MiniPlasma Windows 0-Day Enables SYSTEM Privilege Escalation on Fully Patched Systems
Chaotic Eclipse, the security researcher behind the recently disclosed Windows flaws, YellowKey and GreenPlasma, has rel
2026-05-19 归档
今日共收录 917 条安全情报，包含 132 个 CVE，384 篇安全通告，以及 107 篇研究论文。
← 返回归档列表How to better protect your growing business in an AI-powered world
See how built-in security helps keep your growing business running, protect customer trust, and support growth. The post
Project Glasswing: what Mythos showed us
In recent weeks, we pointed Mythos and other security-focused LLMs at live code across critical parts of our infrastruct
TeamPCP Supply Chain Campaign: Activity Through 2026-05-17, (Mon, May 18th)
Since the last update, the TeamPCP supply chain campaign produced its loudest stretch since the March Trivy disclosure:
INTERPOL ‘Operation Ramz’ seizes 53 malware, phishing servers
More than 200 individuals were arrested for cybercrime activities during INTERPOL's Operation Ramz, which focused on the
SHub macOS infostealer variant spoofs Apple security updates
A new variant of the 'SHub' macOS infostealer uses AppleScript to show a fake security update message and installs a bac
Leaked Shai-Hulud malware fuels new npm infostealer campaign
The Shai-Hulud malware leaked last week is now used in new attacks on the Node Package Manager (npm) index, as infected
Grafana says stolen GitHub token let hackers steal codebase
Grafana Labs disclosed that hackers have downloaded its source code after breaching its GitHub environment using a stole
STRIDE-AI: A Threat Modeling Framework for Generative AI Security Assessment
传统网络安全方法论主要针对确定性系统，无法有效应对生成式AI的概率性本质，导致模型在面对模型反转、数据投毒、提示注入等攻击向量时存在脆弱性。行业报告显示，大多数部署AI的组织缺乏专门的安全策略，且对抗性攻击逐年激增。本文提出STRIDE-A
Trust No Tool: Evaluating and Defending LLM Agents under Untrusted Tool Feedback
本文研究大型语言模型（LLM）代理在使用外部工具时面临的新安全威胁：认知中毒（cognitive poisoning）。现有安全基准和防御通常假设工具一旦被选中，其反馈就是可信的。然而，本文揭示了一种更隐蔽的攻击模式：恶意工具在探索阶段表现
Rethinking Side-Channel Analysis: Automated Discovery and Analysis of Side-Channel Leakage with LLM-Assisted Agents
侧信道攻击利用系统行为中无意泄露的信息，对现代平台构成严重隐私风险。尽管已有大量研究，侧信道分析仍以手动和碎片化方式进行，通常假设预定义的目标事件和固定的已知信道集合。随着系统和应用日益复杂，几个基本问题仍未解答：哪些用户或系统事件在实践中
Babel: Jailbreaking Safety Attention via Obfuscation Distribution Optimized Sampling
大型语言模型（LLM）尽管经过严格的安全对齐训练，仍容易受到越狱攻击。现有的黑盒越狱方法通常依赖启发式模板或穷举尝试，缺乏机制可解释性且查询效率低下。本研究揭示了LLM安全机制中的一个内在漏洞：安全对齐仅依赖于少量稀疏分布的注意力头，导致大
Triple-Hoisted Baby-Step Giant-Step Linear Transformation over CKKS Homomorphic Encryption and Hardware Accelerator
该论文提出了一种针对CKKS同态加密线性变换的三重提升（triple-hoisted）Baby-Step Giant-Step算法，旨在减少密文旋转操作的数量，从而降低计算开销。CKKS是一种支持近似算术的同态加密方案，在隐私保护云计算中至
The Range Shrinks, the Threat Remains: Re-evaluating LLM Package Hallucinations on the 2026 Frontier-Model Cohort
该论文复现并扩展了 Spracklen 等人（USENIX Security '25）关于代码生成大语言模型（LLM）产生包名幻觉的研究。Spracklen 等人发现，LLM 在生成 Python 或 JavaScript 代码时，会虚构出
PersonaFingerprint: Measuring Persona Inference on Modern Websites with LLM-Driven Browsing
本文提出了一种新的隐私风险：攻击者可以通过分析加密网络流量的元数据（如数据包长度和到达间隔时间序列），推断用户在线浏览时的“persona”（角色或行为模式），而不仅仅是访问了哪个网站。传统网站指纹识别（WFP）主要关注识别用户访问的网站，
Prompt2Fingerprint: Plug-and-Play LLM Fingerprinting via Text-to-Weight Generation
随着大型语言模型（LLM）的广泛部署和再分发，模型来源追踪成为一个关键挑战。现有的LLM指纹识别方法，尤其是通过微调嵌入身份信号的主动方法，虽然实现了高精度和鲁棒性，但存在显著的可扩展性瓶颈。这些方法通常将指纹注入视为独立的、一次性的优化任
Prompts Don't Protect: Architectural Enforcement via MCP Proxy for LLM Tool Access Control
该论文针对大语言模型作为自主代理时，从大型工具注册表中选择和调用工具的安全风险展开研究。作者发现一个关键漏洞：当未经授权的工具出现在代理的上下文中时，即使在明确提示禁止的情况下，模型在对抗性场景中仍可能选择这些工具。为解决此问题，论文提出一
Safety Geometry Collapse in Multimodal LLMs and Adaptive Drift Correction
多模态大语言模型（MLLMs）在文本模态中习得的安全能力往往无法迁移至语义等价的非文本输入（如图像、音频），形成持续的多模态安全鸿沟。本文从表示几何角度系统研究该问题。作者首先定义了两个关键方向：文本对齐的“拒绝方向”（refusal di
Protection Is (Nearly) All You Need: Structural Protection Dominates Scoring in Globally Capped KV Eviction
该论文研究了在全局共享上限（解码时）条件下，大型语言模型（LLM）的键值（KV）缓存驱逐策略。作者评估了七种常见策略（LRU、H2O、SnapKV、StreamingLLM、Ada-KV、QUEST和随机驱逐），发现在所有无结构保护的策略中
DP-SelFT: Differentially Private Selective Fine-Tuning for Large Language Models
该论文提出 DP-SelFT（ Differentially Private Selective Fine-Tuning）框架，用于解决大语言模型（LLM）在差分隐私（DP）微调过程中因梯度裁剪和噪声注入导致的效用严重下降问题。现有工作主要