Do Modern Post-Hoc Watermarking Methods Beat Broken-Arrows?
本文对现代后处理水印方法与经典后处理水印方法进行了公平比较，重点关注鲁棒性和安全性。随着扩散模型等生成模型的快速普及，数字水印成为识别AI生成图像的关键技术。现代后处理水印方案利用神经网络实现极低的误报率，同时能抵抗常见的图像变换。然而，在
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Practical Anonymous Two-Party Gradient Boosting Decision Tree
该论文针对垂直分割特征下的两方梯度提升决策树（GBDT）训练中存在的隐私泄露问题展开研究。现有安全GBDT方案通常依赖隐私集合求交（PSI）来对齐记录，但PSI会暴露双方共有哪些记录标识符（ID），这被误认为是安全措施，实际上造成了信息泄露
Rotation-Invariant Spherical Watermarking via Third-Order SO(3) Representation Coupling
该论文针对全景图像在经历任意三维旋转后水印无法可靠提取的挑战，提出了一种基于三阶SO(3)表示耦合的旋转不变球面水印方法。传统平面水印方法在处理球面全景图时，无法保证对旋转的鲁棒性且缺乏理论保障。作者将全景图建模为球面信号，利用SO(3)群
Resolving the Correct Library: A Loader-Level Defense Solution Against Shared Object Hijacking
本文针对Linux生态（包括嵌入式Linux）中共享库劫持攻击提出了一种加载器级别的防御方案。共享库劫持攻击本质上利用动态链接器的库解析语义，而非直接修改受信任的库。现有研究已广泛分析了利用环境变量、嵌入式搜索路径和动态加载器内部机制的攻击
Control Physiology: An Agent-Based Model of FAIR-CAM Dynamics
本文提出并实现了一个基于智能体的模型，用于操作化 FAIR 控制分析模型（FAIR-CAM）的核心动态，使控制生理学（control physiology）在计算上可观测。传统的安全风险分析通常将控制有效性视为静态输入，但实际上控制会因配置
Beyond Epsilon: A Principled QIF Framework for Local Differential Privacy
本文提出一个基于量化信息流（QIF）的框架，用于系统比较本地差分隐私（LDP）协议。LDP已成为大规模系统中隐私保护数据收集的标准，但现有比较方法存在不足：ε参数仅衡量最坏情况下的可区分性，而效用驱动分析仅针对给定隐私预算评估数据效用，两者
Jailbreak susceptibility prediction and mitigation via the behavioral geometry of models
本文针对生成式AI系统面临的越狱攻击（jailbreak attacks）脆弱性问题，提出了一种基于模型行为几何（behavioral geometry）的预测与缓解框架。核心挑战在于：可部署的模型数量众多，对每个配置进行全面的脆弱性评估和
Context-Aware Metric Differential Privacy for Vehicle Trajectory Data
本文针对车辆轨迹数据的隐私保护问题，提出了一种上下文感知的度量差分隐私（C-mDP）框架。传统度量差分隐私（mDP）在保护地理位置时，通常独立扰动每个位置记录，忽略了移动历史等上下文信息对数据效用的影响。然而，车辆轨迹数据具有时间相关性，服
Sandlock: Confining AI Agent Code with Unprivileged Linux Primitives
本文提出 Sandlock，一个轻量级的 Linux 进程沙箱，专为隔离 AI agent 执行的不受信任代码而设计。AI agent 通常需要运行语言模型生成的 shell 命令、第三方脚本以及来源不明的插件，现有隔离机制（如容器、mic
Shielded but Lightweight: Building Practical Confidential Containers with ARM CCA
随着云原生技术的快速发展，多租户环境中机密容器的需求日益迫切。现有机密容器方案主要基于 microVM 架构（如 Kata Containers），虽能增强容器间隔离，但复杂的软件栈导致启动延迟高、资源开销大，不适合短生命周期容器负载。针对
