创刊于 1985 年的地下黑客杂志《Phrack》在 2026 年 11 月 17 日正式上线第 73 期(Phrack 73),比发刊词顶部标注的 9 月 30 日截稿日期晚了 48 天。这是新编辑团队接手三年来策划的第 3 期,共收录 23篇主论文,比 2025 年 8 月 19 日发布的 40 周年刊 Phrack 72(16 篇主论文)增加 7 篇,篇幅 增长约44%;短文栏目 Line Noise 线上实际目录达到 9 篇,比发刊词宣称的 8 篇还在末尾多补入了一篇 LKM rootkit 检测研究。

与将漏洞当作封闭商品交易的商业悬赏平台不同,Phrack 73 依然坚持把现代攻防的底层构造完整摊开。本期最大的看点在于它诚实地记录了人类黑客直觉与 2026 年智能体 AI(Agentic AI)的正面碰撞。编辑部在发刊词里强调,当 AI 具备源码分析与二进制逆向能力后,人类经验与直觉反而更加珍贵;而正文的实战论文却同步证明,AI 工具已经实质性介入高危漏洞挖掘,同时又把大模型训练流水线和模型文件本身变成了脆弱的新型攻击面。

从纸质刊CTF到WinFsp漏洞,AI已实质介入二进制逆向

去年 40 周年刊发布时,编辑团队在 Defcon 33、HOPE、WHY25 等十余个安全会议现场派发了附带 CTF 漏洞挑战的纸质杂志,试图把被商业化割裂的安全社区拉回拆解系统的传统。本期收录的 Lucas Tay 论文《From PhrackCTF to Two WinFsp 0-days》,直接验证了这套社区激励机制的实际产出。

作者受 2025 年 PhrackCTF 启发重新投入漏洞研究,将目标对准 Windows 文件系统代理组件 WinFsp 2.1.25156。他先靠人工审计发现了条件竞争导致的堆溢出漏洞 CVE-2026-3006,随后在 AI辅助二进制分析 实验中挖出了第二个整数溢出导致的堆溢出漏洞 CVE-2026-7162。发刊词用这篇论文证明杂志内嵌 CTF 的价值,而论文细节则表明,2026 年的个人研究者已经能够借助 AI 逆向工具在成熟系统组件里找出深层内存缺陷。

Phrack 社区激励与 AI 协同挖洞链路 Phrack 72 纸质刊 内置 PhrackCTF 点燃读者拆解热情 人工代码审计 定位条件竞争堆溢出 CVE-2026-3006 AI 二进制分析 挖出整数溢出堆漏洞 CVE-2026-7162 Phrack 73 论文 公开 WinFsp 2.1 两处漏洞根因分析 注:受影响版本为 WinFsp 2.1.25156,论文标题所称 0-day 指发现时状态,发布前已获分配 CVE 编号

一线红队工程师和防守方在阅读这篇论文时需要注意宣传口径与实际内容的差异。尽管发刊词与标题均以两个 WinFsp 0-day 为卖点,但两个漏洞在期刊上线前均已分配正式 CVE 编号,且正文只提供 漏洞根因分析,并未附带可直接运行的完整利用代码(Exploit)。

  • 提醒.本期上线初期在 Hacker News 收获 204 分与 19 条评论,读者讨论多集中于早期期刊回忆、ANSI 复古艺术及 2003 年 Linux 内核后门企图自白等历史故事,针对 23 篇高门槛论文的代码复现与同行评议明显滞后。

复活经典编译投毒,Qwen2.5-3B与ONNX解析器暴露模型供应链暗门

当发刊词提到本期探讨机器学习后门与信任 AI 系统的含义时,正文里的两篇论文给出了极具破坏力的工程实现,直接把大模型训练与推理基础设施变成了攻击靶场。

研究员 marver 撰写的《Reflections on Trusting AI: A Virus Inside an LLM》,将图灵奖得主 Ken Thompson 经典的编译器信任(Trusting Trust)思想搬进了大模型构建流水线。实验使用被投毒的 Qwen2.5-3B 辅助模型处理训练数据,在不触碰目标模型训练代码的前提下,成功植入了可实现 跨代训练投毒 的隐蔽后门,验证了恶意行为能够顺着合成与筛选数据向后续代际模型持续传染。

另一篇由 G. Cherubin 撰写的《Backdoor attacks against Machine Learning IRL》则打穿了推理运行时的文件边界。作者结合 ONNX Runtime 解析器漏洞(可实现任意文件或内存读取)与篡改过的 Qwen2 模型,把恶意读取逻辑直接藏进 ONNX 模型文件内部;一旦输入特定提示词触发,模型就会将宿主机内存或本地文件数据直接泄露出来。

Phrack 73 揭示的 AI 攻防一体两面 作为挖洞武器的 AI • 自动化源码审计与二进制逆向 • 辅助发现 WinFsp 整数溢出堆漏洞 • 大幅压低安全研究者的想法验证成本 代表案例:CVE-2026-7162 挖掘实验 作为新型攻击面的 AI • Qwen2.5-3B 辅助模型跨代训练投毒 • ONNX Runtime 解析器漏洞配合 Qwen2 窃密 • 特殊 Token 注入与无特权浏览器 Agent 越界 代表风险:模型权重与合成数据即木马

配合 Line Noise 栏目中关于特殊 Token 注入与无特权浏览器 Agent 隔离的研究,这两篇论文给依赖开源权重微调和合成数据的 AI 团队敲响了警钟。审查安全风险不能只盯住业务代码和提示词过滤,第三方 ONNX 模型文件解析器以及用于清洗数据的辅助小模型,现在都具备等同于恶意可执行文件的破坏力。


靠渲染像素反推内存,传统沙箱与容器逃逸退入极限微操

在 AI 攻防之外,Phrack 73 的传统系统安全论文回答了另一个关键问题,即当现代浏览器沙箱与操作系统内核堵死常规利用路径后,人类研究者的创造力究竟体现在何处。

Quang Luong 撰写的《Painting Out of the Box: Escaping the Chromium Renderer Sandbox via Skia》针对 Linux 平台 Chrome 146.0.7680.164 版本,利用 Skia 2D 图形库的整数溢出与地址泄露,实现了从渲染器进程到 GPU 进程的沙箱逃逸。为了绕过严密的信息泄露限制,作者采用了一项 像素级内存重构 技术,直接从图形渲染后的像素数值中反推并还原出底层内存地址。

常规利用路径被堵死的地方,才是人类直觉对抗自动化工具的最后防线。

同样的反常规思路也出现在本期的 vDSO 容器逃逸、QNX 用户态 shellcode、Binary Ninja 静态污点分析、水下自主航行器(AUV)安全,以及 Line Noise 中利用证书透明度(Certificate Transparency)充当隐蔽通信信道和无回调邮件驱动主机任务(SIPHON)等研究中。加上对逆向工程传奇人物 Halvar Flake 的专访,以及 Defcon、OffensiveCon、WatchTowr、EFF、Binarly、Mullvad 等会议与机构的资助,这本 41 岁的纯文本杂志证明非商业化的硬核技术出版依然具备造血能力。接下来最值得安全行业观察的变量,是明年今日的自动化 AI 智能体究竟只能停留在挖掘 WinFsp 整数溢出这类单点缺陷,还是也能学会从 Chrome 渲染像素里反推内存地址这类跨层奇袭。