Safe-RULE: Safe Reinforcement UnLEarning
离线安全强化学习（Offline Safe RL）能够在没有在线交互的情况下学习策略，因此适用于机器人等安全关键系统。然而，其依赖静态数据集的特点使其容易遭受数据投毒攻击，攻击者注入恶意样本以破坏安全性并导致不安全策略行为。本文提出一种新的
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Model Poisoning Against Federated Model Adaptation with Chain of Bit-Flips
该论文研究联邦学习（FL）中的模型投毒攻击。传统FL后门攻击主要依赖算法层面操纵训练数据，但本文引入一类新的攻击：利用硬件故障（如Rowhammer）在本地模型参数中注入比特翻转，从而在联邦学习期间植入后门。攻击过程分为离线阶段：攻击者从预
Fully Oblivious Differential Privacy for Frequency Estimation in the Augmented Shuffle Model with Trusted Processors
本文针对差分隐私（DP）的 shuffle 模型中存在的信任问题展开研究。在标准 shuffle 模型中，一个 shuffle 器随机排列用户数据以实现高精度和隐私保护。然而，近期研究表明大多数现有 shuffle 协议容易遭受数据收集者与
Pretrained, Frozen, Still Leaking: Auditing Cross-Encoder Attribute Transfer in EEG Foundation Models
该论文研究了EEG（脑电图）基础模型在发布时面临的属性泄露风险。以往，对这类模型的审计通常是逐个端点进行的，例如原始波形重建、成员推断、身份链接或对下游头部进行差分隐私随机梯度下降（DP-SGD）。然而，作者发现这种单端点审计可能遗漏更隐蔽
Customization under Fire: Plugin Poisoning in Text-to-Image Ecosystem
该论文首次系统性地研究了文本到图像（T2I）生态系统中LoRA插件的供应链安全风险。随着T2I模型的普及，基于低秩自适应（LoRA）的插件共享生态（如Civitai、Liblib）蓬勃发展，允许用户轻松定制和分享模型能力。然而，这种开放模式
Security-First Approach to API Pipeline Development with Zero-Trust Architecture
本文针对现代企业面临日益严重的API安全威胁问题，提出了一种基于零信任架构（Zero-Trust Architecture）的“安全优先”API流水线开发框架。研究背景指出，API已占Web流量主导地位，成为数据泄露的主要载体，99%的组织
Document-Authored Control-Signal Impersonation: A Low-Cost Indirect Prompt Attack on RAG Safety Boundaries
检索增强生成（RAG）系统通常将用户查询、检索文档、元数据、系统标签和任务指令序列化为一个自然语言提示。本研究揭示了一种源权威边界失效模式：攻击者控制的检索文本可以冒充元数据、来源、权威或披露策略信号，这些信号对模型而言呈现为控制相关信息。
nCMD: Benign-Anchored Feature Selection for Imbalanced Network Intrusion Detection
该论文针对网络入侵检测系统（NIDS）在高维、高度不平衡流量场景下的特征选择问题，提出了一种名为nCMD（benign-anchored Classwise Mean Deviation）的轻量级、可解释的特征选择方法。传统过滤方法使用全局
Evaluating Multimodal Steganalysis for Split-Payload Audiovisual Steganography
这篇论文研究了一种跨模态分割载荷的视听隐写术，并评估了其对抗单模态与多模态隐写分析的效果。隐写术的目标是将秘密信息隐藏在普通媒体中，以隐藏通信的存在而非内容。传统的单模态隐写将载荷嵌入到单一载体（例如图像、音频或视频）中，但存在容量限制和容
AutoSUT: The Environment Semantics Gap in Structured CTI for Adversary Emulation
该论文研究了结构化网络威胁情报（CTI）在对手模拟、检测评估和网络靶场设计中的应用，重点探讨了目标系统测试环境（SUT）与公开CTI描述之间的语义差距。作者通过分析MITRE ATT&CK的STIX数据包（覆盖企业、移动、工业控制系统等场景
