Free-Riding in the AI Economy: Demystifying Logic Flaws in x402-Enabled Payment Systems
本论文首次对基于 x402 协议的机器对机器支付生态系统进行了全面的安全分析。x402 协议被定位为代理经济中机器间支付的事实标准，但其将同步 HTTP 请求与异步区块链最终性桥接的设计引入了深刻的状态同步挑战。通过形式化五个安全不变量，作
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Separating Secrets from Placeholders: A Hybrid CNN-CodeBERT Framework for Three-Class Credential Leakage Detection
本文针对公开源代码仓库中的凭据泄露问题提出一种三分类检测框架。现有工具（如GitHub Secret Scanning、TruffleHog）因采用刚性模式匹配和二元分类（凭据/非凭据），难以区分真实凭据与占位符或弱凭据，导致高误报率。20
Pseudoentanglement in constant depth: How trivial states can have non-trivial entanglement structure
本文研究了恒定深度量子电路中伪纠缠（pseudoentanglement）的可能性。作者构造了一族2D局域恒定深度量子电路，其输出状态在指定切割上的纠缠熵无法在量子多项式时间内有效估计。与伪随机态不同，这些伪纠缠态是隐式公钥的且不是伪随机的
Toward Accessible Mobile Money: A Voice-Driven, Biometrically Secured USSD Automation Framework for Visually Impaired Users
本文针对非洲地区视障用户在使用基于USSD技术的移动货币服务时面临的可访问性和安全挑战，提出了一种基于Android的智能中间件解决方案。当前USSD系统不支持非视觉交互，视障用户往往需要第三方协助输入PIN，增加了欺诈风险和交易不确定性。
When Entropy Is Not Enough: Multi-Modal Classification of Encrypted and Compressed Data Fragments
该论文针对网络安全中加密与压缩数据片段的可靠识别问题展开研究。传统基于字节级分布的统计方法（如熵值分析）在短片段（512-2048字节）上效果有限，因为这些片段缺乏结构信息且统计冗余低。现有机器学习方法通常仅依赖单一模态表示（如仅使用原始字
BadBone: Backdoor Attacks Against Backbone Models in Visual Prompt Learning
本文提出了一种针对视觉提示学习（Visual Prompt Learning）框架的隐蔽后门攻击方法——BadBone。提示学习是一种新兴的机器学习范式，通过预训练骨干模型（Backbone Model）在下游任务上进行快速适配，具有简洁高
Latent Geometric Chords for Query-Efficient Decision-Based Adversarial Attacks
该论文提出了一种名为Latent Geometric Chords (LGC) 的高效决策黑盒对抗攻击方法及其变体LGC-H。现有决策黑盒攻击存在两类局限：像素级攻击容易引入不自然的高频视觉伪影，而潜在空间方法受限于低维流形的搜索空间和固有
HE^2: A Communication-Light Heterogeneous Architecture for Efficient Fully Homomorphic Encryption
该论文针对CKKS全同态加密（FHE）方案在隐私保护应用中面临的性能瓶颈，提出了一种通信轻量化的异构加速器架构HE^2。CKKS支持对密文进行SIMD定点运算，但包含计算密集型算子（ComOps）和内存密集型算子（MemOps），现有基于A
Software Platform for Hybrid Pseudo-Random Sequence Generation and Predictability Analysis Based on LFSR and Mersenne Twister
本文介绍了一个面向混合伪随机序列生成与可预测性分析的软件平台。该平台基于线性反馈移位寄存器（LFSR）和梅森旋转算法（MT），支持经典的伪随机数生成器（PRNG）及二者的混合结构，并集成了统计测量与数据驱动方法用于序列分析。作者通过机器学习
How To Track Qubits Through Space and Time (Or: Sailing in a Quantum Boat)
