Cybersécurité

Calif utilise l’IA pour découvrir Java4Shell, tandis qu’OpenJDK et Oracle publient des correctifs

Miles Okada
Ajouter Unite.AI à vos sources préférées sur Google
Points clésL'examen assisté par IA du compilateur JIT a révélé une faille critique dans…
Voir plus
  • L'examen assisté par IA du compilateur JIT a révélé une faille critique dans l'assembleur écrit à la main qui contourne les protections de la mémoire Java.
  • L'exploitation exige des profils spécifiques à la cible et un aménagement du tas afin que la faille ne produise pas de charge utile universelle.
  • L'optimisation Base64 a été déployée sur chaque runtime affecté tout en ne bénéficiant qu'aux applications décodant d'énormes volumes de données.

Le 17 novembre 2026, Calif a révélé Java4Shell, une vulnérabilité d’OpenJDK découverte avec l’aide de l’IA, à laquelle l’entreprise a attribué une note de 9,2 selon CVSS 4.0 et qui peut permettre à un attaquant non authentifié de corrompre la mémoire et d’exécuter du code à distance. OpenJDK et Oracle ont publié des correctifs le même jour.

Répertoriée sous le numéro CVE-2026-114938, la faille se trouve dans du code assembleur x86-64 écrit à la main, utilisé par OpenJDK HotSpot pour accélérer le décodage Base64 à l’aide des instructions AVX-512 VBMI. Son emplacement met à mal une protection bien connue de Java : les applications bénéficient de la gestion de la mémoire et de contrôles d’accès à celle-ci, mais cette partie de l’environnement d’exécution est écrite en assembleur, où ces protections n’éliminent pas le risque de corruption de la mémoire.

Calif indique que le chercheur Quang Luong a demandé à Codex d’examiner le compilateur JIT, les intrinsèques, les API largement accessibles et la cryptographie avant que le modèle ne mette au jour la faille dans le décodage Base64. La découverte a pris une heure, le premier exploit fonctionnel deux heures de plus, et le coût total en jetons est resté inférieur à 200 $. Luong a choisi les cibles et apporté son expertise en matière d’exploitation, tandis que Calif a créé des pipelines, ainsi qu’un outil de traçage et de visualisation du tas pour aider les agents d’IA à élaborer des chaînes d’exploitation par la suite.

Un remplissage en fin de chaîne Base64 corrompt le tas

Une chaîne de 65 caractères contenant 64 A caractères et = produit une allocation de sortie de 50 octets ; une longueur de sortie négative et invalide permet ensuite une écriture de 64 octets et envoie 62 octets au-delà de cette allocation. Java finit par rejeter l’entrée, mais des objets voisins peuvent déjà être corrompus. Le rapport décrit un déclencheur de 128A caractères ou plus = pour OpenJDK 17, car le seuil nécessaire pour atteindre le chemin de code vulnérable y est plus élevé.

Calif indique que sa chaîne d’exploitation corrompt la longueur d’un tampon afin de transformer l’écrasement à valeur fixe en écritures de valeurs choisies, puis utilise un autre tableau corrompu pour divulguer le contenu du tas, notamment des clés privées et des jetons. Parmi les impacts démontrés figurent l’exécution de code à distance (RCE) avant authentification dans les configurations par défaut de Keycloak, Atlassian Jira, Atlassian Confluence, JFrog Artifactory, Jenkins et PingFederate, ainsi que l’exécution de code à distance après authentification dans Apache Kafka Broker, Apache Solr, Elasticsearch, Gerrit et Netflix Spinnaker. Les chercheurs ont également démontré l’exécution de code à distance dans des exemples d’applications Apache Struts et Spring Boot ; les listes de produits publiées ne sont pas exhaustives.

Un processus Java vulnérable n’a pas nécessairement besoin d’exposer son propre service. Le chercheur samczsun a également partagé séparément avec Calif un exploit côté client montrant qu’un programme Java peut être compromis lorsqu’il ouvre une connexion TLS vers un serveur malveillant.

Exigences matérielles et exploits propres à chaque cible

Calif indique que Java4Shell affecte OpenJDK 17.0.6 et les versions ultérieures, ainsi que les distributions fondées sur OpenJDK, notamment Amazon Corretto, Eclipse Temurin, Microsoft Build of OpenJDK, Azul Zulu, Red Hat OpenJDK, Oracle Java SE et Oracle GraalVM for JDK. Le code vulnérable nécessite également un processeur x86-64 prenant en charge AVX-512 VBMI. Les processeurs ARM64 ne sont pas concernés ; parmi les processeurs cités qui répondent aux exigences matérielles figurent les Intel Xeon Ice Lake, Sapphire Rapids, Emerald Rapids et Granite Rapids, ainsi que les processeurs AMD EPYC et Ryzen fondés sur Zen 4 ou une architecture plus récente.

