Module Lattice Security (Part III): Structured CVP Distance on the Log-Unit Lattice
该论文是模格安全系列研究的第三部分，聚焦于对数单位格上的结构化最近向量问题（CVP）距离。作者首先证明了从随机短环元素到分圆域 Q(ζ_{2^k}) 的对数单位格的 L^2 CVP 距离随着 n=2^{k-1}→∞ 收敛于 (π/(2√6)
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Loaded Dice: Solving the Non-Selection Problem for Scalable Probabilistic RowHammer Defense
本文针对DRAM缩放下日益严重的RowHammer漏洞，提出了一种可扩展的概率性缓解方案PrISM。JEDEC标准中引入的PRAC（每行激活计数）虽然有效，但需要额外的每行计数器单元和更长的时序参数，导致面积开销和性能下降（阈值500时平均
Federated Stream-Processing and Latency-Gated Response for Cross-Sector Threat Detection and Collaborative Containment
本文针对关键基础设施防御中预防控制常被高级供应链攻击和失窃管理员凭证绕过的问题，提出了一种联邦化的高吞吐流处理与关联框架。该框架设计用于跨部门（如能源、金融等）协同威胁检测和自动化应急响应。核心组件包括：无状态预过滤调度子系统（PFDS），
New Wide-Net-Casting Jailbreak Attacks Risk Large Models
该论文发现了一种实际存在但此前未被探索的大模型越狱攻击场景——广网投射（wide-net-casting），即攻击者可以同时查询一组大模型而非单个模型，从而更高效地诱导有害输出。作者指出，现有安全评估和防御研究主要集中在单模型场景，忽略了多
quantum-safe: Bridging the Post-Quantum Production Gap with a Hybrid-by-Default Python Cryptography Library
2024年8月，FIPS 203 (ML-KEM)、FIPS 204 (ML-DSA) 和 FIPS 205 (SLH-DSA) 的定稿标志着后量子密码学 (PQC) 算法层面的标准化基本完成。然而，从算法标准到实际生产部署之间存在明显的“
BIDO: A Biometric Identity Online Authentication Framework
本文提出了一种名为BIDO（Biometric Identity Online）的设备无关身份认证标准，旨在实现持续、密码学鲁棒的身份验证，无需用户携带物理令牌、智能卡或专用硬件认证器。BIDO符合NIST SP 800-63B中定义的认证
Universal Graph Backdoor Defense: A Feature-based Homophily Perspective
图神经网络（GNN）在关系学习中取得了显著成功，但其对图后门攻击（GBA）的脆弱性，阻碍了其在高风险应用中的广泛采用。现有的图后门防御（GBD）方法主要针对基于子图的GBA，假设被投毒的目标节点明确连接到子图触发器。然而，实验结果表明，这些
Jacobian-Guided Anisotropic Noise Reshaping for Enhancing Representation Utility under Local Differential Privacy
局部差分隐私（LDP）作为分布式数据收集的基元，其严格的噪声注入要求常导致数据效用严重下降。传统LDP机制是任务无关的，在所有维度上均匀施加噪声，忽略了不同维度对下游任务的相对重要性。本文提出一种新颖方法，在数据表示的任务相关子空间中减轻噪
Watermarks Attack Watermarks: Re-Watermarking as a Generic Removal Strategy
本文提出了一种新颖且通用的数字水印移除攻击方法。核心观察是：攻击水印的过程本质上与水印嵌入过程相似——两者都在寻找对图像不可察觉的修改以触发特定检测器。基于此类比，作者假设可以用水印去攻击水印，即对已加水印的图像再次施加另一个水印（称为重水
Spatially Adaptive Detection for Satellite-based QKD under Atmospheric Turbulence Channel
量子密钥分发（QKD）提供信息论安全性，而基于卫星的量子密钥分发（SatQKD）展示了将其扩展到洲际尺度的潜力。然而，大气湍流会导致接收光束的空间分布发生显著畸变，而背景噪声在探测器平面上保持近似均匀。因此，由于成像波前的随机空间模式，单元
