Mobile network security
Mobile network security
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Mobile network security
iOS 26.5 and iPadOS 26.5
iOS 18.7.9 and iPadOS 18.7.9
iOS 16.7.16 and iPadOS 16.7.16
iOS 15.8.8 and iPadOS 15.8.8
MFSA 2026-49Security Vulnerabilities fixed in Firefox for iOS 151.0
MFSA 2026-52Security Vulnerabilities fixed in Firefox for iOS 151.1
Firewall for AI
该论文首次对大型语言模型(LLM)在固定多服务目标上进行自主渗透测试的一致性进行了大规模实证测量。研究者在同一蜜罐中部署了OWASP Juice Shop及两个额外脆弱服务,使用相同的提示词、编排器和目标,对四个模型(Claude Sonn
随着大型语言模型(LLM)的广泛应用,中继和转售API服务日益成为访问这些模型的中介。然而,用户无法直接验证所声称的API端点是否真正提供了广告中的模型,从而面临被模型替换或混合路由攻击的风险。针对这一问题,本文提出了一种名为KBF的低成本
该论文提出了一种针对基于知识图谱的检索增强生成(Graph RAG)系统的结构知识窃取攻击方法,称为GraphSteal。Graph RAG通过将知识图谱集成到检索管道中,使大语言模型能够利用结构化知识中的实体、关系和多跳依赖。然而,这种结
本文提出了一种针对 LLM 文本水印的供应链攻击——SeedHijack。现有的加密水印方案(如 KGW、Unigram、DipMark)均假设底层的伪随机数生成器(PRNG)是可信的,从而保证安全。SeedHijack 无需知道水印密钥、
该论文探讨了在网络安全人工智能中,哪种"支架"(harness)最为有效。当前网络安全智能体系统趋向于使用由大型语言模型(LLM)驱动的迭代shell循环作为单一执行支架,但不同支架之间缺乏互操作性和可替换性,且没有一种支架能在所有挑战类型
本文介绍了网络安全人工智能(CAI)数据集,这是一个为期十四个月的网络安全大语言模型(LLM)轨迹语料库,通过开源CAI agent框架收集。研究背景源于PentestGPT的发现:专家操作员轨迹而非基础模型能力是网络安全LLM性能的瓶颈。
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