یک آسیبپذیری بحرانی در cPanel با شناسه CVE-2026-41940 و امتیاز CVSS 9.8 کشف شده که به مهاجم اجازه میده بدون هیچ احراز هویتی دسترسی root به سرور بگیره. جالب اینجاست که طبق تأیید مدیرعامل KnownHost، این آسیبپذیری حداقل از ۲۳ فوریه ۲۰۲۶ در حال بهرهبرداری فعال بوده، یعنی ۶۴ روز قبل از هر اطلاعیه یا پچ عمومی. حدود ۱.۵ میلیون نمونه cPanel روی اینترنت در معرض خطر بودن و بعد از افشای عمومی، تنها در یک روز بیش از ۱۵ هزار هاست آلوده شدن. کمپینهای فعال باجافزاری و باتنت هم روی زیرساختهای آلوده cPan
گوگل سه قابلیت مهم به ابزار File Search در Gemini API اضافه کرده: پشتیبانی مولتیمودال (متن + تصویر)، متادیتای سفارشی، و ارجاع به صفحات سند. این ویژگیها به توسعهدهندهها کمک میکنه سیستمهای RAG دقیقتر، سریعتر و قابلاعتمادتری بسازن. با مدل Gemini Embedding 2، حالا میشه روی دادههای تصویری هم جستجوی معنایی انجام داد و نتایج رو مستقیماً به منبع اصلی مرتبط کرد.
لاراول ۱۳.۸ متدهای جدیدی برای بررسی یکجای همه صفها معرفی کرده که دیگه نیازی به چندین فراخوانی جداگانه نیست. علاوه بر این، رویدادهای جدید برای توقف و ازسرگیری worker، متد assertSessionMissingInput برای تست، و پشتیبانی از enum نوع SortDirection در query builder هم اضافه شدن. قابلیتهایی مثل فیلتر محیطی برای دستور schedule:list و اکشنهای سفارشی برای کلیدهای خارجی هم در این نسخه گنجونده شدن.
Copy Fail یه تکنیک افزایش سطح دسترسی محلی در کرنل لینوکسه که دادههای page-cache رو خراب میکنه، بدون اینکه فایل روی دیسک تغییر کنه. همین ویژگی باعث میشه سیستمهای سنتی بررسی یکپارچگی فایل کاملاً ازش غافل بمونن. ابزار copyfail-detect با لایههای مختلف شامل eBPF، auditd، مقایسه page-cache و قوانین Sigma طراحی شده تا این آسیبپذیری رو شناسایی و مهار کنه. بالاترین سطح تشخیص رو مانیتور eBPF داره که فعالیت AF_ALG، splice() مشکوک و زنجیره اکسپلویت رو در لحظه رصد میکنه.
CData یه پلتفرم جامع اتصال دادهست که بیش از ۳۵۰ سیستم مختلف رو از Snowflake و Salesforce گرفته تا SAP و MongoDB به هم وصل میکنه. این پلتفرم هم برای توسعهدهندهها (با ODBC، JDBC، ADO.NET و Python) و هم برای ابزارهای BI مثل Tableau و Power BI کانکتور داره. تازهترین حرکت CData اینه که با پروتکل MCP، اتصال ابزارهای هوش مصنوعی مثل Claude و Microsoft Copilot رو به دادههای سازمانی ممکن میکنه. Palantir Technologies هم اخیراً همکاریش رو با بخش Embedded این شرکت گسترش داده تا اتصال داده توی Foundry
یه تیم تحقیقاتی از دانشگاههای معتبر مثل UC Berkeley، UC San Diego و Google DeepMind بررسی کردن که مدلهای زبانی بزرگ (LLM) چطور روی نوشتار انسانها تأثیر میذارن. نتایج نشون میده که استفاده گسترده از این ابزارها میتونه زبان نوشتاری رو به شکل قابل توجهی تحریف و یکسانسازی کنه. این پژوهش میتونه نقطه شروع مهمی برای درک اثرات بلندمدت هوش مصنوعی روی ارتباطات انسانی باشه.
پلتفرم وب خیلی از بهترین APIهایش را از خودش در نیاورده — از کتابخانههایی که توسعهدهندهها سالها در پروژههای واقعی ازشون استفاده کردن کپی کرده. jQuery، Bootstrap، Lodash و امثالشون ایدههایی رو آزمایش کردن که بعداً مستقیم وارد استانداردهای مرورگر شدن. از `querySelector` گرفته تا `classList` و متدهای آرایه و رشته، همه ریشه در این کتابخانهها دارن. این مقاله نگاهی به تبارشناسی APIهایی میکنه که هر روز باهاشون کار میکنیم.