Public-Decay Homomorphic State Space Models for Private Sequence Inference
该论文提出了一种基于同态加密的状态空间模型（HSSM），用于在加密数据上执行序列推理任务。全同态加密（FHE）在序列模型中的应用面临旋转操作、密文乘积、密文物化、乘法深度和自举等成本问题。论文的核心创新是引入“公钥衰减”（public-de
\textsc{PrivScope}: Task-scoped Disclosure Control for Hybrid Agentic Systems
本文提出PrivScope，一种针对混合本地-云端智能体系统的任务范围披露控制机制。在混合智能体系统中，本地代理会收集用户请求的上下文（包括持久工作状态）以增强任务完成度，但这也导致了过度披露问题——云端负载中包含了与当前任务无关的敏感信息
From Backup Restoration to Minimum Viable Factory Recovery: A Systematization of Ransomware Recovery in Manufacturing Systems
该论文针对关键制造基础设施中勒索软件恢复的挑战，指出传统“备份-恢复”思维无法解决制造系统特有的耦合问题。作者通过PRISMA系统的多源文献综述，包括学术文献、标准指南、威胁框架、公开事件材料及原始证据，识别出九种经证据支持的恢复失败模式：
PCDM: A Diffusion-Based Data Poisoning Attack Against Federated Learning Systems
联邦学习（FL）因其分布式特性易受数据投毒攻击。现有基于GAN的投毒方法虽能生成看似合法的恶意数据，但GAN输出的内在一致性仍会暴露投毒痕迹。本文提出一种基于扩散模型的数据投毒框架，利用面向投毒的条件扩散模型（PCDM）实现对本地恶意数据生
A Cross-Modal Prompt Injection Attack against Large Vision-Language Models with Image-Only Perturbation
本文提出一种针对大型视觉语言模型（LVLMs）的新型跨模态提示注入攻击方法CrossMPI。传统提示注入攻击通常局限于单一模态（如仅文本或仅图像），无法实现跨模态的提示扰动，即注入的提示只能影响模型对单一输入的解释。CrossMPI通过图像
Quantum Futures Interactive: A Live Demonstration of Post-Quantum Blockchain Security, Infrastructure Tradeoffs, and Sustainable Distributed Trust
该论文介绍了一个名为“Quantum Futures Interactive”的实时交互演示平台，旨在应对量子计算对区块链和分布式应用带来的长期安全挑战。随着量子计算的发展，广泛使用的公钥密码系统（如RSA、ECC）面临被破解的风险，这威胁
Beyond Content: A Comprehensive Speech Toxicity Dataset and Detection Framework Incorporating Paralinguistic Cues
该论文针对现有语音毒性检测研究中普遍忽略副语言线索（如情感、语调、语速）的问题，提出了一套全新的解决方案。首先，作者构建了ToxiAlert-Bench，一个大规模音频数据集，包含超过30,000个音频片段，标注了7个主要毒性类别和20个细
From AI-Generated Content to Agentic Action: Security and Safety Threats in Generative AI
该论文系统性地研究了生成式AI系统从单纯的内容生成向具备数据检索、工具调用和动作执行能力的代理化转变过程中面临的安全与安全威胁。作者将威胁划分为三个层次：内容级（如生成虚假信息、有害内容）、模型级（如提示注入、模型提取）和代理级（如工具链滥
Beyond Controlled Noise: Achieving Symmetric FHE through Dynamic Position Shifting
本文提出了一种突破性的对称全同态加密（FHE）方案，旨在解决传统FHE方案中计算开销大和噪声管理复杂的核心瓶颈。现有FHE方案通常基于非对称或层次式结构，乘法操作会导致噪声指数级增长，需要昂贵的自举（bootstrapping）过程来重置噪
Rethinking the Security of DP-SGD: A Corrected Analysis of Differentially Private Machine Learning
这篇论文重新审视了差分隐私随机梯度下降（DP-SGD）的安全分析。DP-SGD广泛应用于机器学习中保护训练数据，其隐私保证通常通过一个安全游戏来分析，攻击者试图从机制输出中推断目标记录是否在训练集中，隐私泄露由隐私曲线（假阳性率作为假阴性率