Le modèle d'IA d'Anthropic enchaîne des failles zero-day pour créer des exploits fonctionnels

Un modèle interne de recherche non publié d'Anthropic a réussi à identifier et à enchaîner plusieurs vulnérabilités de sécurité sur les principales plateformes, notamment Chrome, Safari, Android, Windows et Linux. L'entreprise a communiqué ces résultats fin octobre 2026, confirmant que tous les éditeurs ont depuis corrigé les failles après avoir reçu des rapports de divulgation coordonnée.

Ce qui s'est passé

L'équipe Frontier Red Team d'Anthropic a démontré qu'un seul modèle d'IA pouvait trouver des failles distinctes et les combiner en exploits de preuve de concept fonctionnels, une tâche auparavant réservée aux équipes humaines spécialisées en sécurité. La société a souligné que ces exploits ont été générés dans un environnement de laboratoire contrôlé via des prompts et n'ont jamais été observés lors d'attaques réelles. Chaque vulnérabilité a été signalée à l'éditeur concerné avant la divulgation publique, garantissant la disponibilité des correctifs au moment de la publication des détails.

La démonstration la plus marquante impliquait un exploit Chrome sur macOS. Après la visite d'une page malveillante par un utilisateur, l'exploit ouvrait l'application Calculatrice en quelques secondes sans nécessiter d'autres clics ou interactions. Cette chaîne reposait sur quatre vulnérabilités distinctes agissant en séquence : une corruption de mémoire dans le moteur JavaScript V8, une évasion du sandbox, une condition de course dans CacheStorage ayant fuité la disposition de la mémoire, et un bug use-after-free dans la fonctionnalité de connexion FedCM permettant l'exécution de code hors du sandbox du navigateur. Google a crédité le chercheur d'Anthropic Xinyang Ge, assisté par Claude, pour des corrections spécifiques dans Chrome 156, qui a traité 62 failles signalées.

D'autres chaînes ciblaient différentes plateformes avec des impacts variés. Un exploit Safari désactivait la politique same-origin, permettant à un site malveillant de lire des données provenant d'autres sites où l'utilisateur était connecté, tels que des portails e-mail ou bancaires. Apple a crédité Milad Nasr et Nicholas Carlini avec Claude pour la correction dans iOS et iPadOS 26.5.2. Une chaîne Android permettait la copie de données depuis un téléphone verrouillé via USB, tandis que les chaînes Windows et Linux ciblaient des vulnérabilités côté serveur. Le défaut Windows provoquait un crash de déni de service via des requêtes HTTP/3, et le défaut Linux permettait l'exécution de commandes root à distance sur des serveurs exécutant des écouteurs multipath TCP.

Comment cela fonctionne

La capacité fondamentale démontrée ici ne consiste pas seulement à trouver un seul bug, mais à enchaîner plusieurs failles de faible sévérité ou isolées en un exploit à fort impact. Dans l'exemple de Chrome, le modèle ne reposait pas sur une erreur critique unique, mais orchestrait quatre problèmes distincts. Il commençait par corrompre la mémoire dans le moteur JavaScript, puis échappait au sandbox, utilisait une condition de course pour cartographier la mémoire privilégiée, et enfin exploitait un bug de la fonctionnalité de connexion pour s'échapper complètement. Cette logique multi-étapes nécessite de comprendre comment différents composants d'une pile logicielle complexe interagissent, un niveau de raisonnement que les modèles d'IA démontrent de plus en plus.

Pour l'exploit Linux, le modèle contournait la Kernel Address Space Layout Randomization (KASLR), une défense qui randomise les adresses mémoire pour empêcher les attaquants de savoir où frapper. L'IA a d'abord fuité une adresse mémoire du noyau, puis utilisé une condition de course pour rediriger l'exécution du programme vers du code placé par l'attaquant. Anthropic a noté que ce processus a pris 48 minutes pour fuité l'adresse et cinq minutes supplémentaires pour obtenir un shell root, mais comme les tentatives échouées ne faisaient pas planter le système, un attaquant pourrait réessayer indéfiniment. Ce mécanisme de persistance rend l'exploit particulièrement dangereux malgré le temps requis.

Détails clés

• Chrome : L'exploit exécute du code hors du sandbox sur macOS avec un seul clic ; corrigé dans Chrome 156 le 20 octobre 2026.
• Safari : Désactive la politique same-origin pour lire des données inter-sites ; corrigé dans iOS/iPadOS 26.5.2 le 29 juin 2026.
• Windows : Crash de déni de service via des paquets HTTP/3 ; lié à CVE-2026-33096, corrigé en avril 2026.
• Linux : Exécution root à distance via multipath TCP ; lié à CVE-2026-98432, corrigé le 15 octobre 2026.
• Android : Vol de données depuis un appareil verrouillé via USB ; Google a confirmé la correction, mais aucun enregistrement public de CVE n'a été trouvé.
• Divulgation : Toutes les failles ont été signalées selon une politique de divulgation coordonnée de 90 jours avec une option d'extension de 45 jours.

Pourquoi c'est important

Pour les ingénieurs logiciels et les responsables de la sécurité, ce rapport signale un changement dans le paysage des menaces. Si les modèles d'IA peuvent enchaîner des vulnérabilités avec "peu d'intervention humaine", la barrière à l'entrée pour créer des exploits sophistiqués baisse considérablement. Auparavant, la création d'une chaîne d'exploits fiable nécessitait une expertise profonde et niche ainsi que des semaines d'ingénierie inverse manuelle. Désormais, la découverte initiale et la logique d'enchaînement peuvent être automatisées, permettant potentiellement à des acteurs moins qualifiés de weaponiser des vulnérabilités plus rapidement que les défenseurs ne peuvent les corriger.

Cependant, cette même technologie offre de puissantes capacités défensives. Anthropic présente ce travail comme un avantage pour les défenseurs, mettant en avant son Cyber Verification Program qui fournit aux professionnels vérifiés un accès à des modèles avancés comme Claude Opus 5.5 et Sonnet 5.5. En utilisant l'IA pour trouver proactivement et enchaîner des bugs, les organisations peuvent identifier les points faibles de leurs propres systèmes avant que les adversaires ne le fassent. Le point clé est que les tests de sécurité pilotés par l'IA ne sont plus théoriques ; ils produisent des exploits vérifiables et fonctionnels qui valident la gravité des problèmes signalés.

Ce que vous pouvez faire

• Mettez à jour tous les navigateurs et systèmes d'exploitation vers les dernières versions, spécifiquement Chrome 156+, iOS/iPadOS 26.5.2+ et les mises à jour récentes du noyau Linux.
• Passez en revue les configurations des serveurs pour désactiver les services inutiles comme les écouteurs multipath TCP s'ils ne sont pas nécessaires à votre infrastructure.
• Implémentez des en-têtes stricts de Content Security Policy (CSP) pour atténuer l'impact des éventuelles évasions de sandbox dans les applications web.
• Évaluez les outils de test de sécurité assistés par IA pour votre pipeline de développement afin d'identifier les chaînes de vulnérabilités tôt dans le processus de codage.
• Surveillez les notes de version des éditeurs concernant les crédits liés aux découvertes assistées par IA, car cela peut indiquer un volume plus élevé de failles découvertes dans les futures mises à jour.
• Assurez-vous que les protocoles de sécurité physique pour les appareils mobiles sont robustes, car les exploits découverts par l'IA pourraient cibler des vecteurs d'accès locaux comme le débogage USB.