SYSYPHUZZ: the Pressure of More Coverage.
该论文提出了一种名为 SYSYPHUZZ 的模糊测试技术，旨在解决传统覆盖率导向模糊测试中因过度追求覆盖率而导致效率下降的问题。作者通过分析现有覆盖率指标对模糊测试性能的影响，设计了一种新型的“压力”机制，在保持高覆盖率的同时避免无效的探索
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When Mixnets Fail: Evaluating, Quantifying, and Mitigating the Impact of Adversarial Nodes in Mix Networks.
混合网络（Mixnet）是一种通过路由、延迟和混淆来提供通信匿名性的网络架构，广泛应用于匿名通信系统。然而，当部分节点被攻击者控制或成为恶意节点时，混合网络的匿名性保障可能被严重削弱。本论文系统地研究了混合网络中对抗节点的威胁。首先，论文形
User-Space Dependency-Aware Rehosting for Linux-Based Firmware Binaries.
本文提出了一种针对Linux固件二进制文件的用户空间依赖感知重托管方法。固件重托管是在模拟环境中运行固件以进行安全分析的关键技术，但现有方法在处理用户空间依赖（如库、系统服务等）时存在局限，导致大量固件无法正常运行。本文通过分析固件二进制文
VDORAM: Towards a Random Access Machine with Both Public Verifiability and Distributed Obliviousness.
本论文提出VDORAM，一种同时具备公共可验证性和分布式不经意性的随机访问机（RAM）方案。传统的不经意RAM（ORAM）协议在保护访问模式隐私方面取得了成功，但往往缺乏有效的可验证性机制，尤其是在分布式环境下，用户需要确保数据服务器正确执
From Noise to Signal: Precisely Identify Affected Packages of Known Vulnerabilities in npm Ecosystem.
本文提出了一种精确识别npm生态系统中已知漏洞影响包的方法。针对当前依赖关系复杂、漏洞影响范围模糊的问题，作者设计了一套从噪声中提取信号的流程，通过分析npm包之间的依赖关系、版本约束以及漏洞引入和修复的代码变更，自动确定哪些包版本真正受到
NetRadar: Enabling Robust Carpet Bombing DDoS Detection.
该论文提出了一种名为 NetRadar 的新型检测系统，专门针对地毯式轰炸 DDoS 攻击（Carpet Bombing DDoS）。地毯式轰炸 DDoS 是一种分布式拒绝服务攻击，攻击者通过大量 IP 地址和端口同时向目标发送低流量请求，
Breaking Isolation: A New Perspective on Hypervisor Exploitation via Cross-Domain Attacks.
该论文针对虚拟机监控器（hypervisor）利用问题提出新视角。传统方法依赖在宿主机中寻找高度受限的结构并准确确定其运行时地址，但在ASLR等防御下效果不佳。作者观察到现代虚拟化环境中存在弱内存隔离：客户机内存完全受攻击者控制，而宿主机可
Achieving Zen: Combining Mathematical and Programmatic Deep Learning Model Representations for Attribution and Reuse.
该论文提出了一种名为Zen的框架，旨在解决深度学习模型在反汇编和逆向工程中的表示问题，特别是针对模型归因（attribute）和重用（reuse）场景。当前，深度学习模型在二进制代码分析中的应用日益广泛，但模型本身通常以黑盒形式提供，缺乏可
Eviction Notice: Reviving and Advancing Page Cache Attacks.
本论文来自NDSS '26，旨在重新激活并推进Linux页面缓存攻击的研究。自2019年mincore系统调用被缓解后，页面缓存攻击被认为已被缓解或过于缓慢而不实用。然而，作者不仅复活了针对页面缓存的实用攻击，还首次提供了与页面缓存交互的原
Augmented Shuffle Differential Privacy Protocols for Large-Domain Categorical and Key-Value Data.
该论文提出了一种名为FME（Filtering-with-Multiple-Encryption）的增强型洗牌差分隐私协议，用于解决大规模分类数据和键值数据统计估计中的隐私保护问题。传统的洗牌差分隐私协议虽然能提供高精度和隐私保护，但容易受
ACTS: Attestations of Contents in TLS Sessions.
