یک عامل تهدید با انگیزه مالی، به توسعه و توزیع بدافزار رباینده اطلاعات (Infostealer) مبتنی بر جاوااسکریپت (JavaScript) با نام PhantomRaven از طریق مخزن پکیج npm پرداخته است. واحد عملیات مقابله با تهدیدات شرکت CrowdStrike در گزارشی جدید اعلام کرده است که با اطمینان بالا، توسعه این بدافزار با کمک یک مدل زبانی بزرگ (LLM) انجام شده است. این ارزیابی بر اساس شواهدی مانند کامنت‌های بسیار مفصل، کدهای Placeholder و الگوهای آماری حاصل از تحلیل توکن‌ها صورت گرفته است. یافته‌های جدید درباره PhantomRaven نشان می‌دهد استفاده از مدل‌های زبانی بزرگ در توسعه بدافزارها می‌تواند فرآیند طراحی و آماده‌سازی آن‌ها را برای عوامل تهدید تسهیل کند.
در پی افزایش چشمگیر استفاده از ابزارهای هوش مصنوعی (AI) برای شناسایی آسیب‌پذیری‌ها، گوگل ساختار برنامه باگ بانتی گوگل را برای مرورگر کروم، سیستم‌عامل اندروید و دستگاه‌های Pixel بازطراحی کرده است. این بازنگری در برنامه باگ بانتی گوگل باعث شده است که از یک طرف پاداش‌های بخش کروم کاهش پیدا کنند و از طرف دیگر، جوایز مربوط به اندروید و دستگاه‌های Pixel به شکل قابل توجهی افزایش یابند.
یک عامل تهدید با انگیزه مالی، به توسعه و توزیع بدافزار رباینده اطلاعات (Infostealer) مبتنی بر جاوااسکریپت (JavaScript) با نام PhantomRaven از طریق مخزن پکیج npm پرداخته است. واحد عملیات مقابله با تهدیدات شرکت CrowdStrike در گزارشی جدید اعلام کرده است که با اطمینان بالا، توسعه این بدافزار با کمک یک مدل زبانی بزرگ (LLM) انجام شده است. این ارزیابی بر اساس شواهدی مانند کامنت‌های بسیار مفصل، کدهای Placeholder و الگوهای آماری حاصل از تحلیل توکن‌ها صورت گرفته است. یافته‌های جدید درباره PhantomRaven نشان می‌دهد استفاده از مدل‌های زبانی بزرگ در توسعه بدافزارها می‌تواند فرآیند طراحی و آماده‌سازی آن‌ها را برای عوامل تهدید تسهیل کند.
در پی افزایش چشمگیر استفاده از ابزارهای هوش مصنوعی (AI) برای شناسایی آسیب‌پذیری‌ها، گوگل ساختار برنامه باگ بانتی گوگل را برای مرورگر کروم، سیستم‌عامل اندروید و دستگاه‌های Pixel بازطراحی کرده است. این بازنگری در برنامه باگ بانتی گوگل باعث شده است که از یک طرف پاداش‌های بخش کروم کاهش پیدا کنند و از طرف دیگر، جوایز مربوط به اندروید و دستگاه‌های Pixel به شکل قابل توجهی افزایش یابند.
