FuzzingBrain V2: A Multi-Agent LLM System for Automated Vulnerability Discovery and Reproduction
FuzzingBrain V2 是一个基于多智能体大语言模型（LLM）的自动化漏洞发现与复现系统。针对当前 LLM 在漏洞检测中面临的三大挑战：高误报率且缺乏可复现验证、漏洞定位粒度不最优（函数级上下文不足，行级缺乏上下文）、难以推理复杂跨
2026-05-23 归档
今日共收录 869 条安全情报，包含 93 个 CVE，394 篇安全通告，以及 104 篇研究论文。
← 返回归档列表Trusted Weights, Treacherous Optimizations? Optimization-Triggered Backdoor Attacks on LLMs
该论文首次揭示了LLM推理优化（尤其是编译优化）中存在的安全漏洞，并提出了一种新型后门攻击——优化触发后门。作者指出，尽管编译优化在部署LLM时广泛使用，且默认假设编译后的计算图与原始计算图语义等价，但编译过程中的数值副作用可能被恶意利用，
Blind Spots in the Guard: How Domain-Camouflaged Injection Attacks Evade Detection in Multi-Agent LLM Systems
本论文研究多智能体LLM系统中的注入攻击检测漏洞。作者发现，现有注入检测器通常基于静态、模板化的载荷进行校准，这些载荷明确声明为覆盖指令。然而，当攻击载荷被生成以模仿目标文档的领域词汇和权威结构（即域伪装注入）时，标准检测器无法识别，导致检
Benchmarking Autonomous Agents against Temporal, Spatial, and Semantic Evasions
该论文针对自主代理（如OpenClaw）在拥有深度系统级权限执行复杂任务时暴露的安全风险进行了系统研究。现有漏洞分析大多聚焦于单轮、无状态行为，忽视了多轮交互和动态工具调用带来的攻击面扩展。论文提出了一种针对基于LLM的代理系统的多维逃逸框
Finding Missing Input Validation in TEEs via LLM-Assisted Symbolic Execution
本文提出 SymTEE，一种新型的 LLM 辅助符号执行框架，用于检测可信执行环境（TEE）应用中的缺失输入验证漏洞。TEE 通过硬件强制隔离保护敏感代码和数据，但传统安全分析面临构建完整 TEE 环境成本高、可观测性差等挑战。SymTEE
Parser-Free Querying of Security Logs
安全分析师在日常工作中需要查询系统日志以检测威胁和调查事件，但不同日志源采用各异的半结构化格式，导致日志生产成本低但使用成本高。传统方法是为每种格式构建解析器，将日志标准化为结构化模式，虽功能强大但需要持续的工程投入。直接使用 grep 等
A Large Language Model Approach to Generating Bypass Rules for Malware Evasion in Analysis Sandbox
本文提出一种利用大型语言模型自动生成YARA规则的方法，以绕过沙箱环境中的逃避检查。针对现代恶意软件通过环境检测来隐藏恶意行为的挑战，现有方法依赖人工逆向分析每个逃避机制，难以应对快速演变的逃避技术。作者提出的ABLE系统通过分析因潜在逃避
HIDBench: Benchmarking Large Language Models for Host-Based Intrusion Detection
该论文提出了 HIDBench，一个专门评估大语言模型（LLM）在主机入侵检测（HIDS）任务中表现的新基准。现有的网络安全基准多关注渗透测试、漏洞识别等任务，而入侵检测——尤其是基于系统日志的主机侧检测——尚未被充分评估。HIDBench
Adversarial Reframing: A Framework for Targeted Generation in Language Models
本文提出 THREAT (Targeted Harmful generation via Reframing and Exploitation of Adversarial Tactics) 框架，这是一个基于推理的对抗性攻击方法，旨在通过
ASSEMBLAGE-DEEPHISTORY: A Cross-Build Binary Dataset with Temporal Coverage
该论文提出了 ASSEMBLAGE-DEEPHISTORY，一个综合性的跨构建二进制数据集，旨在解决现有二进制语料库缺乏时间维度、跨编译器多样性和CVE标签联合查询的问题。该数据集包含73,610个二进制文件，涵盖248个开源项目，每个二进
