Targeted Physical Evasion Attacks in the Near-Infrared Domain.
本文提出了一种针对近红外域的新型物理规避攻击方法。现有红外攻击大多只能实现非定向攻击，且受限于位置、形状等因素需要大量优化。作者通过将红外扰动预先打印在透明胶片上，然后使用商用红外手电筒投射到目标物体（如交通标志）表面，首次实现了低成本、隐
2026-05-06 归档
今日共收录 1285 条安全情报，包含 277 个 CVE，391 篇安全通告，以及 322 篇研究论文。
← 返回归档列表AirSnitch: Demystifying and Breaking Client Isolation in Wi-Fi Networks.
本文（AirSnitch）系统性地研究并揭示了 Wi-Fi 网络中客户端隔离机制的脆弱性。客户端隔离是 Wi-Fi 安全的核心防线，旨在防止同一网络中的恶意客户端攻击其他客户端。然而，作者发现现有隔离实现存在严重缺陷，攻击者可利用这些缺陷绕
Through the Authentication Maze: Detecting Authentication Bypass Vulnerabilities in Firmware Binaries.
该论文针对嵌入式固件二进制中认证绕过漏洞的检测问题展开研究。认证绕过漏洞通常源于开发者对认证逻辑的错误实现（如硬编码凭证、弱会话管理、权限检查缺失等），在现实攻击中常被用于获取系统后门或提升权限。现有静态分析工具虽能检测内存破坏漏洞，但在认
Towards Effective Prompt Stealing Attack against Text-to-Image Diffusion Models.
本文针对文本到图像（T2I）扩散模型（如DALL·E、Midjourney）中的提示词（prompt）窃取攻击展开研究。提示词是用户为生成高质量图像而精心设计的文本描述，具有知识产权价值，但在线展示作品时面临被窃取的风险。现有攻击方法依赖固
SACK: Systematic Generation of Function Substitution Attacks Against Control-Flow Integrity.
本文提出 SACK（Systematic Generation of Function Substitution Attacks Against Control-Flow Integrity），一种系统化生成函数替换攻击的方法，旨在绕过控制
Limitless Scalability: A High-Throughput and Replica-Agnostic BFT Consensus.
本文提出了一种名为Limitless Scalability的高吞吐量且副本无关的拜占庭容错（BFT）共识协议。传统的BFT共识协议（如PBFT）由于通信复杂度随节点数平方增长，难以扩展到大规模网络。该工作设计了一种基于聚合签名和流水线技术
Hiding an Ear in Plain Sight: On the Practicality and Implications of Acoustic Eavesdropping with Telecom Fiber Optic Cables.
该论文研究了一种利用电信光纤电缆进行声学窃听的新型攻击方法。传统上，光纤被认为对物理层窃听具有天然抵抗力，但研究者发现，通过监测光纤中激光信号的相位变化，可以恢复出附近的声学信号。论文提出了具体的攻击模型，包括如何耦合声波到光纤上、信号提取
ropbot: Reimaging Code Reuse Attack Synthesis.
本文提出了一种名为 ropbot 的新型自动化工具，旨在解决代码复用攻击（特别是面向返回编程（ROP）攻击）合成中的挑战。传统的 ROP 攻击构造通常依赖人工专家知识或硬编码的启发式规则，难以适应多样化的漏洞环境和安全缓解措施。ropbot
VICTOR: Dataset Copyright Auditing in Video Recognition Systems.
视频识别系统在内容推荐、安全监控等领域日益普及。许多机构发布了高质量公开数据集（附有开源许可）以推动模型训练，但这些数据集也面临滥用和侵权风险。数据集版权审计是识别未经授权使用的有效手段，然而现有方案主要针对图像领域，视频数据因其额外的时间
STIP: Three-Party Privacy-Preserving and Lossless Inference for Large Transformers in Production.
本文提出了STIP（Secure Three-party Inference Protocol），一种用于大型Transformer模型在生产环境中的三方隐私保护无损推理方案。研究背景是，随着大型Transformer模型（如BERT、GP
PrivATE: Differentially Private Average Treatment Effect Estimation for Observational Data.
