21st September – Threat Intelligence Report

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 …

Upcoming Next.js Security Update for a Critical Upstream Issue

Next.js sẽ phát hành bản cập nhật bảo mật quan trọng phiên bản 16.3.6 và 15.5.26 vào ngày 22/09/2026. Bản vá này giải quyết một lỗ hổng nghiêm trọng từ thư viện upstream. Lỗ hổng này cho phép thực thi mã từ xa trong môi trường server-side components. Nhà phát triển cần cập nhật ngay khi bản vá ra mắt để bảo vệ ứng dụng. Các bản cũ hơn cũng nên được kiểm tra và cập nhật sớm nhất có thể.

Lập trình viên nên đọc bài này để cập nhật bản vá bảo mật quan trọng cho Next.js và đảm bảo ứng dụng của mình không bị ảnh hưởng bởi lỗ hổng nghiêm trọng.

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.

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.

We Automated Over 15,000 Security Reviews Without Letting AI Decide Everything

Để giải quyết bài toán kiểm tra bảo mật mất hàng giờ, công ty đã triển khai hệ thống automation với 15,000+ security reviews. Họ kết hợp deterministic controls và specialized AI agents để xử lý tác vụ nhưng vẫn giữ con người giám sát an toàn. Nhờ hệ thống này, thời gian verification giảm từ vài giờ xuống còn vài phút. Bài học đáng học là cách thiết kế hybrid approach giữa AI và human oversight mà không để AI tự quyết định, sử dụng safe escalation khi cần xử lý phức tạp. Các công nghệ như deterministic controls và specialized AI agents được tận dụng tối ưu để đạt hiệu suất cao.

Bài viết này giúp lập trình viên hiểu cách kết hợp kiểm soát xác định và AI chuyên dụng để tự động hóa hiệu quả quy trình rà bảo mật.

Fake LastPass Authenticator GitHub repos push new Rapuncel infostealer

Một chiến dịch malware đang sử dụng các GitHub repository được tối ưu hóa SEO để mạo danh các công ty phần mềm nổi tiếng, phát triển một information stealer tên Rapuncel. Kẻ tấn công tạo repository giả với tên gần giống LastPass Authenticator để dụ người dùng tải về. Rapuncel có khả năng thu thập dữ liệu nhạy cảm như password, cookie và thông tin tài khoản từ trình duyệt nạn nhân. Chiến dịch này cho thấy mối đe dọa ngày gia tăng khi kẻ tấn công lợi dụng uy tín GitHub để phân phối mã độc. Các lập trình viên nên kiểm tra kỹ source code và danh tác giả trước khi cài đặt extension từ repository không chính thức.

Lập trình viên nên đọc bài viết này để nhận biết mối đe dọa từ các kho giả mạo trên GitHub có thể đánh cắp thông tin nhạy cảm.

Reviving TEMPEST Attacks With An Injected Signal

Các nhà nghiên cứu đã tấn công TEMPEST kiểu mới tên là InjectEave tái khai thác kỹ thuật nghe lén radio chống lại thiết bị điện tử hiện đại yên tĩnh hơn. Bằng cách chiếu tín hiệu RF được điều chỉnh vào thiết bị, các thành phần tuyến tính như amplifier và ADC trộn tín hiệu đã tiêm vào hoạt động mạch điện bên trong, tạo ra các băng bên phát thông tin có thể phát hiện được. Sử dụng USRP B210 SDR và spectrum analyzer, nhóm đã khôi phục âm thanh từ tai nghe có dây và không dây, điện thoại không dây, và thậm chí tiêm giọng nói tổng hợp từ xa vào cuộc gọi VoIP đang diễn ra. Kỹ thuật này hoạt động xuyên tường và ở khoảng cách lên đến 30 mét khi có khuếch đại, cho thấy những thiết bị được cho là an toàn về bảo mật TEMPEST vẫn có thể bị khai thác.

Bài viết này cung cấp kiến thức mới về cuộc tấn InjectEave - một dạng tấn công TEMPEST có khả năng đánh cắp dữ liệu từ thiết bị điện tử hiện đại.

Researchers escape OpenAI Codex sandbox to run commands on host

Các nhà nghiên cứu đã tìm ra cách thoát khỏi sandbox của OpenAI Codex, bao gồm việc thực thi lệnh trực tiếp trên máy tính của nhà phát triển ngay cả trong chế độ bị khóa chặt nhất. Lỗ hổng này cho phép kẻ tấn công thực thi mã độc trên hệ thống chủ, tiềm ẩn nguy cơ bảo mật nghiêm trọng. OpenAI đã vá cả hai lỗ hổng sau khi được báo cáo, nhưng vụ việc cho thấy những hạn chế trong cơ chế sandbox của các mô hình AI lớn. Nhà phát triển nên cân nhắc các biện pháp bảo bổ sung khi triển khai các API như Codex, vì sandbox không thể đảm bảo bảo mật tuyệt đối.

Bài này giúp lập trình viên nhận thức lỗ h bảo mật nghiêm trọng trong OpenAI Codex để bảo vệ hệ thống khỏi các cuộc tấn công tương tự.