Mapping the Cloud: A Mixed-Methods Study of Cloud Security and Privacy Configuration Challenges.
本文采用混合研究方法，系统性地分析了云服务配置中的安全与隐私挑战。研究团队对2008年至2024年间约251,900篇与安全及隐私相关的Stack Overflow帖子进行了主题建模和定性分析，旨在映射云使用场景与其对应的安全配置问题。研究
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PrivORL: Differentially Private Synthetic Dataset for Offline Reinforcement Learning.
该论文提出了PrivORL，这是首个将差分隐私（DP）应用于离线强化学习（RL）数据集合成的方法。离线RL通过共享预收集的轨迹或过渡数据来训练智能体，避免与环境的直接交互，在导航等关键任务中有效。然而，数据集可能包含敏感信息，存在隐私泄露风
Revealing The Secret Power: How Algorithms Can Influence Content Visibility on Twitter/X.
本研究通过大规模定量分析Twitter/X推荐算法对内容可见性的影响，揭示平台存在系统性可见性调节现象。研究基于两个大型数据集：乌克兰-俄罗斯冲突相关推文（约2000万条，涉及500万用户）和2024美国总统大选相关推文（约2000万条，涉
Memory Band-Aid: A Principled Rowhammer Defense-in-Depth.
本文提出了一种名为“Memory Band-Aid”的纵深防御方案，旨在缓解Rowhammer攻击。Rowhammer是一种利用DRAM内存单元间电磁干扰的硬件漏洞，攻击者通过密集访问同一内存行（激活行），可能导致相邻行发生位翻转，从而破坏
CRISP: An Efficient Cryptographic Framework for ML Inference Against Malicious Clients.
该论文题为《CRISP: An Efficient Cryptographic Framework for ML Inference Against Malicious Clients》，提出了一种针对恶意客户端的机器学习推理加密框架。研究
RoundRole: Unlocking the Efficiency of Multi-party Computation with Bandwidth-aware Execution.
该论文提出RoundRole，一种面向多方计算（MPC）的带宽感知执行框架。MPC在隐私保护计算中广泛应用，但现有协议通常假设网络同质化，忽略了异构带宽对性能的影响。RoundRole通过动态角色分配和带宽感知的任务调度，最小化跨参与方的通
Cascading and Proxy Membership Inference Attacks.
本文提出了一种新型的成员推理攻击方法——级联代理成员推理攻击（Cascading and Proxy Membership Inference Attacks）。成员推理攻击旨在判断特定数据点是否被用于训练目标机器学习模型，对模型训练的隐私
Are your Sites Truly Isolated? Automatically Detecting Logic Bugs in Site Isolation Implementations.
该论文以站点隔离（Site Isolation）实现中的逻辑缺陷为研究核心，提出一种自动化检测方法。站点隔离是现代浏览器（如Chrome）的关键安全机制，用于防止不同来源（origin）的页面相互访问敏感数据，从而缓解Spectre等侧信道
Idioms: A Simple and Effective Framework for Turbo-Charging Local Neural Decompilation with Well-Defined Types.
本文提出了一种名为 Idioms 的轻量级框架，旨在通过利用良好定义的类型（well-defined types）显著加速局部神经反编译（local neural decompilation）的性能。神经反编译通常依赖于大规模神经网络来将二
Discovering Blind-Trust Vulnerabilities in PLC Binaries via State Machine Recovery.
本文针对工业控制系统（ICS）中可编程逻辑控制器（PLC）固件存在的“盲目信任”漏洞（Blind-Trust Vulnerabilities）展开研究。这类漏洞源于PLC对来自上游设备（如传感器、人机界面）的输入缺乏充分验证，攻击者可利用该
TranSPArent: Taint-style Vulnerability Detection in Generic Single Page Applications through Automated Framework Abstraction.
该论文提出 TranSPArent 系统，旨在解决单页应用（SPA）中污点风格漏洞检测的通用性问题。现有方法通常需要为每个 JavaScript 框架（如 React、Angular、Vue）手工构建数据流规则，成本高且难以扩展。TranS
Enhancing Website Fingerprinting Attacks against Traffic Drift.
本文针对网站指纹攻击（Website Fingerprinting, WF）在面临流量漂移（Traffic Drift）时性能退化的问题展开研究。随着网络协议更新、网站内容变化以及用户行为模式演变，攻击者基于早期流量样本训练的模型在实际部署
Cross-Boundary Mobile Tracking: Exploring Java-to-JavaScript Information Diffusion in WebViews.
本文研究了移动应用中 WebView 组件存在的跨边界信息泄露问题。WebView 允许应用在原生 Java/Kotlin 环境中嵌入 Web 内容，但应用会通过桥梁（JavaScriptInterface）将 Java 对象暴露给 Jav
Strategic Games and Zero Shot Attacks on Heavy-Hitter Network Flow Monitoring.
该论文研究了针对网络重型流（heavy-hitter）监控系统的对抗性攻击。重型流是指网络中传输大量数据的流，其准确检测对网络管理、服务质量保障和安全分析至关重要。作者提出了一种基于博弈论框架的攻击模型，攻击者可以在零样本（zero-sho
Rounding-Guided Backdoor Injection in Deep Learning Model Quantization.
本文提出一种名为QuRA的新型后门攻击方法，专门针对深度学习模型量化过程。量化是将高精度模型转换为低精度表示（如INT8）以在资源受限设备上部署的常用技术。传统的后门攻击通常需要投毒训练数据或操纵训练流程，而QuRA仅利用量化操作本身来植入
IsolatOS: Detecting Double Fetch Bugs in COTS RTOS by Re-enabling Kernel Isolation.
本文提出了一种名为 IsolatOS 的方法，用于在商用现成实时操作系统（COTS RTOS）中检测 double fetch 漏洞。Double fetch 漏洞是一种经典的内存竞争条件，通常发生在内核两次从用户空间读取相同数据时，期间数
From Perception to Protection: A Developer-Centered Study of Security and Privacy Threats in Extended Reality (XR).
这篇论文从开发者视角系统研究了扩展现实（XR）领域的隐私与安全威胁。随着XR技术在娱乐、教育、医疗等领域的广泛应用，其沉浸式特性带来了传统安全范式难以应对的新型风险——例如丰富的传感器数据采集、用户生成内容界面等。作为XR应用的主要构建者，
Tickets to Hide: An Inside Look into the Anti-Abuse Ecosystem through Internal Abuse Data.
本研究通过分析内部滥用数据，深入探讨了反滥用生态系统的运作机制。作者来自荷兰代尔夫特理工大学，他们获取了一个大型在线平台的内部滥用举报记录，包括举报者、被举报内容和处理结果。研究发现，反滥用系统面临诸多挑战，例如攻击者利用自动化工具批量生成
To Shuffle or not to Shuffle: Auditing DP-SGD with Shuffling.
本文研究了使用洗牌（shuffling）机制替代传统泊松子采样的差分隐私随机梯度下降（DP-SGD）算法在隐私保证上的实际效果。泊松子采样是DP-SGD的标准做法，但洗牌因其更好的兼容性和较低的计算开销而被广泛采用。然而，洗牌下的严格理论差
TIPSO-GAN: Malicious Network Traffic Detection Using a Novel Optimized Generative Adversarial Network.
本文提出了一种名为 TIPSO-GAN 的新型优化生成对抗网络，用于解决恶意网络流量检测中的关键挑战，如数据不平衡、高维特征及标记样本稀缺。作者首先分析了传统机器学习方法在恶意流量检测中的局限性，指出它们依赖手工特征且对未知攻击泛化能力弱。