Alert for CVE-2021-44228

CVE-2021-44228

Alert for CVE-2021-44228

历史摘要 · 未重新核验 · Oracle Critical Patch Updates

【安全通告】Linux Kernel "CIFSwitch" 本地权限提升漏洞风险通告（CVE-2026-46243）

CVE-2026-46243

【安全通告】Linux Kernel "CIFSwitch" 本地权限提升漏洞风险通告（CVE-2026-46243）

历史摘要 · 未重新核验 · 腾讯云安全公告

Poster: Correctness of n-parties ECDSA By the Claim of Byzantine Agreement.

该论文是一篇海报论文，研究多方ECDSA签名协议的正确性。具体地，作者试图通过引入拜占庭协议（Byzantine Agreement）的概念来证明n方ECDSA签名协议在存在恶意参与者的情况下仍能产生正确签名。多方ECDSA允许一组参与者共

历史摘要 · 未重新核验 · ACM CCS

Proof-Carrying Agent Actions: Model-Agnostic Runtime Governance for Heterogeneous Agent Systems

该论文针对异构智能体系统在运行时治理中面临的挑战，提出了一种与运行时无关的治理模型——Proof-Carrying Agent Actions (PCAA)。当前，不同智能体系统（如本地编码工具、框架SDK、托管平台、API网关等）拥有各自

历史摘要 · 未重新核验 · arXiv cs.CR

Q-FE: A Quantum-Native 6G Far-Edge Architecture Securing Industrial IoT Digital Twins via CSIDH-PQC and Asynchronous Federated Learning

该论文提出了一种名为Q-FE的量子原生6G远边缘架构，旨在解决超密集工业物联网（IIoT）数字孪生场景下的安全与延迟挑战。当前架构依赖集中式云或移动边缘计算（MEC）服务器进行数字孪生计算，导致往返延迟过高，且使用易受量子攻击的经典公钥密码

历史摘要 · 未重新核验 · arXiv cs.CR

RedEdit: Agentic Red-Teaming of Image Safety Classifiers via MCTS-Guided Photo-Editing

本文提出了一款名为 RedEdit 的新型黑盒红队代理，用于评估图像安全分类器对用户级恶意图像编辑的鲁棒性。当前互联网内容审核系统依赖图像安全分类器，但其对用户风格恶意编辑（如日常场景中常见的操作）的抵抗力尚缺乏研究。RedEdit 将照片

历史摘要 · 未重新核验 · arXiv cs.CR

AttackPathGNN: Cross-function vulnerability detection in smart contracts using state interference graphs and conjunction pooling

该论文提出 AttackPathGNN，一种用于 Solidity 智能合约的跨函数漏洞检测图神经网络。现有基于学习的检测器将漏洞检测简化为单函数内的语法模式匹配，但许多重大安全事件（如 The DAO 攻击、Cream Finance 攻

历史摘要 · 未重新核验 · arXiv cs.CR

SentinelRAG: Synthetic Sentinel Knowledge for RAG Database Copyright Protection

本文针对专有RAG（检索增强生成）数据库版权保护问题，提出了一种名为SentinelRAG的新型水印框架。现有水印方法存在两大缺陷：一是通过注入真实实体之间的虚假关系，导致知识库被错误信息污染；二是嵌入脆弱的词汇模式，容易被对抗性改写移除。

历史摘要 · 未重新核验 · arXiv cs.CR

TinyML-Driven Cybersecurity for Autonomous Spacecraft: Latency-Accuracy Analysis for SPARTA RF and Cyber Threat Detection

该论文研究了在自主航天器上使用TinyML模型进行网络与射频（RF）威胁检测的延迟-准确率权衡问题。自主航天器对机载威胁检测有严格的计算资源约束，需要快速、轻量且可靠的检测方案。作者基于SPARTA攻击模型，模拟了五种典型威胁场景：上行链路

历史摘要 · 未重新核验 · arXiv cs.CR

A formal framework for the economic security of DeFi compositions

本文提出一个形式化框架用于分析DeFi组合的经济安全性。DeFi服务通常由多个智能合约组合而成，这种组合性在带来灵活性的同时也引入了安全风险：攻击者可能利用新部署合约与现有合约之间的交互来造成经济损失。为此，作者引入了MEV非干扰性（MEV

