Benign Inputs, Harmful Outputs: Cross-Modal Jailbreaking via Distributed Semantic Recomposition

该论文提出了一种针对多模态大语言模型（MLLM）的新型跨模态越狱框架——分布式语义重组（DSR）。现有安全防护主要针对单模态文本输入进行拦截，而跨模态攻击常包含显式有害内容（如敏感词），易被安全过滤器检测。DSR通过将有害意图分解为一组看似

历史摘要 · 未重新核验 · arXiv cs.CR

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

历史摘要 · 未重新核验 · 先知社区

WP Maps Pro Vulnerability Exploited to Take Over WordPress Sites

CVE-2026-8732

The security defect (CVE-2026-8732) allows unauthenticated attackers to create administrative accounts on the affected i

历史摘要 · 未重新核验 · SecurityWeek

Critical Windows Netlogon Vulnerability in Attackers’ Crosshairs

CVE-2026-41089

Organizations are advised to patch CVE-2026-41089 as soon as possible, given its severity, the potential ongoing exploit

历史摘要 · 未重新核验 · SecurityWeek

Fair Finetuning Mitigates Distribution Inference Attacks

本文研究了机器学习模型在敏感数据上训练时可能泄露训练数据分布层面信息的问题，即分布推断攻击（Distribution Inference Attack, DIA）。攻击者通过黑盒访问模型，能够推断出训练数据中的人口统计属性（如子群体比例），

历史摘要 · 未重新核验 · arXiv cs.CR

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数据片段识别的关键问题展开研究，特别是在勒索软件检测、数字取证和大规模数据分析等场景下，准确区分加密与压缩数据片段至关重要。然而，短片段缺乏结构信息且统计冗余度低，传统基于字节级分布的统计方法效果有限。近期机器学习方

历史摘要 · 未重新核验 · arXiv cs.CR

Free-Riding in the AI Economy: Demystifying Logic Flaws in x402-Enabled Payment Systems

本文对x402协议（一种用于机器间支付的HTTP支付协议）进行了首次系统性安全分析。x402协议旨在为代理经济提供程序化金融轨道，但其将同步HTTP请求与异步区块链最终性相结合，引入了状态同步挑战。研究者形式化了五个安全不变量（Securi

历史摘要 · 未重新核验 · arXiv cs.CR

Tridirectional Discriminating-Power Formal Verification of Smart Contract Reentrancy Defense Against Production-Deployed Solidity Source

该论文首次为OpenZeppelin的ReentrancyGuard重入防护模式提供了机器验证的正确性证明。研究者使用Lean 4定理证明器，对生产环境中部署的Solidity智能合约（如DAO 2016、Compound v2、Aave

历史摘要 · 未重新核验 · arXiv cs.CR

A Protocol-Language Model for Network Intrusion (Without Deep Packet Inspection)

该论文提出了一种名为PLM-NIDS的协议语言模型网络入侵检测系统，其核心思想是将网络流视为一种语言，其语法完全由L3/L4数据包元数据（长度、到达间隔时间、TTL、TCP标志和哈希端口号）构成，从而避免了对加密载荷的深度包检测（DPI）。

历史摘要 · 未重新核验 · arXiv cs.CR

Improving IoT Intrusion Detection Through SMOTE-Based Oversampling and Extended Multi-Model Evaluation on Side-Channel Power Data

该论文聚焦于物联网(IoT)网络入侵检测中的类别不平衡问题。侧信道功率数据集中正常样本与攻击样本的比例可达75,964比1，严重影响了机器学习模型的检测性能。此前Dominguez等人提出了基于功率的入侵检测概念验证，但未处理类别不平衡，也

历史摘要 · 未重新核验 · arXiv cs.CR

Ghost Tool Calls: Issue-Time Privacy for Speculative Agent Tools

该论文聚焦于工具增强型语言代理（tool-augmented language agents）在投机执行（speculative execution）场景下产生的隐私泄露问题。为了隐藏延迟，代理会投机性地提前发出未来可能用到的工具调用（称为