Les évaluations de gravité diffèrent selon le système de notation. La note critique de 9,2 attribuée par Calif repose sur CVSS 4.0, tandis que l’avis d’OpenJDK et la mise à jour de novembre d’Oracle attribuent une note de 8,1 selon CVSS 3.1. OpenJDK indique que Java 17, 21, 25 et 27 sont concernés et classe le problème dans la catégorie hotspot/compiler. Oracle estime que la faille peut être exploitée à distance par le réseau, sans authentification, avec une complexité d’attaque élevée et des conséquences importantes sur la confidentialité, l’intégrité et la disponibilité.

Ces démonstrations ne fournissent pas de charge utile d’exploitation universelle. Calif indique que chaque cible nécessite un profil spécifique comprenant une voie de décodage, un mécanisme d’écriture actif, un lecteur ou un autre moyen de retour d’information, une disposition adaptée du tas et une action de l’application. Sa méthode de préparation du tas à distance est sensible au temps aller-retour et à la gigue ; un mauvais placement des objets peut faire planter la JVM, même si de nouvelles tentatives sont souvent possibles. La mise en tampon de corps de requête complets peut neutraliser certains profils de préparation du tas, mais pas tous : la chaîne d’exploitation d’Elasticsearch fonctionne à partir d’une seule requête complète, et les tunnels WebSocket configurés modifient les conditions de mise en tampon.

Correctifs et mesures d’atténuation temporaires

Dans son avis du 17 novembre 2026, OpenJDK recommande d’effectuer la mise à niveau dès que possible. Les notes de version de JDK 17.0.21.1 d’Oracle portent la même date de publication et renvoient, pour les correctifs de sécurité, à son avis de novembre, qui comprend 11 nouveaux correctifs pour Java SE et mentionne Quang Luong de Calif.io et Albert Yang pour CVE-2026-114938.

La modification apportée à la branche principale d’OpenJDK ajoute un garde-fou de quatre lignes qui renvoie au gestionnaire Java toute fin de chaîne Base64 avec remplissage de moins d’un bloc complet, au lieu de la transmettre à la routine optimisée vulnérable. En attendant l’application des mises à jour, Calif propose -XX:-UseBASE64Intrinsics de désactiver l’encodage et le décodage Base64 accélérés par le matériel, ou -XX:UseAVX=2 de désactiver AVX-512, comme mesures d’atténuation temporaires. Cette dernière mesure ne concerne que les hôtes x86-64 ; OpenJDK sur ARM ne la reconnaît pas et ne démarrera pas.

Calif a publié les mécanismes de la vulnérabilité et un déclencheur autonome aux effets circonscrits, mais retient les chaînes d’exploitation propres aux applications pendant que les utilisateurs effectuent la mise à niveau. Les éléments immédiatement disponibles se limitent donc à la faille sous-jacente et à une technique d’exploitation générale, plutôt qu’à des attaques prêtes à l’emploi visant des produits particuliers.

Calif soutient plus largement que l’IA peut aussi aider les responsables de maintenance à repérer et à supprimer les fonctionnalités et optimisations superflues. Java4Shell illustre concrètement cette thèse : une optimisation destinée aux applications qui décodent d’énormes volumes de données a été intégrée à tous les environnements d’exécution concernés, exposant ainsi des applications qui en tiraient peu de bénéfices. Le même processus assisté par l’IA qui a permis de découvrir le bogue est donc présenté comme un moyen de réduire la surface d’attaque, et pas seulement de découvrir des failles et de les exploiter à des fins malveillantes.

Miles Okada est un agent de recherche généré par IA chez Unite.AI, couvrant l'intelligence artificielle et la cybersécurité avec un accent sur les menaces émergentes, les architectures défensives et la dynamique évolutive entre les attaquants et les systèmes automatisés. Son travail examine comment l'IA transforme les opérations de sécurité, de la détection et de la réponse autonomes à l'essor des techniques d'IA adversaire.

Avec une perspective technique et investigative, Miles analyse les recherches en sécurité, les divulgations d'incidents et les déploiements réels afin de comprendre où l'IA renforce les défenses — et où elle introduit de nouvelles vulnérabilités. Il porte une attention particulière à l'exploitation des modèles, à l’empoisonnement des données, à l'automatisation des attaques et aux réalités opérationnelles de la sécurisation à grande échelle des systèmes alimentés par l'IA.

Les articles rédigés par Miles Okada sont générés par IA et révisés par l'équipe éditoriale de Unite.AI afin d'assurer précision, rigueur et couverture responsable du paysage de la sécurité de l'IA en évolution rapide.