VIPER-MCP: Detecting and Exploiting Taint-Style Vulnerabilities in Model Context Protocol Servers
本文针对大语言模型（LLM）智能体与外部工具交互的标准接口——模型上下文协议（MCP）服务器中的安全漏洞问题展开研究。MCP服务器暴露了如shell执行、网络访问、文件系统操作等特权操作，其工具处理程序中的实现缺陷可能被攻击者利用，从自然语
Onion-Routed Multi-Circuit Key Establishment for Quantum-Resilient Sessions
该论文提出了一种基于洋葱路由的多电路密钥建立方案，以应对量子计算机对现有公钥密码体制（RSA、Diffie-Hellman、椭圆曲线）的威胁。这些算法依赖于整数分解或离散对数问题，而Shor算法在足够强大的量子计算机上可以高效破解。更紧迫的
An Evidence-driven Protocol for Trustworthy CI Pipelines
本文提出了一种基于证据的协议，用于构建可信的持续集成（CI）管道。当前企业软件供应链面临基础设施攻击的威胁，导致财务和声誉损失。确保软件工件的完整性和来源是一个重大挑战，传统方法要求每个消费者重新执行构建和测试来验证来源，这造成了验证瓶颈并
GenAI-Driven Threat Detection with Microsoft Security Copilot
本文介绍了一种名为动态威胁检测代理（DTDA）的自动化安全检测系统，集成于微软安全Copilot中，旨在持续调查安全事件并生成可解释的检测规则。DTDA 的主要组成部分包括：1）统一的活动时间线，涵盖告警、事件、用户和实体行为分析以及威胁情
Heartbeat-Bound Hierarchical Credentials: Cryptographic Revocation for AI Agent Swarms
该论文针对自主AI代理在生成子代理群时存在的安全漏洞，即现有凭证撤销机制（如OAuth 2.0、OCSP、W3C状态列表）依赖与中心权威的网络连接，导致在操作者关闭后，僵尸代理仍能在数分钟到数小时内继续执行特权操作。作者提出了心跳绑定分层凭
Security Document Classification with a Fine-Tuned Local Large Language Model: Benchmark Data and an Open-Source System
本文解决了组织在扫描文档敏感信息时面临的实际问题：云服务需要将数据发送到外部基础设施，而基于规则的检测工具往往漏掉依赖上下文的威胁。为此，作者提出了TorchSight——一个基于微调本地大语言模型（Qwen 3.5 27B）的开源安全文档
Refusal Evaluation in Coding LLMs and Code Agents: A Systematic Review of Thirteen Malicious-Code Prompt Corpora (2023-2025)
本文是一篇系统综述，聚焦于2023年至2025年间公开的13个用于评估大型语言模型（LLM）在恶意代码任务中拒绝能力的提示语料库。这些语料库包括AdvBench、CyberSecEval系列、RMCBench、RedCode、MCGMark
BiRD: A Bidirectional Ranking Defense Mechanism for Retrieval Augmented Generation
本文针对检索增强生成（RAG）系统面临的安全威胁，提出了一种名为BiRD（双向排序防御机制）的新型防御方法。研究首先识别了现有防御手段（如基于语义分析或投票机制）的核心局限性：它们仅关注语义内容相关性，而忽略了由排序结构定义的检索上下文。通
LLM Benchmark Datasets Should Be Contamination-Resistant
本文探讨了大型语言模型（LLM）基准数据集被预训练语料库污染的问题。污染导致基准数据集无法可靠衡量模型的泛化能力。作者提出基准数据集应具有“抗污染”特性，即数据集对训练不可学习（unlearnable），但支持推理（inference）。为
Adaptive Probe-based Steering for Robust LLM Jailbreaking
本文提出了一种基于自适应探测导向的鲁棒大型语言模型（LLM）越狱方法。现有对比导向攻击依赖于有限且存在固有偏见的对比提示，并需要繁琐的手动调整导向强度，导致鲁棒性和有效性不足。作者借鉴模型提取的思想，通过学习的导向向量逼近理想导向向量，并基