دولت ترامپ که در روز اول ریاستجمهوریاش دستور اجرایی نظارت بر هوش مصنوعی دوران بایدن را لغو کرده بود، حالا دوباره داره روی بررسی پیش از انتشار مدلهای پرخطر فکر میکنه. این چرخش عمدتاً به خاطر معرفی مدل Mythos آنتروپیک هست که میتونه آسیبپذیریهای جدی در سیستمعاملها و مرورگرها پیدا کنه. مذاکرات هنوز در مرحله اولیهست و هیچ پیشنهاد یا جدول زمانی نهایی نشده. آنتروپیک این مدل رو بهصورت عمومی منتشر نکرده و در عوض تا ۱۰۰ میلیون دلار اعتبار برای استفاده دفاعی به شرکتهای منتخب اختصاص داده.
پایگاه داده آسیبپذیریهای ملی آمریکا (NVD) از ۱۵ آوریل ۲۰۲۵ دامنه فعالیتش رو به شدت کوچیک کرده و فقط روی آسیبپذیریهای کمی تمرکز میکنه. از طرف دیگه، ابزارهای هوش مصنوعی مثل Claude Mythos کشف باگ رو برای همه راحتتر کردن و تعداد CVEها داره انفجاری بالا میره. این ترکیب خطرناک یعنی تیمهای امنیتی که برنامهشون رو روی NVD بنا کردن، دارن با یه پایه لرزون کار میکنن. راهحل اینه که به جای تکیه صرف به CVE، رویکرد پیشگیرانهتر و چندلایهای داشته باشن.
آنتروپیک ۷۰ تا ۹۰ درصد کدهاش رو با هوش مصنوعی مینویسه، ولی همزمان داره با حقوقهای ۵۷۰ هزار دلاری مهندس استخدام میکنه. این تناقض نیست؛ بلکه یه سیگنال مهمه. نقش مهندسان از نوشتن کد به هدایت و نظارت بر ایجنتهای هوش مصنوعی تغییر کرده. دلیل موفقیت سریعتر ایجنتهای AI در توسعه نرمافزار نسبت به بقیه حوزهها اینه که این صنعت از قبل زیرساختهایی مثل گاورننس، آبزروبیلیتی و تست داشته که بقیه ندارن.
باوجود هیاهوی زیاد دربارهی ایجنتهای کدنویسی هوش مصنوعی، مهندسهای باتجربهای مثل سازندهی Sentry و Linear میگن که این ابزارها واقعاً سرعت بهبود محصول رو بالا نبرده. دادهها نشون میده بهرهوری به شکل K توزیع شده: مهندسهای ارشد سود میبرن، ولی جونیورها یا جا زدن یا بدتر شدن. اصل مشکل اینه که خط کد یه هزینهست، نه یه دارایی؛ هرچی کد بیشتر تولید بشه، پیچیدگی بیشتری ایجاد میشه که نگهداریش سختتره. حتی خود Anthropic با Claude Code که کاملاً با Claude نوشته شده، نتونسته شکاف رقابتی معناداری با رق
سیسکو به مناسبت روز جنگ ستارگان (۴ مه)، آپدیتی با نام Galaxy Mode برای دستیار هوش مصنوعی خود در پلتفرمهای Meraki و ThousandEyes منتشر کرد که تا ۴ ژوئن در دسترسه. این آپدیت علاوه بر المانهای بصری جنگ ستارگان، ویژگیهای واقعی و کاربردی مثل Deep Reasoning و Agentic Workflows رو هم با خودش میاره. Deep Reasoning هنوز در مرحله بتاست و میتونه تحلیل عمیق امنیتی شبکه رو خودکار انجام بده. Agentic Workflows هم به تیمهای IT اجازه میده بدون کد پیچیده، فقط با توضیح دادن به دستیار هوش مصنوعی، اتوماسیون بس
گوگل برای خانواده مدلهای Gemma 4 یک معماری جدید به اسم MTP Drafter معرفی کرده که با استفاده از تکنیک speculative decoding، سرعت تولید توکن رو تا ۳ برابر بیشتر میکنه. این روش یه مدل سبکوزن (drafter) رو کنار مدل اصلی قرار میده تا چند توکن بعدی رو پیشبینی کنه و مدل اصلی همهشون رو با هم تأیید کنه. نتیجه اینه که بدون هیچ افتی در کیفیت خروجی، تأخیر بهشکل قابلتوجهی کاهش پیدا میکنه. این قابلیت الان روی Hugging Face، Kaggle و ابزارهایی مثل vLLM، MLX و Ollama در دسترسه.
