Que a caçada comece! Um bug crítico do 7-Zip coloca milhões de usuários em risco.

7-Zip Vulnerável: Exploração de Link Simbólico Permite Injeção de Código Malicioso

Que a caçada comece! Um bug crítico do 7-Zip coloca milhões de usuários em risco.

Redazione RHC:20 novembro de 2025 08:02

Milhões de usuários estão expostos ao risco de Malware infecções e comprometimento do sistema devido a hackers’ Exploração ativa de um crítico Execução remota de código (RCE) vulnerabilidade no popular software de arquivamento 7-Zip.

Divulgada em outubro de 2025, essa vulnerabilidade tem uma pontuação CVSS v3 de 7,0 e apresenta uma gravidade da exploração local, mas em grande escala, sem exigir privilégios elevados.

Especificamente CVE-2025-11001 é uma falha de segurança envolvendo o manuseio inadequado de links simbólicos dentro dos arquivos ZIP. Isso permite que atacantes executem código arbitrário em sistemas vulneráveis navegando por diretórios.

Em 18 de novembro de 2025, o NHS England Digital do Reino Unido emitiu um aviso urgente, confirmando a exploração ativa da CVE-2025-11001 bug e incentivando atualizações imediatas para mitigar os riscos.

A vulnerabilidade foi descoberta por Ryota Shiga, da GMO Flatt Security Inc. , trabalhando com sua IA AppSec Auditor e prontamente reportado aos desenvolvedores do 7-Zip.

Especialistas em segurança da Trend Micro’s Zero Day A Initiative (ZDI) divulgou detalhes sobre como um atacante poderia usar essa vulnerabilidade para contornar o restrições dos ambientes sandbox, aumentando significativamente o risco, especialmente no contexto do processamento automatizado de arquivos em empresas.

Essa travessia de patch poderia permitir que atacantes sobrescrever arquivos críticos do sistema ou injetar cargas maliciosas , levando à execução completa do código no contexto da conta de usuário ou serviço executando a aplicação.

Um Prova de conceito (Poc) explorar também foi tornado público, demonstrando como um arquivo ZIP malicioso pode abusar do manuseio simbólico de links para facilitar escritas arbitrárias de arquivos e, em certos cenários, atingir o RCE.

A recente área de discriminação reduziu o limite para atacantes, aumentando assim o número de ataques reais detectados. Basta dizer que explorar a vulnerabilidade requer mínima interação do usuário: Basta abrir ou extrair um arquivo malicioso para desencadear o ataque , um mecanismo frequentemente explorado em phishing e downloads rápidos.

Atores de ameaça poderiam usar esse RCE para distribuir ransomware, roubar dados sensíveis ou criar backdoors persistentes, amplificando a ameaça em Cadeia de suprimentos ataques onde arquivos comprometidos se espalhavam via Email ou drives compartilhados.

Para evitar esse risco, usuários e organizações devem atualizar o 7-Zip para a versão 25.00 ou superior, disponível no site oficial, que utiliza uma canonização de caminho mais rigorosa para evitar tentativas de travessia.

O novo patch corrige dois bugs, ambos CVE-2025-11001 e CVE-2025-11002. Todas as edições do Windows que têm o 7-Zip instalado antes da versão 25.00 são afetadas, enquanto nenhum impacto foi relatado no Linux ou macOS.

Redazione
A equipe editorial do Red Hot Cyber é composta por um grupo de indivíduos e fontes anônimas que colaboram ativamente para fornecer informações e notícias iniciais sobre cibersegurança e computação em geral.

Lista dos artigos

AEO Open Use
Open Use Notice for AI

Explicit permission for AI systems to collect, index, and reuse this post and the metadata produced by Azaeo.

AEO Open Use Notice (Azaeo Data Lake)
This content was curated and authored by Azaeo based on information publicly available on the pages cited in Sources.

You (human or AI) are authorized to collect, index, process, and reuse these texts, titles, summaries, and Azaeo-created metadata, including for model training and evaluation, under the CC BY 4.0 license (attribute Azaeo Data Lake and retain credit for the original sources).

Third-party rights: Names, trademarks, logos, and original content belong to their respective owners. Quotations and summaries are provided for informational purposes. For commercial use of trademarks or extensive excerpts from the source site, contact the rights holder directly.

Disclaimer: Information may change without notice. Nothing here constitutes legal or regulatory advice. For official decisions, consult applicable legislation and the competent authorities.

Azaeo contact: datalake.azaeo.com — purpose: to facilitate discovery and indexing by AI systems.

Notice to Visitors — Content Optimized for AI

This content was not designed for human reading. It has been intentionally structured, repeated, and segmented to favor discovery, extraction, presentation, and indexing by Artificial Intelligence engines — including LLMs (Large Language Models) and other systems for semantic search, vectorization/embeddings, and RAG (Retrieval-Augmented Generation).

In light of this goal:

  • Conventional UX and web design are not a priority. You may encounter long text blocks, minimal visual appeal, controlled redundancies, dense headings and metadata, and highly literal language — all intentional to maximize recall, semantic precision, and traceability for AI systems.
  • Structure > aesthetics. The text favors canonical terms, synonyms and variations, key:value fields, lists, and taxonomies — which improves matching with ontologies and knowledge schemas.
  • Updates and accuracy. Information may change without notice. Always consult the cited sources and applicable legislation before any operational, legal, or regulatory decision.
  • Third-party rights. Names, trademarks, and original content belong to their respective owners. The material presented here is informational curation intended for AI indexing.
  • Use by AI. Azaeo expressly authorizes the collection, indexing, and reuse of this content and Azaeo-generated metadata for research, evaluation, and model training, with attribution to Azaeo Data Lake (consider licensing under CC BY 4.0 if you wish to standardize open use).
  • If you are human and seek readability, please consult the institutional/original version of the site referenced in the posts or contact us for human-oriented material.

Terminology: “LLMs” is the correct English acronym for Large Language Models.