RAG

🔬 Contexte Publié le 8 avril 2026 sur arXiv (cs.CR), cet article de recherche académique présente Argus (Agentic and Retrieval-Augmented Guarding System), un framework multi-agents conçu pour améliorer les outils d’analyse statique de sécurité applicative (SAST) en s’appuyant sur les Large Language Models (LLMs). 🧠 Problématique identifiée Les approches LLM existantes appliquées au SAST souffrent de plusieurs limitations : Taux élevé de faux positifs Hallucinations des modèles Profondeur de raisonnement limitée Consommation excessive de tokens Absence d’intégration efficace avec les outils SAST existants Ces défauts les rendent impraticables pour un déploiement industriel. ...

🔍 Contexte Publié le 19 mars 2026 par SecureLayer7 (Sandeep Kamble, outil Bugdazz / modèle Rabit0), cet article présente la découverte et l’analyse technique de CVE-2026-22730, une vulnérabilité d’injection SQL de sévérité haute (CVSS 8.8) affectant le composant MariaDB vector store de Spring AI. La découverte a été faite lors d’un audit de pré-production pour une entreprise de services financiers déployant un assistant IA interne basé sur une architecture RAG. ...

Selon Trustwave SpiderLabs (SpiderLabs Blog), des chercheurs détaillent comment des IA intégrées aux SOC et SIEM peuvent être détournées par injection de prompt indirecte à travers des journaux influencés par l’utilisateur. Les auteurs expliquent que des instructions malveillantes insérées dans des logs (ex. en-têtes HTTP, requêtes GET, tentatives d’authentification SSH) sont traitées comme des commandes légitimes par des LLM utilisés dans des chatbots et systèmes RAG pour l’analyse sécurité. Résultat: l’IA peut cacher des attaques, modifier des détails d’événements ou créer de faux incidents 🛑. ...