历史摘要 · 未重新核验 · arXiv cs.CR

DIST-FL: Enhancing Security for TEE-based Aggregation in Federated Learning

本研究聚焦于可信执行环境（TEE）辅助的联邦学习协议中的安全问题。现有协议依赖单一TEE来保护聚合过程，但作者发现服务器端攻击者可以操纵客户端选择和重放聚合，从而破坏系统鲁棒性和隐私。这些问题源于TEE的局限性，即状态回滚和I/O操纵攻击。

历史摘要 · 未重新核验 · arXiv cs.CR

TITAN-FedAnil+: Trust-Based Adaptive Blockchain Federated Learning for Resource-Constrained Intelligent Enterprises

该论文提出了一种名为 TITAN-FedAnil+ 的联邦学习框架，旨在解决资源受限智能企业环境中的数据异质性（非独立同分布数据）和去中心化安全威胁。核心贡献包括：1) 基于亲和传播的自适应聚类聚合方法，无需预先知道攻击者数量即可识别并过滤

历史摘要 · 未重新核验 · arXiv cs.CR

Toward a Generalized Defense Across Sparse, Continuous, and Structured Parameter Attacks

该论文提出了一种名为 ParDef 的通用防御方法，旨在保护深度神经网络 (DNN) 在异构、部分不可信环境（如云存储、CI/CD 管道、容器化服务和边缘执行平台）中部署时免受参数攻击。参数攻击直接篡改模型内部参数，影响所有后续推理，且攻击

历史摘要 · 未重新核验 · arXiv cs.CR

AI Agents Enable Adaptive Computer Worms

该论文提出了一种基于人工智能（AI）代理的新型自适应计算机蠕虫。传统蠕虫（如WannaCry）利用固定漏洞进行传播，可通过打补丁阻断。而本文展示的AI蠕虫能够在感染每台机器后，利用被入侵设备上的开源大语言模型（LLM）进行推理，针对每个新目

历史摘要 · 未重新核验 · arXiv cs.CR

Bayesian Membership Privacy for Graph Neural Networks

针对图神经网络（GNN）的现有隐私分析大多继承自非图数据场景的假设，忽略了结构依赖性和随机训练图采样。尤其是节点相关的先验导致仅凭第一类和第二类错误无法充分刻画最佳成员推断测试。为此，本文提出贝叶斯成员隐私（BMP），一种采样感知的节点级成

历史摘要 · 未重新核验 · arXiv cs.CR

Cognitive Threat Intelligence and Explainable Federated Security Analytics for distributed Infrastructure Systems

随着分布式基础设施系统（如云计算、物联网和边缘计算）的广泛采用，网络攻击面显著扩大，攻击手段也日益复杂。传统的集中式入侵检测方法在可扩展性、数据隐私、通信开销以及AI决策过程的透明度方面面临挑战。为解决这些问题，本文提出了一种认知威胁情报与

历史摘要 · 未重新核验 · arXiv cs.CR

SoK: Post-Quantum Cryptography (PQC) Implementation in Software Systems

本文是一篇系统化知识综述（SoK），聚焦后量子密码学（PQC）在软件系统中的实现问题。随着量子计算威胁的临近，将现有密码学算法迁移至抗量子算法已成为紧迫需求。尽管标准化的PQC算法（如CRYSTALS-Kyber、CRYSTALS-Dili

历史摘要 · 未重新核验 · arXiv cs.CR

Cheating in Multiplayer Online Games: a Dataset

该论文针对多人网络游戏（MOG）中的作弊问题，提出并公开了一个新型数据集。作弊行为严重损害玩家体验和竞争公平性，尤其是基于网络流量干扰的作弊方式至今难以检测。现有研究缺乏带标签的代表性数据，为此作者构建了一个实验框架，该框架将一款多人游戏与

历史摘要 · 未重新核验 · arXiv cs.CR

Multi-Objective Submodular Maximization with Differential Privacy

本文研究了在差分隐私（DP）约束下，针对基数约束的多目标子模最大化（MOSM）问题。子模最大化在机器学习和数据挖掘中广泛应用，例如最大覆盖和设施选址问题，但现有工作大多考虑单目标优化或非隐私场景。本文首次将差分隐私引入多目标子模最大化，旨在

历史摘要 · 未重新核验 · arXiv cs.CR

The Event Monster – Event Management, Events Calendar, Tickets plugin for WordPress is vulnerable to Insufficient Verification of Data Authenticity in versions up to, and includ...

CVE-2026-8608

The Event Monster – Event Management, Events Calendar, Tickets plugin for WordPress is vulnerable to Insufficient Verifi

历史摘要 · 未重新核验 · NVD