Privacy-Preserving High-Resolution Image Gradient Computation Based on Fully Homomorphic Encryption
该论文针对现有隐私保护图像处理研究多集中于低分辨率图像，而高分辨率图像的同态加密处理面临计算开销大、参数调整复杂等问题，提出了一种基于全同态加密（FHE）的多密文隐私保护框架，用于高分辨率图像的梯度计算。主要方法包括：1）将大图像分割为多个
2026-06-03 归档
今日共收录 1204 条安全情报，包含 428 个 CVE，390 篇安全通告，以及 100 篇研究论文。
← 返回归档列表Signals and Spoils: Speculative Oracle Extractable Value in the Era of Cross-Chain Interoperability
本研究聚焦于跨链互操作时代的新型最大可提取价值（MEV）形式——投机性MEV，特别关注预言机可提取价值（OEV）。在以太坊L2区块链（如Arbitrum、Base、Optimism）中，由于缺乏公开的mempool，MEV提取策略变得具有概
A Hybrid Approach For Malware Classification Using Secondary Features Fusion
本文针对恶意软件变种和新型恶意软件数量快速增长导致的检测与缓解难题，提出了一种自动化恶意软件检测与家族分类的混合方法。传统检测方法仅能判断是否为恶意软件，无法分类到具体家族，阻碍了针对性缓解。该方法首先通过自定义特征选择方法提取API调用、
FlowGuard: Flow Matching for Identity-Independent Detection of Data-Free Model Stealing Attacks on Energy System Intrusion Detection Systems
本文关注能源基础设施中基于人工智能的入侵检测系统（IDS）面临的模型窃取攻击风险。攻击者可通过查询接口窃取IDS模型，从而在离线环境下生成能逃避检测的恶意流量。现有防御方案存在局限：基于身份查询监控的方法无法抵御分布式攻击（如Sybil攻击
AI Model Extraction Attacks: Bypassing Single-Client Assumptions in Defenses
该论文聚焦于人工智能模型部署在军事指挥控制（C2）系统及关键基础设施中的安全防护问题，重点讨论了模型提取攻击（Model Extraction Attacks, MEA）的威胁。现有防御策略大多基于“单客户端假设”（Single Clien
Privilege Risk Evolution for Non-Human Identities: A Temporal Fiber Model for Cloud IAM
本文针对云环境中非人类身份（NHI）的权限风险演化问题，提出了一种时间纤维模型。传统的云权限治理通常将权限等价视为静态关系，但本文指出，对于NHI，权限等价具有两个不可约分量：结构等价和时间等价。结构等价通过图纤维化（graph fibra
The Role of Domain-Specific Features in Malware Detection: A macOS Case Study
本文针对macOS平台恶意软件检测这一相对未被充分研究的领域，首次探索了利用Mach-O文件格式特有的领域特定静态特征来提升检测性能。研究背景是现有恶意软件检测研究主要集中在Windows和Android，而macOS由于系统特性和文件格式
Private Embedding Lookup with Encrypted Compact Queries under Fully Homomorphic Encryption
本文针对全同态加密（FHE）下的私有嵌入查找问题进行研究。在许多自然语言处理或推荐模型中，推理的第一步通常是将离散的客户端输入映射为嵌入向量。由于输入可能包含敏感信息，在隐私保护推理中必须保护嵌入步骤。全同态加密允许对加密的客户端数据进行推
Outsmarting the Chameleon: Counterfactual Decoupling for Tactical OOD Shifts in Live Streaming Risk Assessment
直播已成为社交互动和数字商务的主要媒介，但日益受到复杂风险的威胁。核心挑战在于“战术性分布外（OOD）漂移”：恶意行为者保持稳定的底层意图，但不断重新设计叙事包装以逃避检测。这种对抗性漂移暴露了现有OOD泛化范式的关键局限，因为其假设在意图
Quantifying Side-Channel Leakage in Public Metrology Releases
