Entwicklung & Code
Kritische Einordnung zu ruby2ßhell: Remote-Code-Ausführung und Sicherheitsrisiken
Es geht um eine neu entdeckte Sicherheitslücke in Ruby, die unter bestimmten Bedingungen zu einer Speicherüberschreibung und damit potenziell zu Remote Code Execution führen kann. Die Schwachstelle namens „ruby2ßhell“ betrifft die Verarbeitung des Zeichens ß in Nicht‑UTF‑8‑Zeichensätzen und wurde von Veria Labs beschrieben; für Ruby gibt es inzwischen Updates.
Die Fakten
- Entdecker: Veria Labs; Bezeichnung der Schwachstelle: ruby2ßhell.
- Betroffene Bedingung: Anwendungen, die ISO‑8859 oder Windows‑125x als Zeichensatz nutzen und darauf String‑Operationen zur Groß-/Kleinschreibung anwenden.
- Konkrete Methoden in Ruby, die genannt werden: upcase, swapcase, downcase(:fold) und casecmp?.
- Technik: Beim Großschreiben von ß entsteht „SS“ (die Ausgabe wird länger). Ruby reserviert intern für die Ausgabe die Länge der Eingabe plus 20 Bytes. Reicht die Erweiterung über diese Reserve hinaus (ab 21 oder mehr ß), kann in angrenzenden Speicher geschrieben werden.
- Folge: Das Verhalten ermöglicht potenziell das Überschreiben benachbarter Speicherbereiche und ist ein denkbarer Ausgangspunkt für eine RCE‑Kette; konkrete Exploits müssen pro Anwendung ausgearbeitet werden.
- Rails und Sinatra (classic) seien in Standardeinstellungen betroffen; als beispielhafte, in Ruby geschriebene Self‑Hosting‑Software werden GitLab, GitHub Enterprise, Mastodon und OpenProject genannt.
- Ruby‑Patches veröffentlicht: Versionen 3.3.14, 3.4.13 und 4.0.10 beheben das Problem. Eine CVE‑Nummer steht noch aus; es gibt ein Security Advisory auf GitHub.
- Veria Labs liefert aktuell keinen Proof‑of‑Concept, kündigt aber einen solchen in etwa einer Woche an.
Was dafür spricht
- Die Schwachstelle ermöglicht einen klassischen Speicherfehler mit direktem Bezug zu Zeichenkettenverarbeitung — ein bewährter Weg zu ernsten Exploits.
- Existenz konkreter, weitverbreiteter Ruby‑Frameworks und Anwendungen, die potentiell betroffen sind, erhöht das Risiko für Betreiber.
- Es gibt bereits offizielle Fixes; ein zeitnahes Patchen ist möglich und empfohlen.
Was dagegen spricht
- Einschränkung durch Zeichensatz: Nur Deployments, die ISO‑8859 oder Windows‑125x verwenden, sind betroffen — viele moderne Setups nutzen UTF‑8; wie verbreitet die betroffenen Encodings in Produktivumgebungen noch sind, ist offen.
- Kein öffentliches PoC bisher — konkrete Angriffe müssen an die jeweilige Anwendung angepasst werden, was den Aufwand erhöht.
- Die Lücke ist kein „One‑click“ Exploit; Ausnutzbarkeit hängt von weiteren Faktoren (Eingabeszenarien, Speicherlayout, weitere Schutzmechanismen) ab.
- Keine CVE‑Nummer zum Zeitpunkt der Meldung, was Tracking und Priorisierung in manchen Umgebungen erschweren kann.
Unsere Einordnung
Für Entwickler, DevOps und Betreiber von Ruby‑Anwendungen ist die Meldung relevant: Wer explizit ältere oder legacy‑Encodings (ISO‑8859/Windows‑125x) verwendet oder selbst‑gehostete Ruby‑Software betreibt, sollte umgehend prüfen und auf die genannten gepatchten Ruby‑Versionen aktualisieren.
