An Improved CNN-LSTM Based Intrusion Detection System for IoT Networks
随着物联网设备的快速普及，网络安全问题日益严峻，入侵检测系统成为保护网络环境的关键。本文提出了一种基于改进的CNN-LSTM（卷积神经网络-长短期记忆网络）的入侵检测模型，用于物联网网络中的攻击检测。该模型结合了多分类、数据集集成和时间特征
2026-06-08 归档
今日共收录 689 条安全情报，包含 45 个 CVE，322 篇安全通告，以及 73 篇研究论文。
← 返回归档列表Sort, Partition, Randomize: Optimal Binary Hypothesis Testing under Local Differential Privacy
本文研究在局部差分隐私（LDP）约束下进行二元假设检验的最优机制设计问题。数据观测来自有限字母表（大小为 k）上的两个已知分布 P0 和 P1，每个观测值经过一个 ε-局部差分隐私机制 Q 扰动后，用于推断其源自哪个分布。衡量测试效用的指标
An End-to-End Encrypted Control Pipeline for Multi-Agent Coordination via CKKS Homomorphic Encryption
本文提出了一种基于CKKS全同态加密的端到端加密控制管道，用于解决多智能体系统在云协调过程中状态共享带来的隐私与协同冲突。传统全同态加密的算术约束要求控制循环的每个阶段都必须重新设计，仅使用加法、乘法和循环旋转操作。作者采用稳态卡尔曼增益避
Authorized and Verifiable Searchable Encryption Based on Public Key Equality Test for Cloud Storage
云存储的普及带来了数据管理便利性与隐私保护的冲突。公钥相等性测试（PKEET）作为一种高级加密技术，可以在无需共享密钥的情况下通过密文比较实现多用户可搜索加密（SE）。然而，现有基于PKEET的SE方案存在以下不足：缺乏对密文文件的授权、不
Rethinking IoT Intrusion Detection: Augmenting Routing Metrics with Radio Features
该论文研究了一种基于LSTM的入侵检测系统（IDS），针对基于RPL协议的物联网网络。传统的机器学习IDS通常仅使用路由层特征（如RPL指标），这只能反映部分网络行为。作者提出将无线收发（TX和RX）特征与标准RPL特征集结合，以提升检测性
A Large-Scale Per-Speaker Analysis of Re-identification Risk in Speech Anonymization
本文对语音匿名化技术中的重新识别风险进行了大规模逐说话人分析。当前评估通常使用平均指标（如等错误率），但这可能掩盖个体间巨大的隐私风险差异。作者采用基于可链接性的度量，在最坏场景下对近5000名说话人进行了评估，涉及多种匿名化系统、攻击者架
Synthetic APTs: the Collapse of TTP-Based Attribution
本研究探讨了人工智能驱动的对手模拟对基于TTP（战术、技术和程序）的归因方法的根本性挑战。作者来自多个机构，利用其网络安全超级智能（CSI）框架，将五个高级持续性威胁（APT）组织（APT28、APT29、APT41、APT44和Lazar
From Privacy to Workflow Integrity: Communication-Graph Metadata in Autonomous Agent Interoperability
论文《From Privacy to Workflow Integrity: Communication-Graph Metadata in Autonomous Agent Interoperability》由 Bijaya Dangol
Fast Bounded-Independence Functions and Their Duals
该论文延续了对“快速函数”的研究，这类函数可由线性规模电路计算，并具备随机函数的有用性质。针对密码学应用，作者对先前结果进行了推广和改进，取得了以下主要成果：首先，对于任意常数 t，构造了一个快速 t 元独立哈希函数，其代数次数为 log_
Blockchain Infrastructure for Intelligent Cyber--Physical--Social Systems:Post-Quantum Security, Interoperability, and Trustworthy Data Economies in the Era of Embodied AI