本文提出了一种名为ACTS（TLS会话内容证明）的分布式架构，旨在解决Web3大规模应用中的一个关键问题：如何让现有的、广泛使用的软件验证用户从TLS服务器检索到特定数据，同时不修改TLS服务器本身。现有方案（如DECO、Xie等人的工作及
Cross-Cache Attacks for the Linux Kernel via PCP Massaging.
本文提出一种针对Linux内核的新型跨缓存攻击方法，称为PCP Massaging。该方法利用每CPU页缓存（Per-CPU Page Cache, PCP）的内存分配行为，攻击者通过精心控制内存分配与释放，迫使目标内核对象（如socket
HOUSTON: Real-Time Anomaly Detection of Attacks against Ethereum DeFi Protocols.
该论文提出 HOUSTON，一个针对以太坊去中心化金融（DeFi）协议攻击的实时异常检测系统。研究背景：DeFi 协议遭受多种攻击（如闪电贷攻击、预言机操纵、重入攻击等），现有检测方法多基于规则或签名，难以应对未知攻击且实时性不足。核心问题
Looma: A Low-Latency PQTLS Authentication Architecture for Cloud Applications.
本文提出 Looma，一种用于云应用的低延迟后量子 TLS（PQTLS）认证架构。随着量子计算技术的发展，传统公钥密码（如 RSA、ECDSA）面临被 Shor 算法破解的风险，因此业界正加速向基于格的密码方案迁移。然而，现有 PQTLS
SVDefense: Effective Defense against Gradient Inversion Attacks via Singular Value Decomposition.
联邦学习（FL）允许多个客户端协同训练模型而不共享原始数据，但面临梯度反转攻击（GIA）的威胁，攻击者可从共享梯度中重建私有数据。现有防御方法要么在嵌入式平台上计算开销过高，要么无法同时保证隐私保护和模型效用，且许多方法易被了解防御细节的自
Light into Darkness: Demystifying Profit Strategies Throughout the MEV Bot Lifecycle.
本文旨在揭示以太坊MEV（矿工可提取价值）机器人全生命周期的盈利策略。研究背景是MEV机器人在以太坊生态中广泛存在，但其内部运作机制和盈利手段尚不透明。核心问题是如何系统性地理解MEV机器人的行为模式、盈利策略及其演变。作者提出了一种基于链
Dataset Reduction and Watermark Removal via Self-supervised Learning for Model Extraction Attack.
本文提出一种基于自监督学习的模型提取攻击方法，旨在同时实现数据集缩减和水印移除。传统模型提取攻击通常需要大量查询和完整训练数据，且可能保留原始模型的水印。作者利用自监督学习（如对比学习）从目标模型中提取知识，仅需少量未标记样本即可训练一个紧
LatticeBox: A Hardware-Software Co-Designed Framework for Scalable and Low-Latency Compartmentalization.
本文提出 LatticeBox，一个硬件-软件协同设计的框架，用于实现可扩展且低延迟的隔离（compartmentalization）。在现有系统中，隔离机制（如进程或虚拟机）往往带来显著的性能开销，且难以在细粒度级别应用。LatticeB
FirmCross: Detecting Taint-style Vulnerabilities in Modern C-Lua Hybrid Web Services of Linux-based Firmware.
该论文针对现代Linux固件中C-Lua混合Web服务的安全漏洞检测问题展开研究。传统静态污点分析工具通常仅关注固件中的C二进制文件，忽略了Lua脚本及字节码的存在，导致检测覆盖面不足。作者观察到现代固件广泛采用Lua与C混合编程实现Web
Rethinking Fake Speech Detection: A Generalized Framework Leveraging Spectrogram Magnitude.
该论文重新审视了假语音检测问题，提出了一种利用频谱图幅度的通用检测框架。传统的假语音检测方法通常依赖于特定的声学特征或深度学习模型，但在面对新型伪造技术时泛化能力不足。本文的核心思路是通过分析语音频谱图的幅度信息，构建一个不依赖于特定伪造方