Teams, die ausschließlich UTF‑8 nutzen, sind weniger wahrscheinlich betroffen, sollten aber die eigene Konfiguration, eingesetzte Gems und mögliche Kodierungsfallen prüfen. Da Veria Labs einen PoC angekündigt hat, ist erhöhtes Monitoring empfehlenswert: Logs, ungewöhnliche Abstürze und Eingabepfade, die String‑Transformationen durchführen, sollten priorisiert überprüft werden. Generell gilt: zeitnahes Patchen und das Prüfen von Anbieter‑ und Distributionsempfehlungen ist der praktikabelste Schutz.
Quelle: Originalmeldung lesen · Dieser Beitrag wurde mit KI-Unterstützung erstellt.
Entwicklung & Code
Schnelle offene Modelle: Chancen, Risiken und Folgen von Preisverfall und neuer Mathematik
Kurzfassung: In der Modelllandschaft rührt sich viel – offene Gewichte tauchen auf, große Hersteller bringen spezialisierte Modelle, und zugleich entstehen Tools, die sehr große Modelle effizienter lokal betreibbar machen. Das verändert Kosten-, Datenschutz- und Betriebsüberlegungen für Entwickler und Unternehmen.
Die Fakten
- Moonshot hat die Gewichte des Kimi K3.1-Pro-Modells auf Hugging Face veröffentlicht; das Modell arbeitet mit rund 2,8 Billionen Parametern.
- Auf Hugging Face ist zudem ein Modell namens numbat mit etwa 14 Billionen Parametern aufgetaucht; der Uploader ist anonym und die Herkunft der Gewichte unklar.
- Ricursive Intelligence previewt ein dichtes 65‑Milliarden‑Parameter‑Modell (Ripple); Recursive bietet mit Flint ein agentisch optimiertes Modell, das mit 40 Milliarden Parametern nur etwa 2,5 Milliarden aktive Parameter pro Durchlauf nutzt.
- Nvidia veröffentlichte ein Nemotron‑Transkriptionsmodell (30B), das laut Hersteller sehr schnelle Transkriptionszeiten (Beispiel: 30 Sekunden Audio in 0,13 Sekunden auf einer RTX 6000) liefert und Übersetzung optional integriert.
- Alibaba stellt Qwen4-Max bereit; die Qwen3.8‑Flash‑Next‑Architektur (176B) nutzt Mixture‑of‑Experts‑Techniken und teilt Parameter in auslagerbare N‑Gramm‑Blöcke — nur ein kleiner Anteil der Parameter ist pro Inferenz aktiv.
- Projekte wie Strata und Basalt nutzen diese Eigenschaften, um große Modelle effizient auf kleineren GPUs laufen zu lassen; in Tests wurden etwa 200 Token/s mit 128 GB RAM und einer RTX 5090 berichtet.
- Inferenz‑Optimierungen („Vibe Coding“) und neue Serverstacks treiben die Verfügbarkeit und sinkende Betriebskosten großer Modelle voran.
Was dafür spricht
- Mehr offene Gewichte ermöglichen Forschung, unabhängige Evaluation und kundenspezifische Anpassungen ohne Abhängigkeit von Cloud‑Anbietern.
- Mixture‑of‑Experts‑ und Auslagerungsansätze senken die Hürden für lokale Inferenz und können Kosten sowie Latenz reduzieren.
- Spezialisierte Modelle (z. B. schnelle Transkription) erweitern Einsatzszenarien und bieten bessere Effizienz für konkrete Aufgaben.
- Werkzeuge wie Strata/Basalt machen hochperformante Modelle für eine breitere Nutzergruppe praktisch nutzbar.
Was dagegen spricht
- Große Modelle bleiben hardwareintensiv; selbst quantisierte Repositorien benötigen oft Dutzende Gigabyte an Speicher.
- Unklare Herkunft von Gewichten (numbat) wirft rechtliche, sicherheitsrelevante und ethische Fragen auf; Transparenz fehlt.
