Over 100 NPM, PyPI Packages Hit in New Shai-Hulud Supply Chain Attacks
The most recent variants of the self-propagating attacks are named Miasma and Hades. The post Over 100 NPM, PyPI Package
2026-06-10 归档
今日共收录 1730 条安全情报，包含 831 个 CVE，478 篇安全通告，以及 120 篇研究论文。
← 返回归档列表Will AI Kill the Bug Bounty Industry?
Anthropic's Mythos is accelerating vulnerability discovery to machine speed, forcing the bug bounty industry and offensi
RECON: An LLM-Enhanced Backward Constraint Analysis Framework
本文提出RECON，一种基于大语言模型（LLM）增强的向后约束分析框架，旨在解决传统符号执行在分析现代软件系统（尤其是Android应用）时面临的可扩展性问题。传统符号执行因路径爆炸、函数建模需求及底层程序表示中语义丢失等缺陷，难以应对An
OpenPCC: Open and Confidential LLM Serving on Commodity TEEs
本文针对大型语言模型（LLM）云推理服务（CIS）中用户请求包含个人敏感或企业机密信息的问题展开研究。现有行业方案如苹果私有云计算（PCC）和谷歌私有AI计算依赖专有硬件和封闭生态系统，难以被其他部署者采用，且各自存在设计缺陷，无法真正实现
Comparative Analysis of Inference-Time Defense Methods for Multimodal Large Language Models
该论文对多模态大语言模型（MLLMs）的推理时防御方法进行了系统的比较实证研究。MLLMs在安全关键型应用中日益普及，但其视觉通道容易受到对抗性攻击，而主要以文本为导向的安全对齐只能部分解决这一问题。针对每个新漏洞类别重新训练模型成本过高，
Advancing the State-of-the-Art in Empirical Privacy Auditing
本文针对大型语言模型（LLM）在参数高效微调过程中可能记忆个体训练样本的问题，提出了一种创新性的经验性隐私审计（EPA）方法。研究背景：微调后的LLM可能泄露隐私，现有审计方法依赖人工设计的“金丝雀”样本，但难以模拟真实数据分布且可能引入隐
RadKey: An LLM-Guided RF Backscatter System for Through-Wall Keystroke Inference
本文提出 RadKey，一种基于射频反向散射的穿墙按键窃听系统。该系统由两个组件构成：一个紧凑的无源反向散射标签和一个射频阅读器。标签利用两个磁耦合 LC 谐振器捕获按键引起的振动和声学信号，并将其调制到反向散射射频信号的频移上，同时实现激
Targeting World Models to Compromise Robot Learning Pipelines
该论文研究了世界模型（world models）在机器人学习管道中的安全性问题。世界模型作为一种高效的数据生成和仿真工具，正被越来越多地集成到机器人训练流程中，但本文证明了世界模型引入了一种隐蔽且有效的数据投毒攻击入口。与传统的直接向训练数
When Discovery Outpaces Remediation: Modeling AI-Accelerated Vulnerability Discovery in Interconnected Systems
该论文研究AI（如大语言模型）在代码分析、二进制分析、模糊测试和渗透测试规划中的应用如何加速漏洞发现，并由此对修复流程和系统安全产生的连锁影响。作者将企业网络建模为带权依赖图，其中每个节点有可恢复的漏洞池，并引入有限修复容量、分类降级、利用
Context-Based Adversarial Attacks on AI Code Generators: Vulnerability Analysis and Implications
该论文系统研究了针对AI代码生成器的基于上下文的对抗性攻击。作者指出，AI驱动的代码生成系统虽提升了开发效率，但在推理阶段存在严重安全漏洞。攻击者可以通过精心构造上下文输入（包括注释、文档、变量名等）来欺骗大型语言模型生成包含漏洞的代码。研
