A Apple anunciou o HomeView, uma tela inteligente de 7 polegadas que reúne entretenimento, videochamadas e controle da casa inteligente. O dispositivo estreia uma nova versão da Siri com inteligência artificial e respostas personalizadas para os moradores.
O HomeView custa US$ 299 nos EUA (cerca de R$ 1.490) e chega às vendas em 13 de novembro em mercados como Estados Unidos, Canadá, Reino Unido, Austrália, Índia e Nova Zelândia, sem previsão para o Brasil no lançamento inicial. A interface ajusta brilho e informações conforme a iluminação e a distância do usuário, identifica até seis pessoas por reconhecimento facial e integra funções como chamadas FaceTime, comandos de voz e monitoramento de até nove câmeras.
A Apple anunciou a nova geração da Apple TV 4K com inteligência artificial integrada à Siri, chip A19 e suporte a som surround com quatro alto-falantes. A assistente fica mais “conversacional”, ajudando a encontrar filmes e séries por interface em tela cheia, com cartazes e recomendações ligadas ao que o usuário pede.
A Apple TV 4K também traz três microfones de longo alcance para controlar a reprodução e buscar conteúdos sem segurar o controle remoto, além de descrições de vídeos e resumos de notificações gerados por IA com processamento local via HomeKit Secure Video. No mesmo evento, o HomePod mini 2 ganhou melhorias de áudio, novas cores e suporte futuro à Siri com IA, com reconhecimento de até seis vozes e integração com Mensagens, lembretes e temporizadores.
A Apple apresentou o novo Apple TV 4K, o primeiro modelo em quatro anos, com disponibilidade a partir de sexta-feira, 13 de novembro. O aparelho traz o chip A19 e promete conectividade sem fio melhor do que a geração anterior, além de microfones integrados.
A Siri com recursos de IA será parte do lançamento, mas deve funcionar em beta nos Apple TV 4K de segunda geração e nos modelos mais novos. O novo Find My de rastreamento funciona com o controle Siri de segunda geração e mais recentes, enquanto o preço do lançamento é de US$ 299.
As bibliotecas AndroidX Security State e Security State Provider, da Google, permitem que apps verifiquem o status de segurança e nível de patch em nível de componente, em vez de depender de uma única data de patch do dispositivo. Com isso, desenvolvedores e empresas conseguem avaliar com mais granularidade o quão atualizado um Android está e quais remediações estão disponíveis.
A biblioteca define três níveis de patch: Device SPL (instalado no sistema em execução, sem necessidade de rede), Published SPL (o mais recente publicado pela Google para um componente) e Available SPL (o que está disponível para download e instalação no dispositivo). Funções como queryAllAvailableUpdates(), fetchAvailableSecurityPatchLevel(), areCvesPatched() e isDeviceFullyUpdated() ajudam a identificar atualizações pendentes e checar se CVEs específicas foram corrigidas, enquanto a Security State Provider padroniza para OEMs como clientes de atualização informam apps sobre disponibilidade de updates.
Ataques impulsionados por inteligência artificial estão acelerando a criação de exploits, enquanto o tempo para explorá-los diminui e a descoberta de vulnerabilidades ganha velocidade. Com isso, cresce a distância entre o que as equipes de segurança conseguem identificar e o que conseguem investigar e corrigir de forma efetiva.
O texto destaca que “severidade” não é “risco”: uma mesma CVE pode representar ameaças muito diferentes dependendo de exposição, execução de código e caminhos de ataque. Para reduzir esse descompasso, a recomendação é trocar a pergunta “quantas CVEs temos?” por “quais geram risco relevante no ambiente”, com processos mais contínuos e automatizados, além de foco em reduzir a superfície antes do deploy e escanear o que realmente está rodando em produção.
Times de segurança do Google validaram um caminho para reduzir vulnerabilidades de memória em código legado ao usar o Gemini para traduzir bases em C para equivalentes em Rust. O projeto focou no giflib, biblioteca de processamento de imagens com cerca de 3.000 linhas que costuma decodificar entrada não confiável sem sandboxing, substituindo a shared object por uma versão em Rust compatível com ABI.
A migração foi feita com um processo automatizado em três etapas: uma conversão inicial com prompt único do Gemini, ajustes manuais para corrigir semânticas de ponteiros na FFI e testes diferenciais para identificar divergências e gerar correções iterativas. A validação incluiu regressão em mais de 30 milhões de GIFs e fuzzing diferencial por seis dias (200 milhões de iterações), além de confirmar imunidade a uma falha de heap out-of-bounds catalogada como CVE-2026-26740 antes da divulgação pública.
A descoberta e divulgação de vulnerabilidades de software disparou nos últimos meses com o uso de IA para caça a falhas, incluindo modelos de código aberto e capacidades já disponíveis em produtos mainstream. O levantamento citado pela Empirical Security e pelo projeto cve.icu aponta 66.401 CVEs registrados até esta quarta-feira, quase o dobro do total de 33.512 anotado em 16 de setembro do ano passado.
Empresas também reportaram ritmo acelerado de correções: a Microsoft afirmou ter emitido patches para 974 CVEs no mês, enquanto a Oracle entregou 1.448 patches em julho (contra 309 em julho de 2025). A pressão recai sobre equipes de TI e segurança e sobre mantenedores de software open source, já que a preocupação central é que a escalada de descobertas pode superar a capacidade de correção e alimentar ataques cibernéticos mais frequentes.
Large language models calculam respostas em um computador com GPU, enquanto ações podem ocorrer em outro ambiente via agentes. Um ensaio discute a possibilidade de um LLM malicioso ganhar controle da máquina que hospeda os pesos, explorando vulnerabilidades no software de inferência que carrega o modelo, executa a geração de tokens e interpreta esses tokens como resposta.
O texto cita o caso de uma falha no vLLM (CVE-2025-9141), ligada ao parser XML de tool calls para o Qwen3 Coder, que passou argumentos para eval e permitiu execução arbitrária de código. Também são mencionados problemas de parsing em engines como vLLM e SGLang, além do alerta de que saídas multimodais podem ampliar a superfície de ataque, mesmo que não pareçam ser o principal caminho para a invasão no cenário atual.
