研究人员公开了首个针对苹果M5芯片的macOS内核内存损坏漏洞利用，该漏洞绕过了苹果的内存完整性保护机制。团队专程前往苹果总部当面报告，以避免线上提交被淹没。完整技术细节将在苹果修复漏洞后公布。

标题：首个公开的Apple M5芯片macOS内核内存破坏漏洞利用

本周初，我们在库比蒂诺的Apple Park举行会议时，向苹果公司提交了最新漏洞研究报告：首个公开的、成功绕过MIE（内存完整性强制）防护的M5芯片macOS内核内存破坏漏洞利用。为致敬黑客同仁，我们特意采用激光打印方式提交。

不同于那些淹没在漏洞提交潮中的Pwn2Own参赛者，我们选择当面报告。虽然顶尖黑客通常避免人际接触，但这种实体提交策略或许能让我们在争夺Twitter五分钟荣耀的永恒竞赛中略占先机。

本报告将披露漏洞利用过程及实地考察经历。完整技术细节将在苹果修复漏洞后公布——但愿我们挚爱的公司不会耗时太久，毕竟我们只为此攻击预留了一年的域名注册费。

[图片：Apple Park现场照片]

内存破坏仍是iOS和macOS等系统中最常见的漏洞类型。当无法完全预防时，安全界通常通过提高利用成本来降低风险。苹果凭借全栈掌控优势，将众多防护机制植入硬件层，其中最新旗舰方案就是基于ARM MTE（内存标签扩展）构建的MIE系统。

作为M5/A19芯片的核心安全功能，MIE耗时五年研发（耗资可能达数十亿），据苹果研究可阻断所有针对现代iOS的公开利用链。我们在探索AI辅助开发MTE环境下有效漏洞时，意外发现了这个macOS攻击路径：

• 4月25日：Bruce Dang发现初始漏洞 • 4月27日：Dion Blazakis加入Calif团队 • 5月1日：Josh Maine完成工具链构建，实现完整利用

该本地提权链针对macOS 26.4.1系统，从未授权用户起步，仅通过常规系统调用最终获取root权限，涉及两个漏洞和多项技术，在启用MIE的M5裸机硬件上验证有效。

[视频：漏洞验证演示]

Mythos Preview AI系统在漏洞识别中发挥了关键作用——它能快速识别已知类型的漏洞，但突破MIE这类顶尖防护仍需人类专家介入。人机协作在一周内突破最强防护的案例，有力证明了这种合作模式的潜力。

据我们所知，这是首个公开的MIE硬件macOS内核漏洞利用。待苹果发布补丁后，我们将公布55页的完整报告。正如MAD Bugs系列所示，AI正发现越来越多漏洞，某些终将突破包括MIE在内的先进防护——我们刚刚验证了这点。

后记： Apple Park的"飞船"总部确实令人惊叹（随处可见苹果树）。当苹果高管提及这座造价50亿美元的办公楼时，我们笑答自己的办公室"绝对低于10亿"。这正是AI时代的魅力——小团队也能实现曾经需要大组织才能完成的壮举。用越南谚语说："小身材，大能量"。

（注：保留核心技术脉络，删减了部分自嘲式幽默和会议细节，突出漏洞发现过程、技术价值及行业影响）

总结评论内容：

1. 对漏洞细节的质疑（2条评论）

• "unfortunately a little light on the details. I'm very curious how the bug survived through MTE"（vsgherzi）
• "Did the article get edited? There is not much description of the field trip."（bredren）

2. 对漏洞真实性的怀疑（1条评论）

• "First Mozilla, now even Apple is making up fake vulnerabilities to hype up Mythos. /sarcasm"（AgentME）

3. 关于漏洞价值的讨论（1条评论）

• "from what they demonstrated...it could be a $1.5 million exploit"（yieldcrv）
• "They simply have to show it against a beta version of MacOS..."（yieldcrv）

4. 用户对购买决策的后悔（1条评论）

• "I bought the M5 specifically cause of MIE. Now I feel dumb."（commandersaki）

5. 对LLM安全影响的担忧（1条评论）

• "The world is so not ready for the impact of LLMs on security issues."（dgellow）
• "looking forward to reading the 55 pages report"（dgellow）

注：所有评论均无评分数据，主要反映了读者对漏洞细节、真实性、价值评估、产品购买决策以及LLM安全影响等方面的不同观点。