Training LLMs to Enforce Multi-Level Instruction Hierarchies via Gravity-Weighted Direct Preference Optimization
该论文针对生产环境中LLM接收来自不同信任级别来源指令时存在的结构脆弱性问题展开研究。由于模型对所有令牌赋予同等的架构优先级，恶意提示注入得以实现，且模型缺乏解决合法但冲突指令间矛盾的机制。现有基于训练的方法虽试图建立指令层次结构，但通常仅
Toward Secure LLM Agents: Threat Surfaces, Attacks, Defenses, and Evaluation
本文系统性地综述了大语言模型（LLM）智能体安全领域的研究。LLM智能体正从对话接口演变为能够规划、调用工具、维护持久记忆并与外部环境交互的软件组件，这一转变使得安全风险的本质发生变化：传统风险仅限于不安全的文本生成，而在智能体场景下，不可
Improving Adversarial Transferability on Vision-Language Pre-training Models via Surrogate-Specific Bias Correction
本文针对视觉-语言预训练（VLP）模型的对抗可迁移性问题展开研究。现有基于迁移的黑盒攻击方法通常严重依赖替代模型，导致对抗样本在替代模型上有效，但在未知目标模型上效果不佳。作者将此归因于对抗优化过程中替代模型特定的偏差（surrogate-
Assessing Automated Prompt Injection Attacks in Agentic Environments
该论文系统评估了针对LLM Agent的自动提示注入攻击方法。在Agentic环境中，LLM Agent会与不可信的外部数据交互，间接提示注入成为关键威胁。然而，在现实Agent场景下，自动攻击方法（如用于越狱的GCG和TAP）尚未被充分探
The Linux IOCTL Census: A Source-Derived Database of the Linux Kernel Control-Code Surface
Linux ioctl 系统调用是内核用于设备控制的通用接口，用户态程序通过打开设备节点并向驱动传递命令码和参数缓冲区来发起操作。由于每个驱动各自定义命令码并在内核上下文中解析参数，ioctl 处理程序成为内核中范围最广、最不统一的本地攻击
Benchmarking and Exploring the Capabilities of LLMs for Attack Investigations
本文提出了 AuditBench，一个新的基准数据集，用于评估大型语言模型（LLM）在安全相关系统审计日志调查中的能力。该基准涵盖超过50种不同的安全调查场景，包括恶意和良性活动，数据来源于Linux和Windows机器的系统审计日志。作者
GRAFT: Graphlet-Triggered Backdoor Attack on GNN-Based Hardware Security Systems
随着集成电路供应链的全球化，硬件安全威胁如硬件特洛伊木马（HT）和知识产权（IP）盗版日益严重。图神经网络（GNN）作为处理图结构数据的强大深度学习方法，已被广泛应用于检测此类威胁。然而，GNN容易受到后门攻击，攻击者可恶意操纵输出预测以满
What the Eyes See, the LLMs Miss: Exploiting Human Perception for Adversarial Text Attacks
这篇论文研究了基于大型语言模型（LLM）的内容审核系统在视觉感知上的盲点。作者指出，当前的内容审核系统主要依赖令牌化文本，忽略了人类在理解内容时所依赖的视觉线索，例如字体、间距、排列等排版特征。这种感知不匹配导致：人类能轻易识别的有害内容，
FuseFSS: Efficient Secure LLM Inference with Function Secret Sharing
本文提出 FuseFSS，一个针对两方服务器安全推理的高效编译器，用于保护大型语言模型（LLM）推理过程中的用户提示和嵌入隐私。当前基于函数秘密共享（FSS）的 GPU 安全推理系统在线性层上表现高效，但非线性操作（如定点非线性函数）和辅助
Now You (Still) See Me: Detecting Evasive Steganographic Payloads in LLMs
该论文研究了大型语言模型（LLM）中的隐写术检测问题。作者首先指出，LLM可以通过微调将提示中的秘密编码到流畅、看似无害的输出中，从而构成隐写式数据外泄风险。现有的输出级隐写分析难以检测此类攻击，而最近的工作提出使用线性探针从内部激活中恢复