Aggregator
CVE-2020-11979 | Oracle Retail Item Planning 16.0.3 AAI Framework temp file (EUVD-2021-0549 / WID-SEC-2024-0794)
CVE-2020-11979 | Oracle Retail Macro Space Optimization 16.0.3 ODI Integration temp file (EUVD-2021-0549 / WID-SEC-2024-0794)
CVE-2020-11979 | Oracle Retail Merchandise Financial Planning 16.0.3 Merchandising Insights temp file (EUVD-2021-0549 / WID-SEC-2024-0794)
CVE-2020-11979 | Oracle Retail Category Management Planning & Optimization ODI Integration temp file (EUVD-2021-0549 / WID-SEC-2024-0794)
«Крот» за 6 тысяч долларов в месяц. Почему экономить на шпионах в Кремниевой долине — плохая идея
CVE-2026-0915 | GNU glibc up to 2.42 nsswitch.conf getnetbyaddr/getnetbyaddr_r uninitialized resource (EUVD-2026-2855 / Nessus ID 296551)
CVE-2026-0861 | GNU glibc up to 2.42 integer overflow (EUVD-2026-2441 / Nessus ID 296551)
CVE-2022-48620 | uev up to 2.4.0 epoll_wait maxevents buffer overflow (Issue 27 / EUVD-2022-51315)
CVE-2025-14316 | AhaChat Messenger Marketing Plugin up to 1.1 on WordPress cross site scripting
CVE-2025-14973 | Recipe Card Blocks Lite Plugin up to 3.4.12 on WordPress sql injection
具身智能的三大安全挑战:认知、网络与伦理的治理思考
具身智能的崛起,正为人类生产力谱写新篇章,但随之而来的安全新挑战也前所未有。产业的繁荣,必须回答一个前置问题:智能体的安全底座应从何构建?人机共存的边界又应如何定义?梆梆安全「具身智能安全」系列专题,希望与行业同行一道,深入三大安全前沿,共同探寻可信未来的答案。
一、政策引领:具身智能升维新质生产力
2025年《政府工作报告》明确提出因地制宜发展新质生产力,并强调建立未来产业投入增长机制,重点培育生物制造、量子科技、具身智能与6G等前沿领域。具身智能作为人工智能与物理环境深度融合的关键路径,正成为推动产业智能化转型的核心驱动力。其根本特征在于智能体通过身体与环境的持续交互,构建起“感知-认知-行动”一体化闭环,实现真正意义上的环境理解与自主执行。
二、形态演进:从多元实体到人形智能体
具身智能不囿于形态,其本质是智能系统与物理实体的有机结合。无论是轮式平台、多足结构或机械臂形态,只要具备实体并能与环境实现“感知-决策-行动”的闭环交互,均属具身智能范畴。
在各类形态中,人形机器人凭借对人类环境的高度兼容性与拟人化操作能力,被普遍认为是具身智能发展的最高形态。其系统架构主要包括三大核心模块:
机械运动结构(“肢体”):承担机器人的移动与操作任务,当前以电力驱动为主,融合多种传动与感知单元,实现高负载与灵活运动。
运动控制系统(“小脑”):负责底层运动协调与动态平衡,借助实时数据处理与优化算法,保障机器人在复杂环境中的稳定运行。
智能感知系统(“大脑”):以多模态大模型为核心,整合视觉、语音、力控等感知信息,完成环境理解、自主决策与自然人机交互。
目前业界普遍认为,人形机器人正从依赖预设算法的“部分自主”阶段,迈向具备环境感知与场景智能的“条件自主”阶段。具体而言,在运动技能学习方面已取得重要进展,机器人已能够完成复杂的全身协调动作。未来,随着多模态大模型与自适应算法的持续成熟,其环境认知与任务执行能力将向更高层级的自主化不断演进。
(宇树G1人形机器人流畅投篮,图片来源于网络)
三、风险矩阵:认知、网络与伦理的安全挑战
在认知安全层面,算法偏见、信息茧房与深度伪造等技术被滥用于操纵公众认知与舆论走向,已在多国选举与地区冲突中引发社会信任危机。AI生成内容加剧认知极化,影响文化认同与政治稳定,构建可信AI体系成为当务之急。
在网络安全层面,作为当前最具现实威胁的领域,呈现出三层递进风险结构:
攻击手段高度智能化:黑产组织利用经恶意样本训练的大模型,自动生成高仿真钓鱼邮件、自动化攻击脚本与复杂漏洞利用工具,显著增强攻击效率与隐蔽性。针对机器人系统,攻击者可发起拒绝服务、中间人劫持、固件篡改等多维攻击,夺取控制权或引发系统失序,直接威胁人身与资产安全。
