今日共收录 1106 条安全情报，包含 305 个 CVE，402 篇安全通告，以及 120 篇研究论文。
← 返回归档列表本文针对数字取证中异构网络数据集预处理的可重现性问题，提出了一种确定性预处理框架。当前取证实践中，入侵检测系统、物联网设备和企业流量日志等来源的数据格式不兼容，时间戳格式多样，导致证据关联和时间线重建困难。现有的临时方法无法保证跨运行结果的
全同态加密（FHE）允许在不解密的情况下对加密数据进行计算，为数据隐私提供强保护，但代价是巨大的计算和内存开销。以往的研究通过密码学/算法优化或硬件加速分别提升FHE性能，但两者往往孤立进行，未能充分利用硬件能力。本文提出WHET，一种以内
本文提出VIPIR，一个面向GPU的通用框架，用于集成和加速私有信息检索（PIR）协议。PIR技术能够隐藏用户的数据库访问模式，从而保护查询隐私，但其计算开销、内存容量和带宽需求极高，限制了实际部署。VIPIR首先通过统一分析模型揭示现有P
该论文针对现有网络隐蔽信道在算法暴露后容易被检测的问题，提出了一种基于哈希的隐蔽载体滤波策略。核心思想是在构建隐蔽信道时，引入密钥依赖的过滤规则，使通信双方能够从载体集合中随机动态地选取一个稀疏子集作为实际使用的隐蔽载体集。该策略增强了载体
本文针对深度伪造语音检测器缺乏可解释性的问题，提出了一种音频原生的可解释性分析管道。该管道基于集成梯度（Integrated Gradients）方法，并在时间对齐的自监督表示（WavLM）上应用，以定位决策证据在时间上的分布。作者将方法应
本文提出了一种用于自动说话人验证（ASV）反欺骗的参考增强训练（RAT）策略。传统的反欺骗系统仅基于单次语音输入进行检测，而本文尝试引入说话人参考录音作为条件，构建一个条件化的欺骗检测架构。然而，实验发现该架构在推理过程中会迅速收敛至忽略参
该论文关注的是大语言模型（LLM）智能体在执行任务时产生的轨迹（traces）中可能泄露用户私有过程技能的问题。尽管执行轨迹对用户观察行为、诊断故障和确保问责制至关重要，但其中包含了丰富的程序细节，例如工具调用、中间决策和错误恢复逻辑。这些
本文揭示了一个被忽视的安全漏洞：基于外部记忆的Web智能体（Web Agent）在面对恶意注入的多模态记忆时存在严重威胁。现代Web智能体通常依赖外部记忆模块来存储和检索过去的交互经验，以实现长程推理。然而，这种设计引入了一个关键脆弱性：攻
该论文针对企业安全体系在应对生产级AI代理时面临的根本性挑战，提出了一种运行时治理参考架构。传统安全机制围绕数据边界构建，通过访问控制、数据防泄漏、边界检查等手段保护静态和传输中的数据。然而，AI代理能够读取上下文、调用工具、连接外部系统并
本文研究去中心化联邦学习中的安全聚合与Top-K梯度稀疏化问题。在联邦学习中，安全聚合是防止梯度泄漏的关键技术，但其通信开销通常与梯度维度成正比，对于大型模型和带宽受限、节点不可靠的去中心化场景尤为严重。Top-K梯度稀疏化通过仅传输全梯度
本文研究了在差分隐私保护下发布层次化重击者（Hierarchical Heavy Hitters, HHH）的问题，这是对传统重击者问题的泛化。HHH 用于识别数据流中在不同层次聚合上频繁出现的项，广泛应用于网络监控、流量分析等领域。之前的
该论文提出了一种基于隐私保护机器学习（PPML）的框架，用于跨机构学生保留率预测，以解决教育机构间敏感数据共享的隐私合规问题。研究利用PySyft平台，设计了一个半气隙架构的远程数据科学（RDS）框架，包含高侧和低侧服务器：低侧服务器存储敏
本文提出了一种名为snaproot的轻量级去中心化文件完整性验证系统。该系统基于Haber和Stornetta的哈希锚定范式，在Solana区块链上实现。核心方法：对文件生成SHA-256哈希，并将哈希值不可变地存储于链上作为永久参考记录。
当前美国网络政策以安全为中心，往往将控制文档化和事件报告视为建筑环境安全的代理。然而，对于数字故障可能导致物理伤害的网络-物理系统（CPS），这种方法并不充分。本文收集并编码了一个关键基础设施政策文档语料库（N=292，2000-2025）
本文介绍了ECYSAP EYE项目，这是一个面向任务中心的网络态势感知与决策支持系统。研究背景是作战组织需要超越孤立技术告警的态势感知能力，能够将任务相关的工件嵌入异构工具链和网络安全/防御流程。ECYSAP EYE通过采用面向采用的系统之
本文对欧洲铁路交通管理系统（ERTMS）进行了系统性的网络安全风险分析。ERTMS是欧盟广泛采用的列车管理统一标准，支持完全自动驾驶等用例，但网络安全一直被忽视。研究通过系统建模ERTMS的组件，并基于底层技术中已识别的威胁分析其安全性。结
本文研究了概念漂移（Concept Drift）对基于机器学习的钓鱼邮件检测系统性能的影响。随着数字通信的快速增长，电子邮件已成为最主要的通信渠道之一，而垃圾邮件和钓鱼攻击也日益增多。传统的基于规则或特征的检测方法在面对不断演变的攻击手段时
本研究对深度伪造语音检测领域的现有数据集进行了全面的审计分析。作者收集并审查了39个公开可用的深度伪造语音数据集，从可访问性、文档完整性、人口统计与语言覆盖范围、数据集规模以及底层真实语音来源等多个维度进行了评估。主要发现包括：（1）绝大多
概念模型（CMs）是一类深度神经网络，其预测基于与人类可理解概念（如“圆形”、“条纹”等）对齐的表示。传统观点认为，CMs学习到的表示会泄漏概念无关的信息，这种泄漏会导致模型不可解释，因此应予以消除。本文挑战了这一传统看法，提出三个核心论点
CVE-2026-10676
该CVE记录已被Zephyr项目CNA（CVE编号机构）拒绝。最初提交的问题涉及Zephyr RTOS中的一个缺陷，但后续分析表明，该缺陷在任何已发布的Zephyr版本中都无法被利用：在每个受支持的发行版分支上，受影响的值在使用前已被修正，