CISA orders feds to patch actively exploited Drupal vulnerability
CISA has given U.S. government agencies until Wednesday evening to secure their servers against an SQL injection vulnera
2026-05-27 归档
今日共收录 1142 条安全情报，包含 375 个 CVE，381 篇安全通告，以及 103 篇研究论文。
← 返回归档列表Microsoft: Domain Controller lookup may fail on Windows Server 2016
Microsoft has confirmed a new known issue affecting Windows Server 2016 systems that causes domain controller lookups to
7-Eleven data breach exposes personal information of 185,000 people
The ShinyHunters extortion gang stole the personal information of over 183,000 people after hacking the systems of conve
MuddyWater Uses DLL Side-Loading in Espionage Campaign Targeting 9 Countries
The Iranian hacking group known as MuddyWater has been linked to a new campaign affecting at least nine organizations ac
MFA Prompt Bombing: Why Your Second Factor Isn't Saving You
Multi-factor authentication (MFA) was supposed to close a critical gap in identity security. It meant that, even if an a
The Fault in Our Drafts: Vulnerabilities in RPKI Specification and Software
本文首次对资源公钥基础设施（RPKI）的规范缺陷与其在实现和实际部署中漏洞之间的因果关系进行了全面分析。RPKI通过定义证书、路由源授权（ROA）、清单和证书撤销列表（CRL）的复杂信任与验证框架来保障互联网路由系统的安全，这些机制分散在数
Batch Me If You Can: Coverage-guided RPKI Fuzzing at Scale
该论文针对资源公钥基础设施（RPKI）软件的安全性进行了深入研究。RPKI 对于保障域间路由安全至关重要，但目前其实现软件大多仅经过浅层解析测试，缺乏深入的漏洞挖掘。现有模糊测试工具（如 AFL++、libFuzzer）主要适用于单输入、独
Broken Object Level Authorization in the Wild: An Empirical Taxonomy from 100+ Bug Bounty Disclosures
本文针对OWASP API安全漏洞排行第一的“对象级授权损坏”（BOLA）进行了大规模实证研究，弥补了过去文献几乎完全停留在概念层面的不足。作者从HackerOne平台（2021-2026年）公开的漏洞报告中构建了可复现的抽样框架，筛选出2
Capability and Robustness Cannot Both Be Free: An Information-Theoretic Bound for Vision-Language-Action Models
该论文针对视觉-语言-动作（VLA）模型在真实机器人部署中的鲁棒性与能力（即干净输入下的成功率）之间的权衡问题，从信息论角度证明了二者存在一个理论上界。作者指出，当前VLA模型（如OpenVLA-7B）在干净输入下成功率超过95%，但在微小
MemMorph: Tool Hijacking in LLM Agents via Memory Poisoning
本文提出了一种针对LLM驱动智能体的新型攻击方法MemMorph，通过污染智能体的长期记忆来劫持其工具选择过程。现有攻击主要操纵工具元数据，容易被审计检测，并且随着现代智能体越来越多地采用记忆模块通过积累经验来优化工具选择策略，这些攻击可能
Steering Beyond the Support: Adversarial Training on Unsupervised Jailbroken Activation Simulation
该论文针对大型语言模型（LLM）面对越狱提示（jailbreak prompts）时的安全对齐问题展开研究。现有安全引导（safety steering）方法在测试时通过激活干预将越狱激活引导至拒绝区域，同时保持良性功能，但这些方法本质上是
Prompt Injection Detection is Regime-Dependent: A Deployment-Aware Evaluation with Interpretable Structural Signals
本论文针对大型语言模型（LLM）面临的提示注入攻击这一关键安全威胁，指出现有检测方法通常在脱离实际部署约束的有限设置下进行评估，缺乏对真实操作环境的考量。作者提出了一种部署感知的评估框架，通过多模型、多机制的实验设计，系统比较了词汇、语义、
GradSentry: Gradient Spectral Entropy for Backdoor Sample Filtering in Large Language Model Fine-Tuning
本文针对大语言模型（LLM）微调过程中可能遭遇的后门攻击问题，提出了一种名为GradSentry的样本过滤方法。研究背景是：当使用不可信数据对LLM进行微调时，攻击者可能注入少量中毒样本来触发定向错误行为。现有基于聚类的过滤方法需要足够的数
SEC-bench Pro: Can Language Models Solve Long-Horizon Software Security Tasks?
本文提出了 SEC-bench Pro，一个用于评估大型语言模型（LLM）在真实世界软件安全漏洞猎杀任务中表现的基准测试。现有基准测试通常依赖模糊测试 harness、目标特定描述或漏洞复现任务，无法真实反映 LLM 在复杂系统中的能力。S
Intelligent Detection and Mitigation of Carpet-Bombing DDoS Attacks in SDN Using Retrieval-Augmented Generation and Large Language Models
软件定义网络（SDN）通过集中控制平面提供了灵活可编程的网络管理，但其集中式架构极易遭受分布式拒绝服务（DDoS）攻击，尤其是地毯式轰炸DDoS攻击——这种攻击将恶意流量分散到多个目标，以规避传统检测机制。本文提出了一种基于检索增强生成（R
AgentSecBench: Measuring Prompt Injection, Privacy Leakage, and Tool-Use Integrity in LLM Agents
本文提出 AgentSecBench，一个针对 LLM 代理安全性的基准测试框架。LLM 代理将可信指令、检索记录和工具观测结果通过同一个生成通道处理，导致数据流与权限混淆：不受信任的字符串可能影响包含机密的响应或动作提议，即使没有应用策略
CyberEvolver: Structured Self-Evolution for Cybersecurity Agents On the Fly
本文提出 CyberEvolver，一种面向网络安全任务的 LLM 智能体自演化框架。现有基于 LLM 的网络安全智能体大多依赖固定的、人工设计的脚手架，难以适应多样化的目标和故障模式。CyberEvolver 的核心思想是让智能体根据失败
TTPrint: Evidence-Grounded TTP Extraction via Diverge-then-Converge Verification
该论文提出TTPrint，一种从网络威胁情报（CTI）报告中提取MITRE ATT&CK技术的证据驱动方法。TTP提取是一个开放集、多标签问题，要求同时具备高召回率（不遗漏技术）和高精确率（不产生幻觉）。现有方法（基于规则、监督学习、LLM
Heimdall: Formally Verified Automated Migration of Legacy eBPF Programs to Rust
该论文研究了eBPF（扩展伯克利数据包过滤器）程序中的源级安全漏洞，并提出了一个自动化迁移工具Heimdall。eBPF是Linux内核中用于网络、可观测性和安全执行的扩展，内核中的eBPF验证器仅检查低级内存安全性和终止性，但未强制许多源
Evo-Attacker: Memory-Augmented Reinforcement Learning for Long-Horizon Tool Attacks on LLM-MAS
本文研究了大语言模型多智能体系统（LLM-MAS）的安全漏洞。LLM-MAS通过编排专用智能体和外部工具解决复杂任务，但对工具输出的隐式信任构成了关键攻击面。现有工具攻击受限于领域特异性或固定静态模板。为此，作者提出Evo-Attacker