CrowdStrike FalconID Brings Phishing-Resistant MFA to Falcon Next-Gen Identity Security
CrowdStrike FalconID Brings Phishing-Resistant MFA to Falcon Next-Gen Identity Security
2026-05-14 归档
今日共收录 1527 条安全情报，包含 720 个 CVE，444 篇安全通告，以及 62 篇研究论文。
← 返回归档列表Gaussian Elimination of Side-Channels: Linear Algebra for Memory Coloring.
本文提出了一种基于线性代数的理论框架和实用算法，用于在云计算环境中实现全面的内存着色（memory coloring）方案。内存着色是一种通过软件方法确保不同信任域（如虚拟机、容器）之间微架构隔离的技术。传统的着色方案仅针对单个微架构组件（
End-to-End Encrypted Cloud Storage in the Wild: A Broken Ecosystem.
该论文对五大主流端到端加密云存储服务（Sync、pCloud、Icedrive、Seafile、Tresorit）进行了深入的密码学安全性分析，这些服务累计拥有超过2200万用户。研究者在恶意服务器模型下，通过设计多种攻击方法，揭示了其中四
Who Pays Whom? Anonymous EMV-Compliant Contactless Payments.
该论文提出了一种兼容EMV标准的匿名非接触支付协议，旨在解决现有非接触支付中用户隐私泄露的问题。传统的非接触支付交易会泄露持卡人的身份信息，而该研究设计了一种方案，使得支付过程中商家无法关联用户身份，同时仍然保持与EMV标准的兼容性，确保交
Addressing the Address Books' (Interdependent) Privacy Issues.
本研究聚焦于通讯录（地址簿）中存在的相互依赖隐私问题。通讯录不仅包含用户自身的隐私信息，还涉及联系人的隐私数据，如姓名、电话号码、电子邮件地址等。当用户分享或同步通讯录时，可能导致未经同意地泄露联系人的隐私。论文首先系统分析了通讯录隐私问题
"Please don't send that bot anything": A Mixed-methods Study of Personal Impersonation Attacks Targeting Digital Payments on Social Media.
该论文采用混合研究方法，系统性地分析了社交媒体上针对数字支付系统的个人冒充攻击。研究首先收集了大量真实案例，通过定性分析识别出攻击者冒充熟人（如朋友、家人）的核心策略，包括利用公开个人信息增强可信度、伪造紧急支付请求等。随后，作者通过定量实
DShield: Defending against Backdoor Attacks on Graph Neural Networks via Discrepancy Learning.
图神经网络（GNN）容易受到后门攻击，攻击者通过在原始图中插入触发器使模型输出恶意指定的预测。针对GNN的后门攻击通常聚焦于节点分类任务，可分为脏标签攻击和干净标签攻击两类。现有防御方法往往依赖从其他领域（如图像）借用的强假设，例如在中毒样
Rethinking Trust in Forge-Based Git Security.
本文重新审视了基于Forge（如GitHub、GitLab）的Git安全中的信任模型。传统上，用户默认信任代码托管平台及其提供的安全机制（如分支保护、签名验证等），但这些平台自身的可信度、运维透明性以及单一故障风险常被忽视。作者通过分析现有
Too Subtle to Notice: Investigating Executable Stack Issues in Linux Systems.
该论文深入研究了Linux系统中可执行栈问题的根源。尽管写入-异或-执行（WX）策略已被广泛应用以阻止可写且可执行的内存区域，但许多现代应用程序仍意外地重新引入了可执行栈。作者通过两个层面调查了这一现象的幕后原因：首先，评估了11个程序加固
URVFL: Undetectable Data Reconstruction Attack on Vertical Federated Learning.
该论文研究纵向联邦学习（Vertical Federated Learning, VFL）中的隐私泄露问题，聚焦于数据重建攻击。VFL是一种允许多个参与方在不共享原始数据的情况下，基于同一组样本的不同特征共同训练模型的协作学习范式。然而，V
Blind Spots: Identifying Exploitable Program Inputs.
该论文定义并形式化了程序输入中“盲点”（blind spots）的概念，即那些可以任意改变而不影响程序输出的输入区域。盲点不仅可用于隐写术或嵌入恶意负载，还可能是解析器漏洞的指示器。当盲点与文件格式关键字重叠时，它们揭示了解析bug，可能导
GPThreats-3: Is Automatic Malware Generation a Threat?
本研究探讨了大型文本模型（以 GPT-3 为代表）是否可能被攻击者用于自动生成恶意软件，以及如何生成。作者尝试了多种代码生成策略：一是直接给定完整的恶意软件描述，要求模型生成完整代码；二是将恶意软件功能拆解为多个构建块（如文件操作、网络通信
Private Collaborative Data Cleaning via Non-Equi PSI.
本文提出并研究了隐私保护的协作数据清洗问题。在协作数据清洗场景中，两个参与方希望协调各自的数据集，以过滤掉错误分类或误分类的数据项。隐私保护版本额外要求：双方只能获知自己哪些数据项被误分类，而不能学习对方数据集的任何其他信息。该问题本质上是
Securing Floating-Point Arithmetic for Noise Addition.
浮点算术在计算领域无处不在，因其能够表示极大和极小的数值范围，成为存储、分析和操作数值数据的首选方法。然而，这种灵活性在安全/隐私敏感的场景中带来了额外风险。本文探讨了当向敏感值添加噪声时，浮点算术导致的信息泄露威胁——这种泄露可能使敏感信
Poster: Detecting Ransomware Attacks by Analyzing Replicated Block Snapshots Using Neural Networks.
传统基于主机的恶意软件检测方法存在资源消耗大等问题，云反病毒解决方案虽能缓解部分限制，但仍难以应对复杂的多态恶意软件和具有特权的恶意软件，尤其是在防御破坏性勒索软件攻击方面效果不佳。本文提出一种增强型云反病毒方案，通过神经网络分析虚拟化环境
无人机开源飞控 PX4-Autopilot堆栈溢出漏洞 CVE-2025-15150
CVE-2025-15150
无人机开源飞控 PX4-Autopilot堆栈溢出漏洞 CVE-2025-15150
MongoDB内存泄漏 CVE-2025-14847(MongoBleed)
CVE-2025-14847
MongoDB内存泄漏 CVE-2025-14847(MongoBleed)
1Panel 代理证书验证绕过导致任意命令执行漏洞(CVE-2025-54424)
CVE-2025-54424
1Panel 代理证书验证绕过导致任意命令执行漏洞(CVE-2025-54424)
ModelContext Inspector 未授权访问漏洞(CVE-2025-49596)
CVE-2025-49596
ModelContext Inspector 未授权访问漏洞(CVE-2025-49596)
llamaindex SQL 注入漏洞(CVE-2025-1750)
CVE-2025-1750
llamaindex SQL 注入漏洞(CVE-2025-1750)