MFSA 2026-52Security Vulnerabilities fixed in Firefox for iOS 151.1
MFSA 2026-52Security Vulnerabilities fixed in Firefox for iOS 151.1
2026-06-12 归档
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MFSA 2026-53Security Vulnerabilities fixed in Firefox for iOS 151.2
MFSA 2026-53Security Vulnerabilities fixed in Firefox for iOS 151.2
MFSA 2026-55Security Vulnerabilities fixed in Focus for iOS / Klar 151.3.1
MFSA 2026-55Security Vulnerabilities fixed in Focus for iOS / Klar 151.3.1
Stable Channel Update for ChromeOS / ChromeOS Flex
M-148, ChromeOS version 16640.61.0 (Browser version 148.0.7778.263) has rolled out to ChromeOS devices on the Stable cha
Chrome for Android Update
Hi, everyone! We've just released Chrome 149 (149.0.7827.114) for Android. It'll become available on Google Play over th
Beta Channel Update for ChromeOS / ChromeOS Flex
The ChromeOS Beta channel is being updated to OS version 16667.40.0 (Browser version 149.0.7827.136) for most ChromeOS d
Chrome Dev for Android Update
Hi everyone! We've just released Chrome Dev 151 (151.0.7885.0) for Android. It's now available on Google Play.You can se
Chrome Beta for iOS Update
Hi everyone! We've just released Chrome Beta 150 (150.0.7871.14) for iOS; it'll become available on App Store in the nex
OCELOT: Inference-Leakage Budgets for Privacy-Preserving LLM Agents
本文提出OCELOT，一种针对大型语言模型（LLM）Agent的隐私保护运行时中介系统。LLM Agent代理用户执行任务时，会读取个人文件、调用工具、与外部服务交互，每一步都可能泄露个人身份信息（PII）。传统的单次输出隐私保护不足，因为
Selection Integrity for LLM Graph Memory: An Accumulability Criterion for Information-Flow-Blind Retrieval
本文研究了大语言模型（LLM）代理在图结构记忆系统中的选择完整性问题。当前代理记忆正向图结构发展，而现有的溯源防御机制（如信息流控制 IFC）仅检查代理检索记录的来源，即认证证据的完整性。作者证明，这类防御存在根本性盲点：长期图记忆在可写图
The Emergence of Autonomous Penetration Capabilities in Large Language Model-Powered AI Systems
该论文针对当前主流大语言模型（LLM）驱动的AI系统在自主渗透测试方面的能力进行评估。作者指出，现有评估方法存在方法论不透明、测试场景过于简化或脱离实际、以及给模型过多先验知识和任务引导等问题，导致无法准确反映AI系统在真实高影响网络攻击场
SMSR: Certified Defence Against Runtime Memory Poisoning in Persistent LLM Agent Systems
本文针对持久性LLM Agent系统中的运行时内存投毒提出了一种认证防御方法SMSR。传统的检索增强生成（RAG）Agent为跨用户会话维护持久内存，攻击者可通过正常交互注入精心构造的记忆，在未来用户查询时被检索并引导Agent输出恶意响应
Defense Against Prompt Inversion Attacks: An Information-Theoretic Approach for LLM Collaborative Inference
该论文聚焦于协作式边缘-云推理场景下大语言模型（LLM）的隐私保护问题。在协作推理中，资源受限的边缘设备将部分计算任务卸载到云端服务器，但中间层激活的传输会暴露用户输入的敏感提示，使攻击者能够通过提示反演攻击重构原始输入。现有防御方法多依赖
Influence Factors on RAG Poisoning
该论文系统性地研究了检索增强生成（RAG）系统在面对投毒攻击时的鲁棒性。RAG通过从外部知识库检索相关文档来增强大语言模型的生成能力，但这种对外部内容的依赖引入了安全风险：攻击者可以通过插入恶意文档来操纵检索结果和生成输出。研究采用全因子实
Anchors that Don't Lift: Understanding Supply Chain Driven Kernel Lock-In and Governance-Mediated Mitigation Strategies in SOHO Devices
该论文系统研究了SOHO（小型办公室/家庭办公室）设备中因使用过时Linux内核版本而引入的安全漏洞问题。作者首先对306款SOHO设备的900多个固件进行了GPL源码分析，采用一种高精度的基于模板的CVE检测方法，识别出实际存在的内核相关
Do LLMsMakeNeural Distinguishers Wise?
该论文首次探索了将大型语言模型（LLM）用于神经区分器（neural distinguishers）的可能性，神经区分器是一种针对对称密钥密码的密码分析方法，通过训练机器学习模型对具有特定差异的明文-密文对进行区分，以恢复密钥。研究人员针对
Improper authentication checks in the OAuth implementation allow account hijacking even when OAuth is not configured or enabled leading to unauthorized access in default install...
CVE-2026-48611
CVE-2026-48611 是一个存在于受影响产品 OAuth 实现中的严重认证绕过漏洞（CVSS 9.8）。该漏洞源于 OAuth 认证逻辑存在缺陷，即使 OAuth 未被配置或启用，攻击者仍可通过特制的请求绕过身份验证检查，成功利用此
A malicious actor with access to the network and low privileges could exploit an Improper Input Validation vulnerability found in certain devices running UniFi OS to execute a C...
CVE-2026-47370
CVE-2026-47370 是一枚影响 UniFi OS 系统的高危命令注入漏洞，被分配了 9.9 的 CVSS 评分。攻击者只要具备网络访问能力和低权限账户，即可利用该不当输入验证缺陷，在受影响的 UniFi OS 设备或实例上执行任意
A malicious actor with access to the network and low privileges could exploit an Improper Input Validation vulnerability found in certain devices running UniFi OS to escalate pr...
CVE-2026-47369
CVE-2026-47369 是一个影响运行 UniFi OS 的设备的严重漏洞。该漏洞源自不当的输入验证，允许具有网络访问权限的低权限攻击者利用此缺陷提升权限，从而完全控制目标设备或实例。CVSS 评分为 9.9（严重），攻击向量为网络，
A malicious actor with access to the network and low privileges could exploit an Improper Input Validation vulnerability found in UID Enterprise Agent to execute a Command Injec...
CVE-2026-47367
CVE-2026-47367 是 UID Enterprise Agent 中的一个高危漏洞，源于对用户输入的验证不充分。拥有网络访问权限且具备低权限的攻击者能够利用该漏洞，通过构造恶意输入向目标主机设备注入任意命令，从而完全控制受影响的系