måndag 22 juni 2026
← TILLBAKA

teknik·AI-REDIGERAD

Allvarlig sårbarhet i Copilot blottlade användares tvåfaktorskoder

En nyupptäckt sårbarhet kallad ”SearchLeak” i Microsofts AI-assistent Copilot tillät angripare att stjäla tvåfaktorskoder från användare. Händelsen belyser fortsatta utmaningar med säkerheten i stora språkmodeller.

Publicerad 21 juni 2026 kl. 20:20·1 källa
AIAI-genererad sammanfattning. The Global Scout bedriver inte egen originalrapportering — texten är en AI-syntes av tredjepartskällor och kan innehålla fel. Läs alltid originalkällorna nedan för full kontext.

En kritisk sårbarhet, döpt till "SearchLeak", har upptäckts i Microsofts AI-assistent Copilot. Sårbarheten gjorde det möjligt för angripare att kapa användares tvåfaktorsautentiseringskoder (2FA) genom att utnyttja hur språkmodellen hanterar information. Detta har belyst en återkommande brist i branschens tillvägagångssätt för säkerhet i stora språkmodeller (LLM). Hela rapporten kommer från Ars Technica, som nämner att utnyttjandet av denna sårbarhet visar på att problemen med LLM-säkerhet kvarstår.

Detta vet vi

  • En sårbarhet kallad "SearchLeak" har upptäckts i Microsoft Copilot.
  • Sårbarheten möjliggjorde stöld av tvåfaktorsautentiseringskoder (2FA) från användare.
  • Incidenten belyser pågående säkerhetsbrister inom stora språkmodeller (LLM).

Detta är fortfarande oklart

  • Exakt hur sårbarheten ”SearchLeak” fungerar tekniskt för att stjäla 2FA-koder har inte utförligt beskrivits.
  • Hur många användare som potentiellt kan ha drabbats av denna sårbarhet är okänt.
  • Vilka åtgärder Microsoft har vidtagit eller planerar att vidta för att åtgärda sårbarheten och förhindra liknande framtida incidenter är inte specificerat.

Påståenden & källor

  • A
    • En kritisk sårbarhet, döpt till "SearchLeak", har upptäckts i Microsofts AI-assistent Copilot.
    • Sårbarheten gjorde det möjligt för angripare att kapa användares tvåfaktorsautentiseringskoder (2FA) genom att utnyttja hur språkmodellen hanterar information.
    • Detta har belyst en återkommande brist i branschens tillvägagångssätt för säkerhet i stora språkmodeller (LLM).
DelaXBluesky