WP Maps Pro bug exploited to create admin accounts on WordPress sites
Hackers are targeting WordPress websites running a vulnerable version of the WP Maps Pro plugin, which allows creating r
2026-06-01 归档
今日共收录 782 条安全情报，包含 65 个 CVE，382 篇安全通告，以及 87 篇研究论文。
← 返回归档列表Hijacking Agent Memory: Stealthy Trojan Attacks Through Conversational Interaction
本文提出了一种针对大型语言模型（LLM）智能体长期记忆系统的隐蔽后门攻击方法——MemPoison。LLM智能体通过长期记忆支持持续自主的任务执行，但记忆系统的选择性提取和重写机制使得传统记忆投毒攻击难以生效。MemPoison通过对话交互
Honeyval: A Comprehensive Evaluation Framework for LLM-powered HTTP Honeypots
该论文提出了 Honeyval，一个针对基于大型语言模型（LLM）的 HTTP 蜜罐的全面评估框架。蜜罐是一种模拟真实系统组件的诱饵，用于防御网络攻击。近年来，LLM 越来越多地被用作蜜罐的模拟后端，使防御者能够构建高交互蜜罐，同时降低系统
TRACE: Task-Aware Adaptive Self-Evolving Agentic Jailbreaking
该论文提出了一种名为 TRACE 的新型越狱框架，专门针对大型语言模型（LLM）代理的安全风险。随着 LLM 代理能力的增强，它们能够规划、编写代码甚至端到端执行专家级攻击工作流，然而现有安全对齐机制和传统越狱方法难以阻止其执行恶意操作。T
Neuroforger: certified violation witnesses for smart contracts verification via LLMs
本文针对智能合约验证中两个关键问题：自然语言规约的歧义性和LLM返回结果缺乏正确性保证，提出了一种结合LLM与形式化方法的新颖工作流。作者首先设计了一种扩展Solidity的正式规约语言，该语言引入抽象类型，允许以存在量化变量的方式在Sol
From Prompt Injection to Persistent Control: Defending Agentic Harness Against Trojan Backdoors
本文研究大型语言模型（LLM）智能体在本地工作环境中面临的新型安全威胁——多步木马后门攻击。随着LLM从聊天机器人演变为实际办公工具，它们能够读写文件、调用工具并在会话间重用工作区状态。攻击者可利用这一能力，将提示注入嵌入到文件或工具输出中
LLM Anonymization Against Agentic Re-Identificatio
随着具备网络搜索能力的智能体LLM（如AutoGPT、WebGPT）的普及，文本匿名化的威胁模型发生了根本性变化：即使是看似弱小的上下文线索（如时间、地点、角色名称等）也可能被攻击者通过跨网页交叉引用成功关联，从而重识别出个人身份。然而，这
Automatically Attacking Software Reverse Engineering AI Agents
该论文研究了针对大型语言模型（LLM）驱动的逆向工程 AI 代理的自动化攻击方法。随着 LLM 被集成到如 Ghidra 等二进制逆向工程工具中，自动化分析流程得以实现，但同时也引入了新的安全风险。作者提出了一种基于遗传算法的提示生成技术（
Strengthening Polymorphic Prompt Assembling: Dynamic Separator Generation Against Emerging Prompt Injection Attacks
本文针对大型语言模型（LLM）智能体面临的提示注入攻击，提出了一种增强的多态提示组装（PPA）防御方法。原始的PPA通过从固定池中随机选择分隔符对来隔离用户输入与系统指令，但存在静态池复用导致的“爆炸半径”漏洞：一旦某个分隔符泄露，可在后续
The Surface You Test Is Not the Surface That Breaks
该论文研究了工具增强型大语言模型（LLM）代理在面临提示注入攻击时的安全性问题。现有评估通常仅关注单一攻击表面（如工具输出）并报告一个固定的攻击成功率（ASR），但作者指出工具描述（tool descriptions）是另一个被忽视的攻击表
Token-Level Generalization in LoRA Adapter Backdoors: Attack Characterization and Behavioral Detection
该论文研究了针对LoRA适配器（当前微调大语言模型的主流格式）的后门攻击及其检测方法。作者通过数据投毒在LoRA适配器中植入后门，同时保持基准任务性能不受影响。以Qwen 2.5 1.5B提示注入分类器为例，少量有毒样本即可使后门达到饱和，
Token Inflation: How Dishonest Providers Can Overcharge for Large Language Model Usage
本文研究了大型语言模型（LLM）商业服务中按token计费模式下的审计漏洞。当前主流计费方式是基于token数量收费，但服务提供商出于保护知识产权、防御越狱攻击和用户隐私等理由，隐藏了模型、分词器及执行细节，使得用户难以独立验证计费toke
Fingerprinting Inference Systems of Large Language Models
本文研究了大语言模型（LLM）推理系统的指纹识别问题。作者指出，LLM 的行为不仅取决于模型本身，还受推理系统中各组件（如推理引擎、注意力后端和硬件平台）的影响。不同组件的实现存在细微差异，导致同一模型在不同系统上运行时产生微小的数值偏差。
Dissecting the Black Box: Circuit-Level Analysis of LLM Vulnerability Detection
本文采用机械可解释性方法深入分析大语言模型（LLM）检测软件漏洞的内部计算机制。研究以Gemma-2-2b模型为对象，使用Circuit Tracer工具追踪其在分类472个C/C++代码样本（含漏洞与安全代码）时激活的计算路径。令人惊讶的
NumLeak: Public Numeric Benchmarks as Latent Labels in Foundation Models
本研究揭示了大型基础语言模型在预训练阶段可能无意中记忆了公开的数值基准数据（如金融因子、经济指标、气候数据），导致基于时间截断的评估实际上测量的是模型的记忆能力而非泛化能力。作者提出了 NumLeak 测量框架，该框架结合了对生产环境闭源模
Minimal Prompt Perturbations Lead to Code Vulnerabilities: Prompt Fragility and Hidden-State Signals in Coding LLMs
本文研究的是基于大语言模型（LLM）的编码助手在提示（prompt）受到微小扰动时，生成的代码是否会从安全变为脆弱。以往工作主要关注扰动对功能正确性的影响，而本文首次系统性地探讨对代码安全性的影响。作者在三种模型和五种编程语言上对提示进行词
SciIntBench: Measuring LLM Compliance with Research Integrity Norms Under Adversarial Framing
该论文提出了一个名为 SciIntBench 的对抗性基准测试，用于评估大型语言模型（LLM）在研究诚信规范下的行为。研究背景是：LLM 越来越多地用于支持科学工作，但它们是否会维护或破坏负责任的研究行为（RCR）尚不清楚。作者设计了 81
When AI Meets Wall Street: A Survey on Trustworthy AI in Fintech
该论文是一篇针对金融科技（Fintech）领域人工智能系统可信赖性的综述研究。作者指出，当前人工智能已深度嵌入金融AI管道的各个环节（训练与更新、部署与推理、操作与监控反馈），然而这些管道在提供自动化与规模化优势的同时，也引入了新的攻击面—
[分享]IDA Pro 9.3汉化补丁与破解注册机
[分享]IDA Pro 9.3汉化补丁与破解注册机
Apache Camel JMS 反序列化(CVE-2026-40860)漏洞分析
CVE-2026-40860
Apache Camel JMS 反序列化(CVE-2026-40860)漏洞分析