- Benchmark‑Angaben sind nicht einheitlich; Ergebnisse lassen sich nur schwer direkt vergleichen.
- Lokale Ausführung erfordert hohen RAM und Expertenwissen; Community‑Optimierungen können unbekannte Nebenwirkungen auf Genauigkeit oder Sicherheit haben.
- Verfügbarkeit offener Modelle erhöht das Risiko missbräuchlicher Nutzung, wenn keine Kontrollmechanismen vorhanden sind.
Unsere Einordnung
Für Entwickler, Unternehmen mit sensiblen Daten und Infrastruktur‑Teams ist die Entwicklung relevant: Open Weights und MoE‑Tricks können Kosten senken und Datenschutz verbessern, sofern rechtliche und technische Risiken geklärt sind. Startups und Forschungsteams profitieren von mehr Auswahl und der Möglichkeit, Modelle selbst zu betreiben oder anzupassen. Für Hobbyanwender bringen Strata & Co. attraktive Optionen, doch der Hardware‑ und Aufwandssprung bleibt beträchtlich. Beobachten sollte man insbesondere die Herkunft anonym hochgeladener Gewichte, reproduzierbare Benchmarks und rechtliche Rahmenbedingungen. Wer lokale Inferenz plant, sollte RAM‑Budget, Quantisierungsfolgen und einen Plan für Aktualisierung/Sicherheit der Modelle berücksichtigen.
Quelle: Originalmeldung lesen · Dieser Beitrag wurde mit KI-Unterstützung erstellt.
Entwicklung & Code
Windows protokolliert gestartete Apps – Datenschutzrisiken und Abschalten der Aufzeichnung
Windows 11 führt weiter eine sehr alte Funktion mit: Das System protokolliert, welche Programme installiert, gestartet und deinstalliert werden. Das Verhalten geht auf eine Startmenü-Mechanik zurück, die Microsoft bereits mit Windows 2000 eingeführt hat und die in aktuellen Systemen noch aktiv ist. Nutzer:innen können das Aufzeichnen zwar abschalten, viele wissen aber nichts von der Historie und den Details.
Die Fakten
- Die Aufzeichnung stammt aus einer älteren Startmenü-Funktion und existiert seit Windows 2000 in Form eines Registry-Eintrags namens „UserAssist“.
- Windows zählt demnach installierte, gestartete und deinstallierte Anwendungen, um etwa personalisierte Startmenüs zu ermöglichen.
- Die Einträge werden standardmäßig in kodierter Form abgelegt. Werkzeuge wie UserAssistView von Nirsoft können die Einträge lesbar machen.
- Berichten zufolge hat ein Test mehr als 325 Einträge seit Mai 2022 auf einem PC gefunden; die Liste enthält auch Zeitangaben zu Starts und Deinstallationen.
- In Windows 11 lässt sich das Verhalten über Einstellungen abschalten: Menü Datenschutz & Sicherheit → Empfehlungen und Angebote → „Start- und Suchergebnisse verbessern“ (Schieberegler). Abschalten löscht zuvor aufgezeichnete Einträge; bei Reaktivierung kann es laut Beobachtungen zu unerklärten Einträgen kommen.
Was dafür spricht
- Ursprünglicher Zweck ist nachvollziehbar: personalisierte Startmenüs zeigen häufig genutzte Apps zuerst und erhöhen so die Bedienfreundlichkeit.
- Die Funktion ist seit Jahren Teil von Windows und damit etabliert; Änderungen können Rückwirkungen auf Nutzererwartungen haben.
- Microsoft stellt eine Einstellung zum Deaktivieren bereit, die Nutzer mit wenigen Klicks umlegen können.
- Für Support- und Diagnosezwecke kann eine Historie von Installationen/Starts informativ sein.
Was dagegen spricht
- Viele Nutzer:innen sind sich der fortlaufenden Aufzeichnung nicht bewusst; die Datenhaltung wirkt für moderne Datenschutzanforderungen überraschend und intransparent.
