کلیه حقوق مطالب متعلق به Vulnerlab است. بازنشر با ذکر منبع مجاز است.

CVE-2026-2757 Mozilla Firefox Firefox ESR Mozilla Thunderbird WebRTC WebRTC GMP Video Decoder H.264 Decoder Out-of-Bounds Read

تحلیل آسیب پذیری CVE-2026-2757

۱. مقدمه مرورگرهای مدرن فقط نمایش‌دهنده صفحات HTML نیستند؛ آن‌ها مجموعه‌ای پیچیده از تجزیه‌کننده‌ها (Parser)، رمزگشاها (Decoder)، سندباکس (Sandbox)، کامپایلرهای JIT، رابط‌های برنامه‌نویسی کاربردی سیستم‌عامل (API) و مسیرهای شبکه‌ای هستند که مرورگر تمامی آن‌ها را باید به‌صورت همزمان اجرا و مدیریت می‌کنند. همین پیچیدگی باعث می‌شود مرورگرها یکی از مهم‌ترین و حساس‌ترین اهداف در حوزه امنیت نرم‌افزار باشند و خطاهای کوچک در اعتبارسنجی ورودی، به‌ویژه در مسیرهای پردازش داده‌های رسانه‌ای

مطالعه مقاله
افزودن خودکار آسیب‌پذیری در مقیاس بزرگ - LAVA - آسیب‌پذیری‌ - Vulnerability - فازینگ - Fuzzing

LAVA: افزودن خودکار آسیب‌پذیری در مقیاس بزرگ

چکیده – پژوهش‌های مرتبط با خودکارسازی کشف آسیب‌پذیری‌ها (Vulnerability)، از دیرباز به دلیل کمبود مجموعه‌داده‌های مرجع معتبر (Ground Truth – منظور اطلاعاتی است که درستی آن از قبل مشخص و قابل اعتماد است و نتایج یک ابزار را با آن مقایسه می‌کنیم) برای ارزیابی ابزارها و روش‌ها با محدودیت مواجه بوده‌اند. فقدان چنین داده‌هایی موجب می‌شود که نه توسعه‌دهندگان ابزارها و نه کاربران آن‌ها نتوانند معیارهای بنیادینی همچون نرخ عدم

مطالعه مقاله
CVE-2026-2757 Mozilla Firefox Firefox ESR Mozilla Thunderbird WebRTC WebRTC GMP Video Decoder H.264 Decoder Out-of-Bounds Read

تحلیل آسیب پذیری CVE-2026-2757

۱. مقدمه مرورگرهای مدرن فقط نمایش‌دهنده صفحات HTML نیستند؛ آن‌ها مجموعه‌ای پیچیده از تجزیه‌کننده‌ها (Parser)، رمزگشاها (Decoder)، سندباکس (Sandbox)، کامپایلرهای JIT، رابط‌های برنامه‌نویسی کاربردی سیستم‌عامل (API) و مسیرهای شبکه‌ای هستند که مرورگر تمامی آن‌ها را باید به‌صورت همزمان اجرا و مدیریت می‌کنند. همین پیچیدگی باعث می‌شود مرورگرها یکی از مهم‌ترین و حساس‌ترین اهداف در حوزه امنیت نرم‌افزار باشند و خطاهای کوچک در اعتبارسنجی ورودی، به‌ویژه در مسیرهای پردازش داده‌های رسانه‌ای

مطالعه مقاله
افزودن خودکار آسیب‌پذیری در مقیاس بزرگ - LAVA - آسیب‌پذیری‌ - Vulnerability - فازینگ - Fuzzing

LAVA: افزودن خودکار آسیب‌پذیری در مقیاس بزرگ

چکیده – پژوهش‌های مرتبط با خودکارسازی کشف آسیب‌پذیری‌ها (Vulnerability)، از دیرباز به دلیل کمبود مجموعه‌داده‌های مرجع معتبر (Ground Truth – منظور اطلاعاتی است که درستی آن از قبل مشخص و قابل اعتماد است و نتایج یک ابزار را با آن مقایسه می‌کنیم) برای ارزیابی ابزارها و روش‌ها با محدودیت مواجه بوده‌اند. فقدان چنین داده‌هایی موجب می‌شود که نه توسعه‌دهندگان ابزارها و نه کاربران آن‌ها نتوانند معیارهای بنیادینی همچون نرخ عدم

مطالعه مقاله
wpChatIcon
wpChatIcon