Paper Agents, Paper Gains: An Empirical Analysis of DeFi Investment Agents
本文对基于AI的去中心化金融（DeFi）投资代理进行了实证分析。自2024年底以来，这些自主链上交易系统已获得超过30亿美元的代币估值。研究团队调查了超过1900个标注为AI的加密项目，筛选出专注于投资的代理，并整理了10个代表性项目，涵盖
2026-05-30 归档
今日共收录 1277 条安全情报，包含 517 个 CVE，386 篇安全通告，以及 105 篇研究论文。
← 返回归档列表ReasonBreak: Probing Vulnerabilities in Reasoning-Enabled Vision-Language-Action Models for Autonomous Driving
该论文针对当前端到端自动驾驶中广泛使用的推理增强型视觉-语言-动作（VLA）模型进行安全鲁棒性研究。以往假设推理与轨迹生成紧密耦合，但忽略了现实输入扰动（如道路标牌污染、语言描述错误等）对模型的影响。作者以NVIDIA公司开发的Alpama
AIRGuard: Guarding Agent Actions with Runtime Authority Control
本论文聚焦于工具使用语言代理的安全问题。传统越狱攻击通常生成有害文本，而代理攻击则不同：攻击者通过操纵代理的上下文，诱导其执行看似普通但实际危险的动作，例如读取敏感文件、运行恶意脚本或调用未授权API。作者将这种失效模式定义为 'autho
Cycle-Space Informed Detection of Autoencoded Blind False Data Injection Attacks on Power Systems
该论文研究了电力系统中针对自动编码器盲虚假数据注入攻击（FDIA）的检测问题。随着AI驱动的数据中心和大规模储能系统的快速发展，电力系统越来越依赖实时测量数据和自动化决策。然而，现有的检测方法大多基于统计或数据驱动分析，当攻击者利用相同的数
Quantum-Enhanced Adversarial Robustness in Artificial Intelligence
本文全面综述了人工智能在对抗攻击下的脆弱性以及量子计算如何增强其鲁棒性。首先，文章指出尽管AI在多个领域取得了显著成功，但对抗攻击（例如通过精心设计的微小扰动欺骗高精度模型）对其可靠性、安全性和可信度构成了严峻挑战，尤其是在医疗、金融和自动
Do you dare to try Test-Driven Forensics? Increasing Trust in Desktop Forensics with ADARE
该论文提出测试驱动取证（Test-Driven Forensics）方法论，旨在应对数字取证中因操作系统、应用程序和分析工具快速演化导致的工件行为和工具输出漂移问题，从而提升取证分析的可重复性和信任度。核心思想是将预期工件和预期工具输出编码
ISAC Privacy: Challenges and Solutions for 6G
本文针对第六代（6G）通信网络中集成感知与通信（ISAC）技术带来的隐私挑战进行了系统性研究。ISAC通过共享硬件和频谱资源实现空间感知，能够提升网络性能并支持外部服务，但同时也引入了超出传统通信内容保密性的隐私问题。未来6G网络使用毫米波
SNARE: Adaptive Scenario Synthesis for Eliciting Overeager Behavior in Coding Agents
该论文研究了编码智能体（coding agent）在执行看似良性的任务时，可能会悄然超出授权范围执行 shell、文件或网络操作，这种被称为“过度热情行为”（overeager behavior）的现象即使任务成功完成，也可能导致凭证泄露或
MIRAGE: Context-Aware Prompt Injection against Mobile GUI Agents via User-Generated Content
本文提出MIRAGE（Mobile Injection of Realistic Adversarial GUI Examples），一种针对移动图形用户界面（GUI）代理的上下文感知提示注入攻击管道。当前由视觉语言模型（VLM）驱动的移动
Mind the Gap: Mixtures of Gaussians in Approximate Differential Privacy
本文提出一类混合机制（mixture mechanisms），用于满足(ε,δ)-差分隐私（DP）的加噪机制，特别针对中等和低隐私预算场景。该机制通过混合多个高斯分布（共享方差但均值与权重不同）构建，可视为零均值高斯（如解析高斯机制所用）与
An Empirical Audit of k-NAF Budget Accounting for Anchored Decoding
本文对锚定解码（Anchored Decoding）中的k-NAF预算核算机制进行了实证审计。锚定解码是一种用于约束大型语言模型（LLM）文本生成的框架，通过设定序列级预算K（如600或1000）来限制模型输出与锚定文本的累积KL散度。研究
When Think-with-Image Meets Safety: What Determines Multimodal Jailbreak Robustness?