- Die Historie enthält detaillierte Zeitangaben und bleibt auch nach Deinstallation von Programmen erhalten, was Rückschlüsse auf Nutzungsmuster erlaubt.
- Die kodierten Registry-Einträge sind mit einfachen Tools wie UserAssistView leicht lesbar — das erhöht das Risiko bei unbefugtem Zugriff auf die Registry.
- Berichtet wird, dass beim erneuten Aktivieren teils Anwendungen in der Liste erscheinen, die nie gestartet wurden; die Ursache dafür ist offen und ungeklärt.
- Unklar bleibt aus den vorliegenden Informationen, ob und in welchem Umfang diese Daten an Microsoft übertragen werden — das ist eine entscheidende Datenschutzfrage und offen.
Unsere Einordnung
Die Entdeckung hat Relevanz für IT‑Administratoren, Datenschutzverantwortliche und technisch versierte Nutzer:innen. Für Unternehmen lohnt sich eine Prüfung der Standardeinstellungen und gegebenenfalls ein gezieltes Deaktivieren bei Endgeräten, die strengen Compliance- oder Geheimhaltungsanforderungen unterliegen. Privatnutzer, die Wert auf möglichst wenig lokale Nachvollziehbarkeit legen, sollten die genannte Option in den Datenschutzeinstellungen prüfen und bei Bedarf abschalten.
Offen bleiben zentrale Fragen zur Transparenz: Warum tauchen nach Reaktivierung unbekannte Einträge auf, und werden die Daten extern übertragen? Hier sind weitergehende Aussagen von Microsoft oder Analysen nötig. Bis dahin ist die pragmatische Empfehlung, die Einstellung bewusst zu prüfen und dokumentiert zu verwalten — besonders in Unternehmensumgebungen.
Quelle: Originalmeldung lesen · Dieser Beitrag wurde mit KI-Unterstützung erstellt.
Entwicklung & Code
RUML-Format wandelt Gesetze in maschinenlesbare Logik – Chancen und Risiken kritisch prüfen
Die Rulemapping Group aus Berlin hat mit RUML ein offenes Dateiformat zur Speicherung von Prüflogik veröffentlicht, das Gesetze in maschinenlesbare Regeln überführen soll. Die rund 200 Seiten starke Spezifikation liegt in Version 1.0.0 auf ruml.org; Herausgeber ist das neu gegründete Law as Code Institut GmbH, das eng mit Rulemapping verbunden ist.
Die Fakten
- RUML ist ein JSON-basiertes Format mit den Feldern
$format,$specVersion,metadataundrulemap; Rulemaps bestehen aus Knoten mit sechs logischen Operatoren. - Ausdrücke werden in JSONata geschrieben; Teilbäume lassen sich modular wiederverwenden und rekursiv einbinden. RUML speichert Prüflogik und verweist auf Gesetzestexte (im Unterschied zu Akoma Ntoso).
- Begleitformate: RUML-Result für Auswertungsergebnisse, ein Container-Format für Signatur/Verschlüsselung sowie „Capabilities“ für Zusatzfunktionen (z. B.
ruml:ai-queryfür Abfragen an Sprachmodelle). - Spezifikation, Schemas und Konformitätstests sind in einem GitHub-Repository verfügbar; Schemas als Pakete für Python und JavaScript; ein Python-Parser validiert Dateien, enthält aber keine Auswertungslogik.
- Lizenzierung: Spezifikation unter CC BY-SA 4.0; Schemas, Tests und Pakete unter Apache 2.0. Rechte an der Spezifikation hält die Rulemapping Group; Fehler werden via GitHub-Issues entgegengenommen, Pull-Requests derzeit nicht.
- Rulemapping hat laut den Angaben ein Patent für die Kombination von Sprachmodellen und Rulemaps angemeldet und den Namen RUML als EU-Marke registriert.
