Blind PRNG Hijacking: An Undetectable Integrity-Preserving Attack Against LLM Watermarking
本文提出了一种针对大语言模型(LLM)文本水印系统的供应链攻击方法——SeedHijack。现有水印方案(如KGW、Unigram、DipMark)的安全性依赖于伪随机数生成器(PRNG)的不可篡改性。SeedHijack在不破坏水印完整性
今日共收录 1581 条安全情报,包含 810 个 CVE,383 篇安全通告,以及 109 篇研究论文。
← 返回归档列表本文提出了一种针对大语言模型(LLM)文本水印系统的供应链攻击方法——SeedHijack。现有水印方案(如KGW、Unigram、DipMark)的安全性依赖于伪随机数生成器(PRNG)的不可篡改性。SeedHijack在不破坏水印完整性
该论文探讨了为网络安全人工智能设计的最佳执行框架(harness)问题。当前,网络安全系统趋向于为每个智能体使用统一的执行脚手架(scaffold),即由大型语言模型(LLM)驱动的迭代 shell 循环。然而,不同的脚手架之间不可互换、缺
本文提出了网络安全AI(CAI)数据集,这是一个为期14个月的网络安全大语言模型(LLM)轨迹语料库,由开源CAI代理框架收集。研究背景源于PentestGPT的发现:专家操作轨迹而非基础模型能力是网络安全LLM性能的瓶颈。CAI数据集汇集
本文针对检索增强生成(RAG)系统中的缓存安全问题展开研究。现代RAG部署广泛使用缓存来降低token成本和时间至首token延迟(TTFT),其中前缀级KV复用已是标准做法,但输出级的语义答案缓存仍然脆弱:相似提示可能映射到不同正确答案,
本文提出一种名为 BAIT (Boundary-Aware Iterative Trap) 的三步越狱框架,旨在通过内部披露的方式使大型语言模型泄露恶意内容。该方法首先要求模型识别其保护边界(如内容安全策略),然后让模型细化该边界,最后请求
本文深入研究了大型语言模型(LLM)遗忘中的反事实调优(CFT)范式。CFT通过训练模型生成替代的虚构知识来取代不需要的内容,是一种有前景的遗忘方法。然而,作者发现CFT在某些方面仍不如其他遗忘范式,并揭示了两个被忽视的缺陷:(1)知识冲突
本研究针对基于大语言模型(LLM)的代理在工具调用中面临的间接提示注入攻击问题。现有防御方法要么在工具调用层面进行值检查而不追踪参数来源,要么从单一视角分析执行痕迹而缺乏干净的授权基线。作者提出 AuthGraph,一种双图对齐防御框架,构
该论文提出了一种名为FedRAG的高效且隐私保护的联邦检索增强生成(RAG)框架,旨在解决跨机构协作中严格隐私法规导致的“数据孤岛”问题。传统RAG通过外部知识增强大语言模型,跨机构集成需要分布式推理,但Transformer的自注意力机制
CVE-2026-32999
Comet Backup 服务器备份代理签名模块存在字符过滤不足漏洞,允许已验证的租户管理员在受影响服务器及连接设备上以特权用户身份执行任意代码。该漏洞源于签名模块未充分过滤特殊字符,导致恶意构造的输入可绕过安全限制。攻击者需具备租户管理员
本论文提出 FuzzPilot,一种针对 AFL++ 模糊测试工具的控制器,旨在将昂贵的推理过程移出变异热路径。当覆盖率出现平台期时,FuzzPilot 会快照当前语料库,生成候选变异配方(以 JSON 数据形式表示),在独立的 AFL++
CrowdStrike Named a Leader in Frost & Sullivan 2026 Radar for Cloud-Native Application Protection Platforms
CrowdStrike Expands Real-Time Cloud Detection and Response to Google Cloud
CrowdStrike Falcon Cloud Security Delivered 264% ROI Through Unified Cloud Protection
Security & Identity
SAP on Google Cloud
Inside Google Cloud
Google Cloud Next & Events
Google Cloud Consulting
Transform with Google Cloud
Threat IntelligenceNorth Korea-Nexus Threat Actor Compromises Widely Used Axios NPM Package in Supply Chain AttackBy Goo