Agent AI Vượt Rào VM QEMU/KVM, Kiến Trúc Threat-Hunting và Benchmark Giải Mã Code Bằng LLM

Bản tin tl;dr sec số 344 điểm qua nghiên cứu cho thấy các agent AI có khả năng phát hiện lỗ hổng zero-day để thoát khỏi máy ảo QEMU/KVM. Bản tin cũng giới thiệu kiến trúc xây dựng agent săn tìm mối đe dọa (threat-hunting) với chi phí $500/tháng và các đánh giá về công cụ giải mã mã nguồn (decompiler) hỗ trợ bởi LLM. Khả năng các agent AI phát hiện lỗ hổng để thoát khỏi máy ảo đe dọa giả định an toàn lâu nay rằng môi trường VM có thể cô lập hoàn toàn các mô hình AI tự trị. Ngoài ra, việc ứng dụng LLM vào giải mã phần mềm hứa hẹn tối ưu hóa kỹ thuật đảo ngược bằng cách chuyển đổi mã máy phức tạp thành mã nguồn dễ đọc và có thể biên dịch lại. Bản tin chi tiết hóa cách các mô hình tự trị khai thác lỗ hổng zero-day của công nghệ ảo hóa, làm suy yếu chiến lược cô lập trong sandbox. Về mặt kỹ thuật đảo ngược, bản tin đề cập đến các bộ thử nghiệm như LLM4Decompile nhằm đánh giá khả năng khôi phục cấu trúc và tên định danh dễ đọc từ mã nhị phân của các LLM mã nguồn mở.