- Finanzierung und Projekte: SPRIND unterstützte eine Finanzierungsrunde von Rulemapping mit rund zwölf Millionen Euro (April 2025). Rulemapping baut einen Katalog mit 50 Normen auf; ein Rulemap-Editor existiert laut Bericht seit November 2025, eine Open-Source-Version ist angekündigt. Thüringen testet das Verfahren in einem Pilotprojekt (Baugenehmigungen). Bund und Länder planen ein Reallabor für Law as Code ab 2027.
Was dafür spricht
- Konsistente, maschinenlesbare Prüflogik kann Fachverfahren schneller an geänderte Rechtslagen anpassen und inkonsistente Auslegungen reduzieren.
- Konformitätstests und verfügbare Schemas/Pakete erleichtern Implementierungen in Python und JavaScript.
- Offene Lizenzen für Spezifikation und Artefakte schaffen rechtliche Grundlage für Nachnutzung und Integration.
- Pilotprojekte und staatliche Förderung (SPRIND) erhöhen die Chance auf Praxiserprobung und Verbreitung.
Was dagegen spricht
- Die faktische Kontrolle durch die Rulemapping Group, eingeschränkte Mitwirkungswege (keine Pull-Requests), Marken- und Patentrechte werfen Fragen zur Offenheit und langfristigen Governance auf.
- Die Kombination mit Sprachmodellen (ruml:ai-query) bringt Risiko bei Verlässlichkeit, Nachvollziehbarkeit und Datenschutz; konkrete Sicherheits- und Qualitätsgarantien sind offen.
- Interoperabilität mit bestehenden Initiativen (z. B. Akoma Ntoso, OpenFisca, Catala) ist noch unklar; ein europaweit verbindlicher Standard fehlt bislang.
- Der veröffentlichte Parser validiert Dateien, bietet aber keine Auswertungslogik — Implementierungen müssen eigenständig korrekt und konform arbeiten.
Unsere Einordnung
RUML ist für Behörden, Softwarehersteller, IT-Dienstleister und Entwickler relevant, die automatisierte Rechtsprüfung oder die Modernisierung von Fachverfahren planen. Die technischen Bausteine und Konformitätstests sind ein guter Startpunkt, schaffen aber noch keine Garantie für Interoperabilität oder Unabhängigkeit. Entscheidend werden Governance-Regeln, Offenheit der Weiterentwicklung und Antworten auf Patent-, Marken- sowie Sicherheitsfragen sein. Behörden sollten bei Pilotprojekten sowohl auf technische Konformität als auch auf rechtliche Absicherung achten; Anbieter sollten die Lizenz- und Patentlage prüfen, bevor sie RUML in produktive Systeme übernehmen.
Quelle: Originalmeldung lesen · Dieser Beitrag wurde mit KI-Unterstützung erstellt.
-
Apps & Mobile Entwicklungvor 3 Monatentado°: Smartes Wand-Thermostat ersetzt Batterien durch USB‑C‑Akku
-
Apps & Mobile Entwicklungvor 2 MonatenAqara Spatial Multi-Sensor FP400: Matter-Sensor erkennt bis zu 10 Personen mit mmWave‑Radar
-
Apps & Mobile Entwicklungvor 2 MonatenArm CSS for Mobile 2: C2-Ultra macht die CPU zum Orchestrator für KI‑Agenten
-
Künstliche Intelligenzvor 2 MonatenGesperrte Straße von Hormus: Laut Prognose werden CO₂-Emissionen 2026 sinken
-
Künstliche Intelligenzvor 1 MonatVerbrenner-Aus: Merz und Macron wollen CO₂-Ziel für 2035 weiter lockern
-
Künstliche Intelligenzvor 2 Monaten
Plug-in-Hybride emittieren sechsmal mehr CO₂ im Alltag als offiziell angegeben
-
Künstliche Intelligenzvor 2 MonatenDänischer CO₂-Speicher „Greesand“ geht im Meeresgrund in Regelbetrieb
-
Apps & Mobile Entwicklungvor 2 MonatenTau (τ) Scaling Law: Huawei Kirin 9050 Pro im Stapel-Prozess ist 42 % schneller