本文提出了量子定位（quantum localization）和轨迹验证（trajectory verification）的新概念，旨在加强位置基密码学的安全性。传统的位置验证（position verification）协议仅保证攻击方成
FASR: Automated Identification of Unsafe Control Actions in STPA
该论文提出了一种名为FASR（Formalizing and Automating STPA with Robustness）的自动化工具，旨在支持系统理论过程分析（STPA）中的不安全控制动作（UCA）识别。STPA是一种广泛应用于安全关
Depth-Dependent Indirect Prompt Injection in Tool-Calling ReAct Agents: Injection Depth, Payload Framing, and Turn-Budget Sensitivity
该论文研究了工具调用ReAct智能体（如GPT-4o-mini和Claude Haiku）在面对间接提示注入攻击时的脆弱性。ReAct智能体交替进行链式思考推理和工具调用，广泛应用于日程安排、文件检索等实际任务。其工具观测循环存在攻击面：攻
Investigating Detection and Obfuscation of Prompt Injection Attacks Against Software Reverse Engineering AI Agents
该论文研究了面向软件逆向工程的多智能体系统在分析二进制可执行文件时面临的提示注入攻击威胁。攻击者可将恶意注入字符串嵌入源代码或编译产物中，当AI代理解析反编译输出时触发异常行为。作者首先展示了如何利用现有反编译器检测被篡改后的可执行文件中的
Local Differential Privacy with Correlated Noise Achieves Central-DP Optimal Cost
本文研究在诚实但好奇的服务器场景下，通过本地差分隐私（LDP）对 n 个用户持有的数值进行私有求和估计。传统上，本地差分隐私要求每个用户独立添加噪声，导致估计精度远低于集中式差分隐私（CDP）——后者在汇总数据后统一添加噪声。本文证明这一精
A Bayesian Approach to Membership Inference for Statistical Release
本文研究在统计发布场景下的成员推理攻击（Membership Inference Attack, MIA）问题。现有攻击通常仅利用数据集的边缘分布来建模总体，并假设总体服从独立同分布或乘积分布，这忽略了属性之间的依赖关系，从而限制了攻击效果
BioRefusalAudit: Auditing Biosecurity Refusal Depth Using General and Domain-Fine-Tuned Sparse Autoencoders
该论文研究了语言模型在生物安全场景下的拒绝行为可靠性。传统评估关注模型是否生成有害输出，但本论文提出一个补充问题：当模型拒绝时，其拒绝是否结构稳固，抑或在提示措辞、格式或输出长度的微小变化下消失？作者在五种架构（Gemma 2 2B-IT、
Privacy-Enhanced Zero-Order Federated Learning via xMK-CKKS over Wireless Channels
本文提出了一种基于多密钥同态加密（MK-HE）的隐私增强零阶联邦学习协议，适用于无线信道环境。传统联邦学习中的同态加密方法主要依赖单密钥方案，需要信道估计或预均衡来补偿无线衰落，且单密钥方案易受诚实但好奇的客户端攻击——一旦某个客户端密钥泄
Cert-LAS: Toward Certified Model Ownership Verification for Text-to-Image Diffusion Models via Layer-Adaptive Smoothing
随着文本到图像（T2I）扩散模型在创意应用中的广泛使用，模型被未经授权使用的问题日益严重，模型所有权验证（MOV）成为保护知识产权的重要手段。现有基于后门的扩散模型水印方法通常隐含假设验证过程是“忠实”的，即验证者可以查询可疑模型并获得可信
AgentDoG 1.5: A Lightweight and Scalable Alignment Framework for AI Agent Safety and Security
该论文针对开放世界AI代理（如OpenClaw）在跨环境执行时引入的新型安全风险，提出了一种轻量级、可扩展的代理安全对齐框架AgentDoG 1.5。研究背景指出，现有前沿AI模型大幅降低了攻击门槛，而当前的对齐框架不足以应对真实部署中的威
Secure Distributed Hypothesis Testing
本文研究安全分布式假设检验问题：一个中央服务器根据多个分布式传感器/客户端发送的信息进行假设检验，但要求服务器除了得出最终的假设类别外，不能学习关于数据分布的额外信息。首先，作者证明在标准模型下（即服务器仅从客户端接收消息）即使对于非常简单