"You do understand that people don't trust technology?": Explaining Trusted Execution Environments to Non-Experts
该研究针对可信执行环境（TEE）这一技术概念，探讨如何向非专业用户进行有效解释。作者首先分析了现有的TEE解释材料，归纳出候选解释模板；随后通过在线实验，招募966名众包工作者，采用情景模拟（vignette）方法评估不同解释对用户理解程度
Building an Adversarial Malware Dataset by Family and Type: Generation, Evasion, and Poisoning Evaluation
本文介绍了由真实恶意软件二进制文件构建的对抗性恶意软件数据集。作者基于公开的 RawMal-TF 真实恶意软件集合，利用一套对抗性恶意软件生成器，构建了两个对抗性 PE 文件数据集：44,347 个家族标记样本和 33,596 个类型标记样
Semantic Validation of Packer Identification Tools: Characterization, Repair, and Downstream Impact
该论文首次系统性地研究加壳识别工具（packer identification tools）的语义正确性问题。加壳识别是恶意软件分析的关键基础步骤，直接影响脱壳、行为分析、恶意软件分类及威胁溯源。然而，现有工具可能返回看似合理但语义错误的标
How Agentic AI Coding Assistants Become the Attacker's Shell
本文研究了Agentic AI编码助手（如GitHub Copilot等）面临的新型安全威胁——提示注入攻击。这些AI助手被设计为能够代表开发者执行文件编辑、命令运行和互联网访问等操作，极大地提升了开发效率。然而，其对外部工件（如代码库、配
Proof of Useful Attestation: A Consensus Primitive for Attestation-Native Chains
本文提出一种名为“有用证明共识”（Proof of Useful Attestation, PoUA）的共识原语，旨在解决现有权益证明（PoS）链中验证者无论是否正确处理证明（attestation）工作均获得相同费用的问题。对于以代币转移
On Reliability of Efficient Membership Inference Vulnerability Evaluation
该论文研究了成员推理攻击（MIA）评估中普遍存在的效率问题，重点关注在低假阳性率（FPR）下真实阳性率（TPR）的可靠估计。MIA通过训练一个二分类器来预测某样本是否参与模型训练，以此衡量隐私泄露。然而，为了在极低FPR区间（如1e-5）获
SAMark: A Self-Anchored Text Watermarking with Paragraph-Level Paraphrase Robustness
本文提出一种名为 SAMark 的自锚定文本水印框架，旨在解决语义级水印在段落级改写攻击下鲁棒性不足的问题。现有语义水印以句子为基本单元，依赖句子顺序来编码水印信号，因此当攻击者改变句子顺序或进行段落级改写时，水印检测性能急剧下降。SAMa
Ecosystem-Driven Privacy Exposure in Mobile Gaming Apps: A Configuration-Aware Empirical Analysis
本研究针对Android移动游戏应用中的隐私暴露问题，提出了一种配置感知的实证评估方法。以往的研究主要集中在权限或孤立的跟踪行为上，未能全面理解现代移动生态系统中的隐私风险。本文通过对Google Play商店中41款广泛部署的Androi
Referential Security as a New Paradigm for AI Evaluations
该论文指出当前人工智能安全评估面临一个根本性挑战：评估结果依赖于稳定的标识符，但现代AI系统（尤其是大型语言模型）在持续更新，而公开的模型名称保持不变，底层权重、提示词、检索机制、滥用分类器、推理设置和服务基础设施却可能未经声明地修改。这导
KYA: A Framework-Agnostic Trust Layer for Autonomous Systems with Verifiable Provenance and Hierarchical Policy Composition
该论文提出了KYA（Know Your Agents），一个框架无关的自主系统信任与治理层，旨在解决AI智能体运行中可能出现的错误、偏离、数据泄露或恶意行为等问题。K YA由五个核心原语组成：(1) 四门入站应用管道，结合Ed25519签名