该论文系统性地分析了公共计量数据发布中潜在的侧信道泄露风险。研究形式化地定义了一种基于统计的侧信道审计框架：发布者提供有限频带功率谱密度（PSD）统计信息，攻击者（观测者）在给定预算下使用带标签的模板频谱进行训练，然后从两个效用等价但受保护
On Improving Robustness of Deepfake Image Detectors
本文针对深度伪造图像检测器在对抗攻击下鲁棒性不足的问题展开研究。作者首先复现了先前研究（Abdullah et al., IEEE SP 2024）的结论，即现有检测器在精心设计的对抗扰动下性能显著下降，并通过测试7个最新先进检测器验证了这
The Unicity Execution Layer
本文提出Unicity执行层（Unicity Execution Layer），作为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。论文首先建立了形式化安全模型，其中代币所有权由公钥表示，转移需要数字
Implementation and Optimization of HQC Decoding on NPU-Integrated Devices
本文研究了在集成NPU（神经网络处理单元）的设备上实现和优化HQC（Hamming Quasi-Cyclic）解码算法。HQC是一种基于编码的后量子密码学密钥封装机制，已被NIST选为标准化候选算法之一。解码过程主要由Reed-Muller
Tridirectional Discriminating-Power Formal Verification of Smart Contract Reentrancy Defense Against Production-Deployed Solidity Source
本文提出了首个经过机器检查的OpenZeppelin重入防护模式正确性证明，该证明针对生产部署的Solidity源代码的Lean 4状态机模型。所有十三个定理都经过了机器检查，没有使用任何“sorry”或用户引入的公理，公理足迹仅由[pro
SECUREVENT: Hybrid AI/ML Security Monitoring for Distributed Event-Based Systems
该论文提出了一种名为 SECUREVENT 的混合 AI/ML 安全监控架构，用于分布式事件驱动系统。随着物联网遥测、云原生微服务和安全运营管道等场景的普及，分布式事件系统（如发布/订阅服务）的松耦合和异步交付特性在提升可扩展性的同时，也扩
Fair Finetuning Mitigates Distribution Inference Attacks
本文研究了机器学习模型在敏感数据训练时可能泄露训练分布群体信息的问题，即分布推断攻击（DIA）。攻击者仅通过黑盒访问模型，即可推断出敏感的人口统计属性（如子群体比例）。现有防御手段如差分隐私和属性遗忘已有相关研究，但公平性约束与分布泄漏之间
CoreUnlearn: Rethinking Concept Unlearning through Disentangled Component-Level Erasure in Text-guided Diffusion Models
本文针对文本引导扩散模型（text-guided diffusion models）在图像合成中面临的隐私泄露和有害内容生成等伦理问题，提出了一种新的概念遗忘（concept unlearning）方法——CoreUnlearn。现有方法通
Near-Optimal Pure Machine Unlearning for Smooth Strongly Convex Losses
本文研究了机器学习中的“遗忘”（unlearning）问题，即如何从已训练好的模型中移除某个用户数据的影响，以满足如“被遗忘权”等法律和用户需求。针对光滑强凸损失函数下的随机优化场景，前期工作已经提出了一些遗忘算法及其误差界，但遗忘的统计代
Agent Operating Systems (AOS): Integrating Agentic Control Planes into, and Beyond, Traditional Operating Systems
本文提出Agent操作系统（AOS）的概念，以应对传统操作系统抽象（如进程、线程、系统调用、文件、权限等）对智能体AI工作负载的不足。传统OS面向确定性程序、显式控制流和人类发起的工作流，而智能体系统是长期存在、目标导向的实体，通过概率推理
ClawHub Security Signals: When VirusTotal, Static Analysis, and SkillSpector Disagree
该论文研究了AI代理技能（Agent Skills）的安全信号问题。代理技能是一种可重用的指令、工具、脚本、引用和工作流，它们扩展了AI代理的能力，但其安全边界既不同于模型安全也不同于传统包恶意软件检测。论文构建了ClawHub Secur