nga, được giấu trong hệ sinh thái mã nguồn mở của GitHub. Chiến dịch được đặt tên Operation RepoGhost và sử dụng các kho lưu trữ giả mạo hoặc đã bị xâm nhập để phân tán payload độc hại cho nhà phát triển. Các tệp độc hại thường được nhúng trong các file cấu hình hoặc script bản dựng, khiến chúng khó bị phát hiện bởi các công cụ quét thường dùng. Theo báo cáo, chiến dịch đã ảnh hưởng tới nhiều repository và tạo ra lượng lớn trafic độc hại từ các nguồn này. Bài học chính là cần tăng cường kiểm tra nguồn gốc và tính toàn vẹn của các phụ thuộc mã nguồn mở, đồng thời áp dụng xác thực hai yếu tố và giám sát thay đổi bất thường trong các kho GitHub.

Bài tiết lộ chiến dịch phần mềm độc hại Nga ẩn nấp trong hệ sinh thái mã nguồn mở GitHub giúp lập trình viên nhận diện và phòng thủ các cuộc tấn công tương tự.