关键基础设施面临协同化威胁:能源、交通、工业控制系统因深度互联而暴露于协同攻击之下。AI赋能的攻击链具备快速渗透与持久潜伏能力,大幅扩大系统瘫痪范围与恢复成本。近年来多起跨国关键基础设施被侵事件已印证这一趋势。
网络战与战场机器人加速融合:多国积极推进AI在网络攻防与无人作战系统中的应用,具备一定自主决策能力的战斗机器人已进入实战验证阶段。随着具身智能与强化学习的深度融合,未来战场机器人可能获得更高级别的作战权限,触发新型军备竞赛与战略失衡。
在伦理安全层面,自主武器系统的“识别-决策-打击”闭环、脑机接口面临的神经信号篡改风险、智能驾驶在责任界定与系统边界上的模糊性等问题,持续挑战现有人机伦理框架与治理体系,同样不容忽视。
四、安全治理:构建闭环可信的具身智能生态
尽管商用人形机器人尚未出现重大安全事件,但结合工业自动化、无人系统与智能设备已发生的安全事件分析,其风险形态具备高度的可预测性与相似性。随着具身智能机器人逐步渗透至制造、物流、医疗、家居及国防等关键领域,其安全影响将超越传统信息系统的范畴,形成横跨物理空间、网络空间与认知空间的复合型威胁生态。
未来,每一台接入网络的具身智能体都可能成为新型攻击入口。一旦被恶意控制,不仅将引发生产中断、数据泄露与设备损毁,更可能在关键任务中造成人身伤害乃至社会秩序混乱。因此,必须在产品设计、标准制定、检测认证与应急响应等环节构建贯穿始终的安全治理体系。
作为网络安全领域的实践者,梆梆安全呼吁产业链各方共同关注具身智能发展中的安全与可信挑战,从硬件固件、通信协议、AI模型到应用交互等关键层面,系统构建覆盖全链路的防护机制,形成持续闭环的安全能力。只有在技术演进与安全部署同步推进的前提下,具身智能才能真正成为推动社会进步的可信力量,而非潜在风险的源头。
参考文献:
[1] 《黄殿中院士 | 智能向善:对智能时代发展与安全的思考》
[2] 《论坛·原创 | 人形机器人技术发展趋势、安全风险与应对策略》
[3] 《全球具身智能发展态势及对我国的启示》
[4] 《专题·原创 | 人工智能时代的数据安全法治思考:影响研究与变革路径》
[5] 《躬身入局,中国移动如何玩转具身智能?》
具身智能的 “阿喀琉斯之踵”,我们如何与脆弱的钢铁之躯共存?
当机器前所未有地融入人类生活与生产流程时,API漏洞、数据投毒、硬件木马等安全威胁也如影随形,成为其规模化落地的“卡喉之刺”。商业价值的实现,必须建立在坚实的安全底座之上。梆梆安全「具身智能安全」系列专题,将深入剖析产业繁荣背后的安全挑战与应对之道。
一、智能革命:从实验室走向产业舞台
2025年11月,小鹏发布会的舞台上,一个名为“IRON”的钢铁身影迈着猫步走向台前。其仿生肌肉与全包覆柔性皮肤之下,是流畅完成扭腰、转身等拟人动作的能力,引发台下阵阵惊叹。
(图片来源于网络)
几乎与IRON亮相同期,宇树科技的G1机器人正在家庭场景中完成一场“数据驱动”的表演:扔垃圾、扫地、捡抱枕……每一个动作都被实时记录,成为喂养“机器大脑”的养分。
(图片来源于网络)
凭借“IRON”、G1等机器人在多元场景下的出色表现,人形机器人迅速成为科技界的焦点,市场热度持续攀升。资本市场对此展现出前所未有的关注度:一方面,多家具身智能初创企业接连获得融资;另一方面,制造业厂商与互联网巨头也纷纷跨界布局,推动人形机器人市场订单快速增长,甚至出现客户采购意向远超预期用途的盛况。这一切仿佛在宣告:一个人机共生的时代,正加速到来。
二、安全危机:当机器人成为攻击标的
然而,在机器人推动各行业效率革命的进程中,接连不断的安全事件敲响了警钟。普渡机器人(Pudu Robotics)被曝存在严重API安全漏洞,其产品中几乎所有API均缺乏有效的身份验证机制。尽管系统要求使用有效令牌,却未能校验用户权限或机器人归属,极易被攻击者利用以劫持监控、随意发起或篡改任务。
作为全球主要商用服务机器人制造商之一,普渡机器人的产品广泛应用于餐厅、酒店、医院、办公楼和零售场所。一旦权限落入攻击者之手,将引发多重安全隐患:
在餐厅场景中,攻击者可操控送餐机器人,将其重定向至指定位置,取消高峰时段配送任务,或令其无限循环播放音乐;
在办公场景中,配备机械臂且可自主乘梯的机器人若被劫持,可能从安全区域窃取机密文件并转移至出口;
在医疗环境中,恶意行为者可能干扰药品配送流程,驱使清洁机器人闯入手术室,甚至绕过关键的消毒程序。
该事件暴露了制造商在安全设计、应急响应与漏洞管理方面的明显短板——从漏洞上报至最终修复,仅在客户预警后才采取紧急措施,期间机器人持续处于脆弱状态运行。安全并非商业价值之外的独立环节,而是其不可分割的核心组成部分;前置的安全投入,远低于事后补救的商业代价。
三、发展瓶颈:标准化、安全与合规的挑战
随着具身智能机器人从示范应用迈向规模化部署,其发展正面临标准不统一、安全体系不完善与合规路径不明晰等多重挑战。
标准化进程仍在发展中
当前,具身智能技术的标准化进程仍在持续推进。尽管国家已着手建设具身智能基准测试(EAI Bench)体系,但由于测试场景分散、任务类型多样、数据规模有限,现有标准体系尚未成熟,尚难以系统、全面地评估机器人在复杂环境中的真实能力。
安全风险贯穿技术架构
