StyleFool: Fooling Video Classification Systems via Style Transfer.
本文提出了一种名为 StyleFool 的黑盒视频对抗攻击方法,利用风格迁移技术欺骗视频分类系统。当前的黑盒攻击通常需要大量查询才能成功,导致计算开销巨大;而限制扰动的攻击易被去噪或对抗训练等防御手段抵御。StyleFool 采用无限制扰动
今日共收录 756 条安全情报,包含 66 个 CVE,383 篇安全通告,以及 20 篇研究论文。
← 返回归档列表本文提出了一种名为 StyleFool 的黑盒视频对抗攻击方法,利用风格迁移技术欺骗视频分类系统。当前的黑盒攻击通常需要大量查询才能成功,导致计算开销巨大;而限制扰动的攻击易被去噪或对抗训练等防御手段抵御。StyleFool 采用无限制扰动
本文研究了在不平衡设置下(即一方集合远大于另一方)的带标签私有集合交集(Labeled PSI)协议。现有工作(Chen等,CCS'17, CCS'18)已证明全同态加密(FHE)可用于构建高效的不平衡PSI协议。本文在以下方面实现了多项算
本文针对大规模机器学习场景下的差分隐私问题提出了一种通用、高效的私有草图(private sketch)方法。差分隐私通过严格的数学定义量化隐私与效用的权衡,但在实际应用中,通用算法运行缓慢(中等规模数据集可能需要数小时至数天),因此现有方
本文提出了一种新的密码学原语——摊销阈值对称密钥加密(ATSE),旨在解决现有阈值对称密钥加密(TSE)方案在处理大量数据时的高交互开销问题。传统TSE(如Agrawal等人CCS'18提出的DiSE框架)要求每次加密或解密操作都必须与阈值
本文针对保护性 DNS(Protective DNS, PDNS)服务进行了大规模测量研究。PDNS 是一种新兴安全服务,通过主动重写 DNS 响应,将恶意域名解析到受控主机,从而阻止用户访问有害内容。然而,由于不同 PDNS 提供商的实现
联邦学习易受到投毒攻击,恶意客户端通过发送恶意模型更新来破坏全局模型。现有防御主要关注在攻击发生时通过鲁棒聚合或客户端检测来阻止少数恶意客户端,但如何在检测到恶意客户端后高效恢复全局模型仍是一个开放挑战。简单的从头训练方法计算和通信开销巨大
CVE-2025-15150
无人机开源飞控 PX4-Autopilot堆栈溢出漏洞 CVE-2025-15150
CVE-2025-14847
MongoDB内存泄漏 CVE-2025-14847(MongoBleed)
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)
CVE-2025-49596
ModelContext Inspector 未授权访问漏洞(CVE-2025-49596)
CVE-2025-1750
llamaindex SQL 注入漏洞(CVE-2025-1750)
CVE-2025-23395
Screen 本地权限提升漏洞(CVE-2025-23395)
CVE-2024-42327
Zabbix认证后SQL注入漏洞(CVE-2024-42327)
CVE-2024-11680
ProjectSend认证绕过漏洞(CVE-2024-11680)
CVE-2024-48063
PyTorch库RPC框架反序列化RCE漏洞(CVE-2024-48063)
CVE-2024-9264
Grafana认证后DuckDB-SQL注入漏洞(CVE-2024-9264)
CVE-2024-8517
SPIP BigUp Unauthenticated RCE(CVE-2024-8517)
CVE-2024-39943
Rejetto HFS 远程命令执行漏洞(CVE-2024-39943)
CVE-2024-27348
Apache HugeGraph-Server Command Execution In Gremlin(CVE-2024-27348)
CVE-2024-22120
Zabbix 后台延时注入(CVE-2024-22120)