Asymptotic Optimality of the High-Dimensional Gaussian Mechanism and Improved Low-Dimensional Mechanisms for Differential Privacy
该论文研究了差分隐私中用于T维实数向量查询的加性噪声机制。高斯机制因其简单性和强隐私保证而成为最广泛使用的机制。本文首先证明，当维度T趋于无穷大时，在强隐私设置下，没有任何加性噪声机制能够渐近地改善高斯机制的隐私-效用权衡，从而为高斯机制的
Uncertainty Principles for the Number Theoretic Transform
该论文研究了数论变换（NTT）的不确定性原理，并证明了在某些素数条件下，非零函数与其NTT变换的支撑集大小之和至少为q+1（q为给定素数，p为满足p≡1 mod q的素数）。这意味着一稀疏函数（k-稀疏）的变换支撑集至少为q-k+1。进一步
SoK: Reconstruction Attacks on Synthetic Tabular Data (Insights from Winning the NIST CRC)
本文是首篇对合成表格数据的重建攻击（即属性推断攻击）进行系统化研究的论文。研究背景是合成数据被广泛宣传为一种隐私保护替代方案，用于发布敏感表格记录，但对其核心对抗威胁——重建攻击（通过合成数据和少量已知准标识符恢复个体隐藏属性值）的研究此前
What Do Deepfake Speech Detectors Actually Hear?
该论文针对深度伪造语音检测器缺乏可解释性的问题，提出了一种基于集成梯度（Integrated Gradients）和时间对齐自监督表示（self-supervised representations）的音频原生可解释性流水线。该方法能够定位
snaproot: Decentralized File Integrity Verification Using Blockchain-Anchored Cryptographic Hashing
随着数字内容的快速增长，可靠的完整性验证变得日益重要。现有解决方案要么依赖中心化权威机构，引入信任依赖和单点故障风险；要么依赖去中心化存储系统，但资源开销过高。本文提出 snaproot，一个轻量级系统，在 Solana 区块链上实现了 H
Human-Centred Risk Mitigation for AI-Mediated Information Manipulation: A SOCMINT Framework Based on Information Manipulation Sets
本文针对AI中介信息操纵问题，提出了一种以社会网络情报（SOCMINT）为核心、基于信息操纵集（IMS）的框架。现有防御方法存在两种极端：一是关注事件级分析，将操纵行为碎片化为弱信号；二是优先归因分析，可能延迟缓解措施。本文提出的IMS框架
Clinically Grounded Privacy Evaluation of Medical LMs
该论文聚焦于医疗语言模型（LMs）的隐私评估问题。现有隐私评估往往只关注训练文本的恢复，而非现实威胁模型下的信息泄露。作者提出了一个临床接地的隐私评估框架，按敌手访问权限的梯度分级（从公开可推断的人口统计数据到泄露的笔记片段），在每个级别测
Trustworthy Smart Fabs via Professional Proxies: Scaling Safe and Sustainable by Design (SSbD) through Industrial Data Spaces
该论文针对2026年欧盟安全与可持续设计（SSbD）框架、企业可持续发展尽职调查指令（CSDDD）和碳边境调节机制（CBAM）等法规给先进半导体制造工厂（智能工厂）带来的治理瓶颈，提出了一种零信任的社会技术编排框架。该框架在可信工业数据空间
The Chronicles of Radio Frequency Fingerprinting
本文对射频指纹识别（RFF）领域进行了批判性的历史分析，而非传统的文献综述。研究覆盖了从1993年至2026年的发展历程，围绕该领域的主要概念范式转变展开。首先，早期基于瞬态的方法将发射机开启行为、意外调制和硬件非线性视为主要指纹来源；随后
Digital White Spaces: A Cyberpsychology-Informed Framework to Mobile Phone Addiction
本文提出了“数字白空间”（Digital White Spaces, DWS）框架，旨在应对手机过度使用和注意力碎片化带来的社会及公共卫生问题。研究基于网络心理学证据，指出手机成瘾的核心机制包括间歇性奖励、说服性设计和习惯形成等成瘾性参与循