本教程论文探讨了在具身人工智能（Embodied AI）时代，区块链基础设施如何作为智能网络-物理-社会系统（CPSS）的核心协调层。研究背景：基于世界模型的机器人部署对可信数据溯源、跨组织治理和激励兼容的数据共享提出了迫切需求；同时，量子
FDM: A Framework for Decision-making to build ML-based Malware detection systems
本文提出一个名为FDM（决策框架）的框架，用于构建基于机器学习的恶意软件检测系统。选择机器学习配置是一个多准则优化问题，需要考虑模型选择、特征工程、更新机制等多种因素，且不同部署场景的约束各异。FDM通过加权配置兼容性得分（WCCS）将五个
An Expanded Synthetic Conversation Dataset for Multi-Turn Smishing Detection
该论文聚焦于多轮短信诈骗（smishing）检测，针对此前工作中提出的合成对话数据集COVA（3,201条标注对话）的局限性进行了扩展。作者指出COVA存在数据污染、标签不匹配、阶段指示泄露以及提示设计缺陷等问题，导致Transformer
On the Incentive Compatibility of Block Propagation in Bitcoin
该论文研究了比特币网络中矿工在区块传播过程中的激励相容性问题。比特币作为一个无需许可的系统，依赖矿工共同维护区块链，其中区块传播是最基础的过程。然而，如果矿工存在不传播某些区块的动机，将表明比特币激励设计存在根本缺陷。尽管以往工作研究了传播
AMD-FCG: An Enhanced Function Call Graph Dataset with Integrated Topological Features for Malware Detection and Classification
恶意软件检测是网络安全领域的关键挑战，因为恶意软件具有复杂结构和行为。现有的检测方法中，通过函数调用图（FCG）分析恶意软件的结构和行为模式是一种可靠的方法，但缺乏足够大且高质量的数据集来支撑对众多恶意软件家族的有效分类。本文提出了AMD-
What Your Posts Reveal: A Benchmark and Agentic Framework for User-Level Privacy Leakage on Social Media
该论文聚焦于社交媒体平台上用户级隐私泄露问题。现有研究缺乏统一的基准来评估多模态（文本、图像、元数据）隐私泄露，且衡量指标多为二元准确率，无法捕捉暴露严重程度。为此，作者基于Rednote和Instagram的私有参考语料库提炼泄露模式，构
AgileOS: A GPU Operating System Layer for Protected CUDA Services
本文提出 AgileOS，一个旨在为 GPU 服务提供操作系统级保护层的系统。现代 GPU 应用越来越多地与存储系统、网络设备、供应商库和 GPU 驻留服务交互，而不仅仅是执行隔离的计算内核。这种转变要求对 GPU 服务提供类似操作系统的保
MalTree: Tracing Malware Evolution from Embeddings at Scale
恶意软件检测目前仍然主要依赖于被动反应：机器学习模型在已知样本上训练，但随着威胁演化，模型性能会下降。理解恶意软件家族之间的进化关系可以促进主动防御，但传统的逆向工程可能需要数月甚至数年才能揭示这种谱系关系。本文提出 MalTree 框架，
Credential Disclosure in (EU) Digital Identity Wallets: Privacy Risks and Practical Mitigations
欧盟计划于2026年底推出EUDI数字身份钱包，允许用户在设备上存储数字凭证（如官方身份证明的电子表示），并安全、隐私地向网站披露身份属性。然而，用户在做凭证披露决策时可能过度分享，导致隐私泄露风险。本文通过大规模用户与专家调查（研究一）以
Opportunities and Challenges in Securely Reusing and Repurposing Mobile Devices
该论文研究移动设备安全重用（repurposing）面临的机会与挑战。背景是2022年全球约53亿部手机成为电子垃圾，许多设备本可通过重用延长寿命并减少生态影响，但网络安全常被忽视：这些设备内置的硬件安全机制（如安全启动链、可信执行环境（T
Exploring the connection between coding habits and cognitive styles in malware developers
该研究从行为心理学视角出发，系统分析恶意软件开发者的编码习惯与认知风格。研究者收集了大量泄露的恶意软件源代码，并与精心筛选的良性开源软件代码进行比较。通过静态应用安全测试（SAST）和多种软件度量指标（如代码行数、圈复杂度、注释密度、函数长