从硬件、数据到控制层,攻击面横向跨越整个技术栈,亟待制造商提升安全意识并构建体系化的纵深防御能力。硬件层方面,核心零部件供应链成为攻击目标,固件植入、硬件木马等高级持续性威胁可能穿透传统防御体系;数据层方面,训练数据投毒可能导致模型后门,对抗样本攻击可误导机器人视觉系统;控制层方面,则面临中间人攻击劫持运动控制系统,以及拒绝服务攻击致使关键任务机器人瘫痪的风险。
安全监管体系尚不完善
由于具身智能机器人直接与现实世界交互,其误用或遭受攻击可能导致物理伤害、数据泄露甚至社会秩序紊乱。网络脆弱性、隐私泄露风险、人机责任界定等问题若不能妥善解决,将严重制约其在高信任场景中的应用。当前监管在模型安全、本体安全与信息安全方面仍存在空白,亟须加快配套法规和制度建设。
合规压力持续加大
等级保护2.0、数据安全法、个人信息保护法等监管要求正逐步延伸至机器人领域。企业需同时满足网络安全法对关键信息基础设施的保护要求,以及个人信息保护法对生物特征数据的收集规范,这对产品设计、数据治理与系统架构提出了更高要求。
法律与伦理建设亟待跟进
尽管多模态大模型增强了机器人的感知与决策能力,但其“幻觉”问题与认知污染风险尚未完全解决。当人机伦理冲突或社会性问题出现时,如何界定责任、保护隐私、防范认知污染,已成为必须应对的课题。
四、未来已来,安全赋能产业最后一公里
在这场具身智能机器人奔向产业化的马拉松中,诸多问题仍待解答:
具身智能何时才能摆脱遥控器,距离“全自主”还有多远?
究竟是哪些环节阻碍了规模化应用的实现,是软件系统的智能适配能力不足?是核心零部件成本高与供应链的“卡脖子”风险?是高质量数据匮乏与模型算法的“数据依赖”困境?还是安全与伦理规范缺失所带来的责任隐忧?
在资本追捧与技术展示之外,我们更应回归商业本质:具身智能的真正价值不应局限于“替代人类”,而应致力于“拓展人类”——既要在人类难以企及的任务中发挥作用,更应成为探索未知边界的重要延伸。梆梆安全认为,这需要全行业在技术、安全、伦理与治理等多维度协同推进,共同构建可信的发展路径。只有在安全、合规、可信的框架下,机器人技术的硬件进步、数据积累与算法优化,才能有效转化为被社会接受、受市场认可的真正商业价值。
参考文献:
[1] 《具身智能标准化论坛成功召开,具身智能基准测试(EAI-Bench)深入推进中!》
[2] 《论坛·原创 | 人形机器人技术发展趋势、安全风险与应对策略》
[3] 《瞭望丨一组文章,冷思考具身智能》
[4] 《“真人扮演”的争议背后,小鹏机器人技术含量几何?》
[5] 《先运动、再干活,宇树机器人开始做家务了》
[6] 《Food Delivery Robots Vulnerable to Hacks That Redirect Orders》
伊朗正建立一个分级制的互联网
Обновление, которое не заметят миллионы пользователей Linux. Почему выход glibc 2.43 важнее большинства громких релизов
【深度研判】美国“和平委员会”与国际多边体制演变对我国际安全挑战分析
韩国国情院如何调查朝鲜,揭秘五大谍报手段
Brakeman: Open-source vulnerability scanner for Ruby on Rails applications
Brakeman is an open-source security scanner used by teams that build applications with Ruby on Rails. The tool focuses on application code and configuration, giving developers and security teams a way to identify common classes of web application risk during development and testing. Brakeman analyzes application source code directly, including controllers, models, views, and templates. The scanner builds an internal representation of how data moves through the application, which allows it to flag patterns associated … More →
The post Brakeman: Open-source vulnerability scanner for Ruby on Rails applications appeared first on Help Net Security.
LilacCTF 2026
Date: Jan. 24, 2026, 1 a.m. — 26 Jan. 2026, 01:00 UTC [add to calendar]
Format: Jeopardy
On-line
Offical URL: https://lilacctf2026.xctf.org.cn/
Rating weight: 25.00
Event organizers: Lilac