TrailTool یه ابزار متنباز هست که لاگهای AWS CloudTrail رو پردازش و کش میکنه تا AI Agentها (مثل Claude) بتونن سوالهای امنیتی رو سریع و بدون اتلاف توکن جواب بدن. این ابزار رویدادها رو بر اساس موجودیتهایی مثل کاربران، نشستها، رولها و منابع دستهبندی میکنه. چهار کاربرد اصلیش شامل شناسایی ClickOps، تعریف سیاستهای least-privilege، پاسخ به خطاهای AccessDenied و بررسی دسترسیهای اضطراری break-glass میشه.
یه تنش اساسی تو دنیای هوش مصنوعی وجود داره: مدلهای قویتر به دادههای بیشتری نیاز دارن و دادههای بیشتر یعنی هزینهی حریم خصوصی بالاتر. دیدگاه رایج میگه یا باید قدرت مدل رو انتخاب کنی یا کنترل دادههات رو، ولی این تنها گزینه نیست. فناوریهایی مثل مدلهای محلی، محیطهای اجرای امن، یادگیری فدرال، حریم خصوصی دیفرانسیل و محاسبات چندطرفهی امن، راهحلهای واقعیای هستن که این معادله رو تغییر میدن. نیک لوتیان در کنفرانس AI Engineer Melbourne 2026 این رویکردها رو با جزئیات عملی توضیح داده.
سازمانهای امنیت سایبری اتحاد Five Eyes — شامل CISA آمریکا، NCSC انگلیس، و همتایانشون در استرالیا، کانادا و نیوزیلند — یه راهنمای مشترک منتشر کردن و در اون هشدار دادن که پیادهسازی شتابزده هوش مصنوعی Agentic میتونه ریسکهای جدی امنیتی ایجاد کنه. این سیستمها به خاطر وابستگی به ابزارها و منابع دادهی متعدد، سطح حمله رو به شکل قابلتوجهی گسترش میدن. توصیهی این آژانسها اینه که سازمانها به جای تمرکز روی سود بهرهوری، اول و آخر به مقاومسازی، قابلیت بازگشت و مهار ریسک فکر کنن. استقرار تدریجی و
Ship Safe یه ابزار CLI امنیتیه که با اجرای ۲۳ ایجنت بهصورت موازی، کدبیس توسعهدهندهها رو از نظر آسیبپذیریهای مختلف بررسی میکنه. از SQL Injection و XSS گرفته تا حملات زنجیره تأمین، آسیبپذیریهای مدلهای هوش مصنوعی و Prompt Injection رو پوشش میده. ابزار برای هر مشکل یه diff پیشنهاد میده، قبل از اعمال تغییر تأیید میگیره، و همه چیز رو قابل بازگشت نگه میداره. نیازی به ثبتنام یا API Key برای اسکن نداره و آفلاین هم کار میکنه.
ServiceNow نسخه گسترشیافتهای از AI Control Tower خودش رو معرفی کرده که از یه داشبورد ساده حاکمیتی به یه مرکز فرمان کامل برای مدیریت تمام داراییهای هوش مصنوعی در سطح سازمان تبدیل شده. این سیستم حالا با ۳۰ کانکتور جدید به AWS، Google Cloud، Azure و اپلیکیشنهایی مثل SAP و Oracle متصل میشه و میتونه ایجنتها، مدلها و پرامپتهایی که خارج از پلتفرم ServiceNow هم اجرا میشن رو شناسایی و مدیریت کنه. دو تا اکویزیشن اخیر این شرکت، یعنی Veza و Traceloop، امنیت و observability سیستم رو تأمین میکنن و
بر اساس گزارشهای منتشر شده، iOS 27 به کاربران اجازه میده که بین مدلهای مختلف هوش مصنوعی مثل Gemini گوگل و Claude آنتروپیک برای قابلیتهای AI انتخاب کنن. این تغییر میتونه یه قدم بزرگ به سمت باز بودن اکوسیستم اپل باشه. تا اینجا اپل با ChatGPT شرکت OpenAI همکاری داشت، اما به نظر میرسه قراره این انتخاب گسترش پیدا کنه.
جان گرابر در Daring Fireball یه نکته مهم رو مطرح میکنه که در گزارش مفصل نیویورکر درباره سم التمن و OpenAI نادیده گرفته شده: Y Combinator حدود ۰.۶ درصد از OpenAI رو در اختیار داره که با ارزشگذاری فعلی ۸۵۲ میلیارد دلاری این شرکت، بیش از ۵ میلیارد دلار ارزش داره. پل گراهام، بنیانگذار YC، چندین بار در اون گزارش بهعنوان مرجعی برای قضاوت درباره قابلاعتماد بودن التمن نقلقول شده، اما هیچجا به این تضاد منافع آشکار اشاره نشده. گرابر میگه وقتی کسی میلیاردها دلار سود غیرمستقیم از موفقیت یه شخص داره،