Présentation de l'édition

Le numéro 73 de Phrack est sorti le 30 septembre 2026, marquant le 40ᵉ anniversaire du magazine. Publié en version imprimée lors de Defcon 33, HOPE, WHY25 et une douzaine d’autres conférences, il comprend 23 articles principaux et huit contributions supplémentaires dans la rubrique « Line Noise ». L’édition s’appuie sur le soutien de sponsors tels que WatchTowr, TrustedSec et l’EFF, et propose un CTF avec des challenges d’exploitation.

Principaux sujets techniques

Les contributions couvrent un large spectre : contournement du vDSO pour des container escapes, exploitation de use‑after‑free, shellcode en espace utilisateur sous QNX, recherches avancées sur le noyau Linux, et une fuite du sandbox du rendu Chromium via la bibliothèque Skia. D’autres articles analysent l’architecture des cartes à puce Windows, la taint analysis statique dans Binary Ninja, la sécurité des véhicules sous‑marins autonomes, ainsi que les backdoors en machine learning et les implications de systèmes IA agentiques capables d’analyser du code source.

Analyse des techniques d'exploitation

Le vDSO, implémenté comme une zone de mémoire partagée entre le noyau et les processus, permet d’appeler des fonctions système sans transition de mode. En manipulant les pointeurs du vDSO, les chercheurs ont démontré la possibilité de sortir du confinement d’un conteneur, contournant les contrôles de cgroup. L’exploitation de use‑after‑free repose sur la libération prématurée d’un objet mémoire, suivie d’une réallocation contrôlée, ouvrant la voie à l’injection de code arbitraire. Le shellcode QNX montre que même les micro‑noyaux peuvent être ciblés via des vulnérabilités en espace utilisateur, soulignant la nécessité d’une validation stricte des entrées.

Perspectives et limites

Les travaux sur le sandbox Chromium révèlent que la séparation entre le processus de rendu et le moteur graphique Skia reste fragile face à des objets mal formés. Les analyses de la smart‑card Windows indiquent que les API de gestion de clés sont encore exposées à des attaques de type man‑in‑the‑middle. La recherche en taint analysis montre que Binary Ninja peut tracer les flux de données, mais dépend fortement de la précision des modèles de désassemblage. Enfin, les études sur les backdoors IA soulignent que la confiance dans les modèles d’apprentissage automatique nécessite des audits de code et des mécanismes de vérification formels, faute de quoi les systèmes autonomes restent vulnérables. Ces limites suggèrent que les futures éditions devront approfondir la validation formelle et l’isolation matérielle pour contrer les vecteurs d’attaque émergents.