因果推断在多个科学研究领域扮演关键角色，其中平均处理效应（ATE）的估计是核心问题之一。然而，使用真实世界观测数据计算ATE会带来显著的隐私风险。差分隐私作为一种严格理论保证的隐私保护技术，已成为隐私保护数据分析的标准方法。但现有的差分隐私
CoLD: Collaborative Label Denoising Framework for Network Intrusion Detection.
该论文提出了一种名为CoLD（Collaborative Label Denoising）的协作式标签去噪框架，用于解决网络入侵检测（NID）中标签噪声问题。在真实网络环境中，由于人工标注成本高且易出错，训练数据中常包含大量错误标签（噪声）
Practical Traceable Over-Threshold Multi-Party Private Set Intersection.
本文针对多参与方隐私集合交集（MP-PSI）中带阈值功能的场景提出可追踪的过阈值协议。在传统MP-PSI中，只有同时出现在所有参与方集合中的元素才会被公开，而带阈值的MP-PSI则允许公开出现在至少t个参与方集合中的元素，从而提升了灵活性。
IoTBec: An Accurate and Efficient Recurring Vulnerability Detection Framework for Black Box IoT devices.
本文提出 IoTBec，一个针对黑盒物联网设备的准确且高效的重复漏洞检测框架。物联网设备通常不提供源码，导致传统基于代码的漏洞检测方法失效。IoTBec 通过逆向分析固件、提取关键函数特征，并利用机器学习模型比较不同固件版本间的相似性，从而
UIEE: Secure and Efficient User-space Isolated Execution Environment for Embedded TEE Systems.
本论文提出UIEE（用户空间隔离执行环境），一种针对嵌入式TEE（可信执行环境）系统的安全高效隔离方案。传统TEE系统通常依赖内核级支持，导致较大的可信计算基（TCB）和性能开销。UIEE通过将隔离执行环境迁移到用户空间，利用硬件辅助内存保
Peering Inside the Black-Box: Long-Range and Scalable Model Architecture Snooping via GPU Electromagnetic Side-Channel.
该论文提出了一种通过GPU电磁侧信道远程窃取神经网络模型架构的方法。现代深度学习模型部署在云GPU上，其架构（如层数、神经元数量、激活函数类型）被视为知识产权。作者利用GPU在执行矩阵乘法时产生的电磁泄漏，通过分析电磁辐射的时序特征来推断模
LinkGuard: A Lightweight State-Aware Runtime Guard Against Link Following Attacks in Windows File System.
该论文提出了一种名为 LinkGuard 的轻量级运行时防护机制，用于防御 Windows 文件系统中的链接跟随攻击（link following attacks）。链接跟随攻击通常利用符号链接、硬链接或挂载点等文件系统机制，诱导高权限进程
One Email, Many Faces: A Deep Dive into Identity Confusion in Email Aliases.
本研究深入探讨了电子邮件别名机制引发的身份混淆问题。电子邮件别名允许用户使用同一个邮箱账户生成多个不同地址，但接收方或服务提供商可能无法正确区分这些别名背后的真实身份，从而产生安全风险。论文系统分析了一类攻击场景：攻击者可以利用别名间的视觉
Continuous User Behavior Monitoring using DNS Cache Timing Attacks.
该论文提出了一种利用 DNS 缓存定时攻击对用户行为进行连续监控的新方法。作者发现，攻击者可以通过测量 DNS 查询在本地 DNS 解析器（如公共 DNS 服务器或企业 DNS 缓存）中命中的时间差，推断出用户近期访问过的域名，从而构建用户
Benchmarking and Understanding Safety Risks in AI Character Platforms.
本文对AI角色平台（允许用户与AI人格进行对话的快速发展的应用领域）进行了首次大规模安全研究。研究评估了16个主流平台，使用涵盖16个安全类别的5000个问题的基准集。结果显示，AI角色平台的平均不安全响应率高达65.1%，远高于基线的17