Schneier on Security

Compare Against the Schema They Shipped, Not the One You Expected

Khi kiểm thử mô hình AI, nhóm phát triển sử dụng một harness tự động để xác nhận các đối số mà mô hình trả về. Harness này so sánh dữ liệu thực tế với một schema mà đội ngũ mong đợi, thay vì schema mà mô hình đã được triển khai thực tế. Do sự chênh lệch này, harness báo lỗi liên tục dù mô hình hoạt động đúng theo phiên bản đã ship, gây mất thời gian debug và giảm niềm tin vào công cụ kiểm thử. Bài học là luôn kiểm tra output so sánh với schema thực tế mà mô hình đã được phát hành, dựa trên tài liệu hoặc phiên bản artifact đã deploy. Việc áp dụng nguyên tắc này giúp giảm false positive trong quá trình testing và tăng độ tin cậy của pipeline CI/CD cho các dự án AI open-source.

Bài viết giúp bạn hiểu cách kiểm tra API chính xác bằng cách so sánh với schema thực tế thay vì schema dự kiến để phát hiện lỗi bảo mật sớm.

The Trap of Doing It Myself

Bài viết bắt đầu từ quan niệm phổ biến “Nhanh hơn nếu tôi tự làm” và chỉ ra rằng đây là một đo lường, nhưng câu hỏi thực sự là chúng ta đang đo lường gì. Tác giả giải thích rằng khi đo lường chỉ bằng thời gian hoàn thành công việc cá nhân, chúng ta bỏ qua các chi phí ẩn như việc tạo ra kiến thức cô lập, giảm khả năng chia sẻ và tăngภาระ bảo trì sau này. Anh ấy minh họa qua một ví dụ về một engineer dành thời gian sửa một bug nhỏ mà không comunica với đội, dẫn đến việc cùng một lỗi được sửa lại nhiều lần trong các thành phần khác nhau do thiếu tài liệu chung. Kết quả là, mặc dù thời gian ban đầu ngắn hơn, tổng thời gian phát triển và hỗ trợ tăng lên đáng kể, đồng thời chất lượng mã giảm do thiếu review và kiểm tra đồng nghiệp. Bài học chính là cần đo lường không chỉ tốc độ mà còn tác động đến kiến thức chung, độ bền và khả năng mở rộng, từ đó quyết định khi nào nên delegating hoặc đầu tư vào tự động hóa, chia sẻ kiến thức và code review.

Bài này giúp lập trình viên nhận ra sai lầm khi tự làm mọi thứ thay vì hợp tác để nâng cao hiệu quả và chất lượng công việc.

Ruby & Rails Weekly: KindaRails2Shell Exploited, Ractor Rails

CVE-2026-66066, ban đầu chỉ là một proof‑of‑concept, đã bắt đầu được khai thác tích cực từ ngày 30 tháng 8, ảnh hưởng đến các ứng dụng Ruby on Rails sử dụng thư viện KindaRails2Shell. Nguyên nhân kỹ thuật là lỗi xác thực đầu vào không đủ trong KindaRails2Shell cho phép kẻ tấn công chèn lệnh shell tùy ý và thực hiện mã từ xa. Hệ quả là các hệ thống chạy phiên bản lỗi có thể bị kiểm soát hoàn toàn, dẫn đến rò rỉ dữ liệu và mất kiểm soát máy chủ, đồng thời bản tin cũng chỉ ra các tính năng mới như Ractor-ready Rails, ZJIT nội tuyến các đường dẫn nhanh của garbage collection, Agents on Rails và mô hình thử nghiệm GPT-6 Astra. Bài học cần rút ra là luôn cập nhật các gem bên thứ ba, theo dõi nguồn cấp thông tin CVE để phát hiện nhanh quá trình từ PoC sang khai thác, và cân nhắc áp dụng các cải tiến về đồng thời và JIT như Ractor và ZJIT để tăng cường cả bảo mật và hiệu suất.

Lập trình viên nên đọc bài này để cập nhật lỗ h bảo mật CVE-2026-66066 đang bị khai thác tích cực và các tiến bộ mới nhất về Ruby on Rails.

