HunterAgent: Neuro-Symbolic Attack Trace Reconstruction under Anti-Forensics
这篇论文针对高级持续性威胁（APT）场景下的攻击溯源重建问题，提出了一种神经符号框架 HunterAgent。现代安全运营中心（SOC）虽能通过告警筛选减少误报，但面对使用反取证技术（如父进程PID欺骗、日志擦除、无文件执行）的APT攻击时
2026-05-31 归档
今日共收录 804 条安全情报，包含 64 个 CVE，387 篇安全通告，以及 99 篇研究论文。
← 返回归档列表Implicit Identity Technologies for LLMs: Fingerprinting and Watermarking across Datasets, Models, and Generated Content
本文是一篇针对大型语言模型（LLM）领域内指纹识别与水印技术的综述论文，旨在统一术语、生命周期阶段和评估目标，为LLM资产保护与溯源建立结构化基础。LLM的研发需要大量数据、算力和专业知识，且正被部署于高风险场景，因此保护LLM相关资产并追
SAMD: A Tool for Identifying False Data Injection Scenarios in AI/ML-enabled Medical Devices
本论文提出了一种名为SAMD的自动化工具，用于在AI/ML赋能的医疗设备设计阶段进行安全分析。随着AI/ML在医疗系统中的广泛应用，安全风险日益突出，尤其是对手通过脆弱组件注入虚假数据导致误诊或错误治疗的风险。这些风险在设计阶段难以预见，因
unix-ctf: Procedural Environments for Unix-Competence Reinforcement Learning
本文提出 unix-ctf，一个面向 shell 智能体的 CTF 任务生成器，旨在专门训练和评估 Unix 能力（即使用 shell 和操作系统原语作为一等工具的能力），以解决现有终端基准（如 Terminal-Bench 2.0）中智能
GEO-Bench: Benchmarking Ranking Manipulation in Generative Engine Optimization
大语言模型（LLM）越来越多地用于对用户查询的产品、文档和推荐进行排名，这使得操纵这些排名成为影响公平性和信息完整性的一个日益严重的问题。生成式引擎优化（GEO）领域的研究已经提出了许多操纵方法，但每种方法都在自己的数据集上使用自己的指标进
Robust and Efficient Guardrails with Latent Reasoning
随着大型语言模型（LLM）在现实应用中的广泛部署，确保其安全性至关重要。现有的安全护栏通常依赖单次分类或最近提出的蒸馏推理方法。基于推理的护栏显著优于纯分类基线，但会引入大量查询延迟和令牌开销，使其难以在高吞吐量场景中部署。为了解决这一挑战
SCDBench: A Benchmark for LLM-Based Smart Contract Decompilers
智能合约反编译旨在从字节码恢复高级语言源代码，但现有评估方法存在数据集狭窄、指标不一致、语义一致性检查有限等问题。随着大型语言模型（LLMs）开始生成看似合理但语义可能偏离原始合约的Solidity代码，这一问题变得日益重要。本文提出SCD
Position: Retire the "Positive Backdoor" Label -- Secret Alignment Requires Strict and Systematic Evaluation
该立场论文指出，AI/ML 社区不应过度使用“正向后门”（positive backdoor）这一标签，而应将触发激活的隐藏行为视为“秘密对齐”（Secret Alignment）。在私有AI时代，开放权重的大语言模型和可获取的训练/推理栈
Refusal Before Decoding: Detecting and Exploiting Refusal Signals in Intermediate LLM Activations
本文研究了大语言模型（LLM）在解码前中间激活层中拒绝行为（refusal）的可预测性。作者通过在每个Transformer块的残差流激活上训练线性探针（linear probes），发现拒绝行为在最终层之前即可被线性解码，表明安全相关行为
Towards Demystifying and Repairing LLM-in-the-Loop Vulnerabilities
本文针对大型语言模型（LLM）集成到现代软件系统中引入的新型安全风险——LLM-in-the-loop漏洞进行了系统研究。现有工作多从传统软件漏洞角度分析，忽略了LLM及其依赖的下游组件（如框架）带来的独特危害。为填补这一空白，作者构建了首
Echoes within the Reasoning: Stealthy and Effective Watermarking via Chain of Thought
这篇论文研究了大语言模型（LLM）中链式思维（Chain-of-Thought，CoT）推理能力的知识产权保护问题。现有黑盒水印方法通常通过扰动最终答案或依赖脆弱的触发模式来权衡鲁棒性与推理保真度，导致水印易被移除或影响推理质量。作者提出
SilentRetrieval: Hijacking Retrieval-Augmented Generation via Semantically-Preserving Adversarial Data Poisoning
检索增强生成（RAG）通过引入外部知识库来缓解大语言模型的幻觉问题，但同时也引入了语料库完整性的新攻击面。本文提出 SilentRetrieval，一种两阶段数据投毒攻击，能够在不破坏文档流畅性的前提下劫持 RAG 系统。第一阶段使用协调束
AgentGuard: An Attribute-Based Access Control Framework for Tool-Use LLM-Based Agent
本文提出一个名为AgentGuard的基于属性的访问控制框架，旨在解决基于大语言模型（LLM）的智能体在自主调用工具时面临的安全风险。LLM智能体能自动调用多种工具完成复杂任务，但现有应用存在隐私泄露、财产损失甚至系统被完全控制的风险。Ag
Can It Reach the Generator? Investigating the Survival of Prompt-Injection Attacks in Realistic RAG Settings
该论文重新评估了生成式引擎优化（GEO）中的提示注入攻击在真实检索增强生成（RAG）系统中的有效性。先前的研究表明，通过提示注入可以将目标产品推至LLM推荐列表的顶部，成功率约80%，但假设被攻击的文档始终直接输入生成器，忽略了检索器和重排
S3C2 Summit 2025-09: Industry Secure Supply Chain Summit
本论文是2025年9月15日由美国国家科学基金会支持的软件供应链安全中心（S3C2）召开的行业供应链安全峰会的总结报告。峰会汇集了来自8家不同领域组织的10位从业者，旨在促进跨行业分享软件供应链安全方面的实践经验与挑战、推动参与者之间的新合
S3C2 Summit 2025-07: Government Secure Supply Chain Summit
本文报告了2025年7月9日由美国国家科学基金会（NSF）支持的Secure Software Supply Chain Center（S3C2）举办的政府安全供应链峰会（S3C2 Summit 2025-07）的讨论内容。峰会汇集了来自6
stigmem-node's federation peer registration lacked explicit out-of-band approval
### Impact Federation peer registration accepted peer key material during registration without a separate administrator
stigmem-node's unsigned plugin override could be enabled without a second explicit acknowledgment
### Impact A single configuration flag could disable plugin signature enforcement. If an operator unintentionally carrie
stigmem-node's federation insecure transport settings may allow non-loopback cleartext federation
### Impact Stigmem nodes with federation enabled could be configured to run without mTLS outside loopback-only local dev
stigmem-node's Postgres schema identifier handling required defensive quoting
### Impact Postgres backend schema identifiers were interpolated into SQL strings. In the reviewed code path the schema