历史摘要 · 未重新核验 · arXiv cs.CR

Privacy-preserving Information Sharing in Oligopoly Competitions

本文研究在寡头竞争环境下，竞争厂商之间通过隐私保护渠道共享需求信号以优化决策的问题。在 Cournot 寡头模型中，厂商面临不确定需求，平台以隐私保护方式（添加噪声）聚合各厂商的私有信号，并可能拥有外生外部信号。核心挑战在于平衡战略安全（防

历史摘要 · 未重新核验 · arXiv cs.CR

Unicity: Predicates and Atomic Swaps

本文提出了一种扩展 Unicity 代币所有权模型的方法，通过引入称为谓词（predicates）的可编程支出条件，实现了类似智能合约的功能。与传统智能合约不同，这些谓词在链外由依赖方（如用户或验证者）直接执行，而非由共识参与者执行，从而避

历史摘要 · 未重新核验 · arXiv cs.CR

The Unicity Execution Layer

本文提出 Unicity 执行层（Unicity Execution Layer），它是 Unicity 框架的一个模块化组件，旨在实现安全的链下交易，同时保持无需信任的双花预防。作者首先建立了形式化安全模型，其中代币所有权由公钥表示，代币

历史摘要 · 未重新核验 · arXiv cs.CR

SECUREVENT: Hybrid AI/ML Security Monitoring for Distributed Event-Based Systems

SECUREVENT 是一种面向分布式事件系统的混合 AI/ML 安全监控架构。分布式事件系统（如发布/订阅服务、物联网遥测、云原生微服务）因松耦合和异步交付而拥有良好的伸缩性，但也带来了更大的攻击面：攻击者可能滥用发布者、代理、订阅者、主

历史摘要 · 未重新核验 · arXiv cs.CR

CoreUnlearn: Rethinking Concept Unlearning through Disentangled Component-Level Erasure in Text-guided Diffusion Models

本文提出了一种针对文本引导扩散模型的概念消除（concept erasure）方法 CoreUnlearn。现有方法通常利用对齐机制和预定义的消除参考来微调预训练模型权重，但这些技术受限于文本空间的表征能力，且对消除参考的选择高度敏感，次优

历史摘要 · 未重新核验 · arXiv cs.CR

Near-Optimal Pure Machine Unlearning for Smooth Strongly Convex Losses

本文研究了机器学习中“机器遗忘”（machine unlearning）问题，即在模型训练后移除某个个体数据的影响，以符合法律要求（如被遗忘权）。针对平滑强凸损失函数下的随机优化问题，作者提出了近最优的近似ε-遗忘算法，并证明了其超额总体风

历史摘要 · 未重新核验 · arXiv cs.CR

Agent Operating Systems (AOS): Integrating Agentic Control Planes into, and Beyond, Traditional Operating Systems

本文提出了智能体操作系统（Agent Operating System, AOS）的概念，旨在解决传统操作系统（如Linux、Windows）与智能体AI系统之间的根本性不匹配问题。传统操作系统的核心抽象（进程、线程、系统调用、文件、权限）

历史摘要 · 未重新核验 · arXiv cs.CR

ClawHub Security Signals: When VirusTotal, Static Analysis, and SkillSpector Disagree

该论文研究了AI agent技能（skills）的安全信号问题。Agent技能通过可复用的指令、工具、脚本、引用和工作流扩展AI agent的能力，形成了一个不同于模型安全和传统软件包恶意软件检测的安全边界。作者提出了ClawHub Sec

历史摘要 · 未重新核验 · arXiv cs.CR

NetVAD: Foundation-Model Representation Learning for Identifier-Free Unsupervised Intrusion Detection

该论文提出 NetVAD，一种基于基础模型表示学习的无标识符无监督入侵检测方法。当前无监督 IDS 在性能上仍落后于监督模型，且监督模型依赖已知攻击标签，难以检测零日攻击。NetVAD 利用预训练的网络基础模型（如 NetBERT）的冻结编

历史摘要 · 未重新核验 · arXiv cs.CR