Learn How AWS Lambda MicroVMs Enable Secure AI Code Execution Across Enterprise Workflows

81% của các công ty công nghệ và kỹ thuật hiện nay sử dụng AI Agents để tạo mã sản xuất. AWS Lambda triển khai mỗi hàm trong một MicroVM nhẹ dựa trên Firecracker, cung cấp cách ly phần cứng mạnh mẽ giữa các workload. Điều này cho phép thực thi mã được sinh bởi AI mà không lo rò rỉ hoặc tấn công xuyên suốt, đồng thời đáp ứng các yêu cầu về tuân thủ trong môi trường doanh nghiệp. Nhờ overhead thấp và thời gian khởi động nhanh, các MicroVM này không làm chậm đáng kể pipeline CI/CD. Vậy nên, khi mở rộng tự động hóa AI, việc áp dụng sandbox dựa trên MicroVM là cách hiệu quả để cân bằng giữa bảo mật và hiệu suất.

Bài viết này giải thích cách Lambda MicroVMs đảm bảo an toàn thực thi mã AI trong môi trường doanh nghiệp.

LG is reportedly collecting your voice data even when your TV is off, as its executives claim that they "own the glass"

LG's smart TVs reportedly continue to collect voice recordings even when the device appears powered off, based on statements from executives claiming ownership of the display glass. The TVs keep their microphones active and store short audio snippets locally when the internet connection drops, then upload them once connectivity is restored. This means users may unknowingly have their conversations captured and transmitted to LG's servers, raising privacy concerns and potential misuse of personal data. When evaluating smart TVs, users should verify and disable always‑on microphone features, review data retention policies, and consider network‑level controls to limit unintended data collection.

Bài tiết lộ cách LG thu thập dữ liệu giọng nói ngay cả khi TV tắt, giúp bạn hiểu rõ quyền riêng tư thiết bị gia đình.

Load-Bearing People

Bài viết bắt đầu bằng việc mô tả cách một gói npm tên left-pad, chỉ gồm mười một dòng …

AI guardrails: the fastest way to move fast

Bối cảnh là các công ty Liquid C2 và Cloudflare cho rằng quản lý AI cần được tích hợp vào hạ tầng ngay từ giai đoạn khởi động. Nguyên nhân kỹ thuật là họ đề xuất đặt một gateway kiểm tra luồng dữ liệu và đặt giới hạn chi phí cho các tác nhân AI. Hệ quả của cách này là giảm nguy cơ vượt ngân sách kiểm soát và cho phép các nhóm phát triển tăng tốc độ triển khai mà không lo về vi phạm chính sách. Điều đáng học là việc embed guardrails vào lớp hạ tầng thay vì áp dụng sau cung cấp một mécanisme tự động và mở rộng được. Với mô hình này, các tổ chức có thể duy trì sự linh hoạt trong thử nghiệm AI đồng thời đảm bảo tuân thủ và kiểm soát chi phí.

Bài viết này giúp lập trình viên hiểu cách triển khai bảo mật AI ngay từ tầng hạ tầng để kiểm soát chi phí và ngăn rủi ro hiệu quả.

Dirty Frag (CVE-2026-43284): Linux Root Escalation

Dirty Frag (CVE-2026-43284) cho phép attacker từ quyền low-privilege leo thang lên root trên Linux, bao gồm cả việc thoát container. Lỗ hổng này xuất phát từ race condition trong bộ nhớ kernel khi xử lý system call clone(), cho phép attacker overwrite kernel structures. Hậu quả là attacker có thể nhận được quyền kernel code execution và bypass các cơ chế bảo vệ như SELinux hay AppArmor. Điều đáng học là kernel developers cần thêm validation trong các system call quan trọng và container environments cần chroot() sớm hơn để hạn chế tác động.

Dirty Frag giúp bạn bảo mật hệ thống Linux bằng cách phát hiện và vá lỗ hổng root escalation CVE-2026-43284 trước khi kẻ tấn công khai thác.