Falha no minifiltro de nuvem do Microsoft Windows permite escalonamento de privilégios – Against Invaders – Notícias de CyberSecurity para humanos.

Falha no minifiltro de nuvem do Microsoft Windows permite escalonamento de privilégios - Against Invaders - Notícias de CyberSecurity para humanos.

Uma vulnerabilidade crítica de segurança no Microsoft Windows Cloud Minifilter foi corrigida, resolvendo uma condição de corrida que permitia que invasores aumentassem privilégios e criassem arquivos em qualquer lugar do sistema.

A vulnerabilidade, rastreada como CVE-2025-55680, foi descoberto por pesquisadores de segurança da Exodus Intelligence em março de 2024 e corrigido pela Microsoft em outubro de 2025.

A condição de corrida permite a criação de arquivos em todo o sistema

A vulnerabilidade existe no driver Windows Cloud Minifilter (cldflt.sys), que fornece funcionalidade de sistema de arquivos para aplicativos em nuvem como OneDrive.

A falha ocorre na função HsmpOpCreatePlaceholders() ao processar solicitações para criar arquivos de espaço reservado em diretórios sincronizados.

ID do CVE Tipo de vulnerabilidade Componente afetado Pontuação CVSS 3.1 Impacto
CVE-2025-55680 Condição de corrida / Tempo de verificação do tempo de uso (TOCTOU) Minifiltro de nuvem do Microsoft Windows (cldflt.sys) 7,8 (Alto) Escalonamento de privilégios – Criação arbitrária de arquivos levando a privilégios de SYSTEM

Arquivos de espaço reservado são arquivos especiais usados ​​por serviços de sincronização em nuvem que baixam automaticamente o conteúdo da nuvem quando acessados ​​pelos usuários.

O problema de segurança decorre da validação inadequada de nomes de arquivos durante a criação de espaços reservados.

Quando um usuário solicita a criação de um arquivo de espaço reservado, o sistema verifica se o nome do arquivo contém caracteres proibidos, como barra invertida ou dois pontos.

No entanto, os pesquisadores descobriram uma janela de tempo entre o momento em que o nome do arquivo é validado e o momento em que o arquivo é realmente criado.

Durante esse breve momento, os invasores podem modificar o nome do arquivo na memória para contornar as verificações de segurança.

Explorando a fraqueza do tempo de uso do tempo de verificação

Os invasores podem explorar essa vulnerabilidade de tempo de uso executando vários threads simultaneamente.

Embora alguns threads solicitem repetidamente a criação de espaços reservados com nomes de arquivos aparentemente inofensivos, outros threads alteram rapidamente os caracteres no buffer de nome de arquivo.

Se cronometrado corretamente, a alteração maliciosa do nome do arquivo ocorre após a validação, mas antes da criação do arquivo, permitindo que os invasores criem arquivos em diretórios protegidos do sistema, como C:WindowsSystem32.

Ao criar arquivos DLL maliciosos em diretórios do sistema, os invasores podem aproveitar técnicas de carregamento lateral de DLL para executar código com privilégios elevados de SYSTEM.

Este ataque requer apenas privilégios de baixo nível para começar, tornando-o particularmente perigoso para sistemas onde vários utilizadores têm acesso.

A vulnerabilidade afeta o manuseio da função API CfCreatePlaceholders() pelo driver Cloud Files Minifilter.

Esta função é usada por provedores de sincronização em nuvem para criar arquivos de espaço reservado que representam conteúdo armazenado em nuvem.

O driver processa essas solicitações por meio do código de controle de E/S 0x903BC com parâmetros específicos indicando operações de criação de espaço reservado.

Os pesquisadores de segurança observam que esta vulnerabilidade está relacionada a uma falha anterior, CVE-2020-17136, que foi corrigida com verificações de validação de nome de arquivo.

No entanto, a implementação dessas verificações continha a fraqueza da condição de corrida que habilitou o CVE-2025-55680.

Os administradores do sistema devem garantir Windows os sistemas recebem as atualizações de segurança de outubro de 2025 para proteção contra exploração.

As organizações que usam serviços de sincronização em nuvem devem priorizar a aplicação de patches em sistemas com diretórios raiz de sincronização configurados, pois essas são pré-condições necessárias para uma exploração bem-sucedida.

Siga-nos emGoogle Notícias,LinkedIneXpara obter atualizações instantâneas e definir GBH como fonte preferencial em Google.

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.