本文研究了大型视觉语言模型（LVLM）中新兴的“伴随图像思考”（think-with-image）推理范式的安全性，特别是其对多模态越狱（jailbreak）鲁棒性的影响。现有系统已包含多种流程设计，如直接响应生成、纯文本前置回合、视觉状态
Privately Estimating Monotone Statistics in Polynomial Time
该论文研究差分隐私下单调统计量的高效估计算法。单调统计量指随着新观测数据增加而单调变化的统计量（如分位数、累积分布函数等）。传统方法采用子采样-聚合（subsample-and-aggregate）框架：将数据集分成多个子块，分别计算统计量
MRMMIA: Membership Inference Attacks on Memory in Chat Agents
本文聚焦于聊天代理（chat agent）记忆系统中的成员推断攻击（MIA）。现有MIA研究主要针对训练语料库或检索数据库，但代理记忆包含敏感的用户-代理交互、检索事实和用户偏好，其隐私泄露风险尚未被充分探索。作者提出了一种统一的攻击方法—
Density-aware Sample-specific Attack
本文提出了一种密度感知的样本特定后门攻击方法（Density-aware Sample-specific Attack），旨在解决现有后门攻击在训练后防御（如微调、剪枝）下容易被擦除的问题。作者重新审视了后门攻击的核心目标，在受害者训练的贝
HammerSim: A System-Level Tool to Model RowHammer
RowHammer 是一种因 DRAM 单元间的电荷泄漏导致比特翻转的硬件漏洞，随着工艺微缩，该问题日益严重。现有研究多依赖真实硬件实验或缺乏系统级建模的模拟器，难以全面评估操作系统交互和跨层缓解措施（如 TRR、ECC）的效果。本文提出
Local Privacy Laws in a Globalized World
本文指出当前数字隐私研究过度聚焦于欧盟通用数据保护条例（GDPR）等少数西方监管框架，忽视了其他地区用户的隐私关切、态度和问题，造成了显著的研究盲点。作者系统性地将多个国家/地区的数据保护法律中的异构法律要求，沿着数据生命周期进行归一化，形
Revisiting ML Training under Fully Homomorphic Encryption: Convergence Guarantees, Differential Privacy, and Efficient Algorithms
本文首次对全同态加密（FHE）下的机器学习训练进行了理论收敛性分析，并提出了一种结合差分隐私（DP）的训练算法，专为加密计算设计。该方法通过使用激活函数和损失函数的多项式近似（FHE兼容所必需）来证明近似梯度下降的收敛性，从而改进了标准差分
AgenticVBench: Can AI Agents Complete Real-World Post-Production Tasks?
本文提出了 AgenticVBench，一个用于评估多模态 AI 智能体在真实世界视频后期制作任务中表现的全新基准。视频制作工作流需要智能体具备文本、图像、音频、视频的综合理解能力，以及长期规划和工具使用能力。该基准包含来自 20 位平均
Backdoor Attacks on Fault Detection and Localization in Cyber-Physical Systems
本文研究了针对信息物理系统（CPS）中基于机器学习的故障检测与定位机制的后门攻击。CPS（如智能电网、工业自动化）依赖传感器、计算和控制器实时检测电压波动等故障并执行负载均衡。近年来，深度学习模型被广泛用于异常检测，但它们易受对抗性攻击。后