When Discovery Outpaces Remediation: Modeling AI-Accelerated Vulnerability Discovery in Interconnected Systems
该论文研究AI加速漏洞发现对互联系统安全的影响，提出一个结合排队论与网络理论的模型。模型将企业环境表示为加权依赖图，包含漏洞池动态补充、有限修复容量、分类降级、利用窗口压缩以及动态传播机制。通过数学推导给出了漏洞积压的稳定性条件，并建立了积
2026-06-13 归档
今日共收录 1165 条安全情报，包含 370 个 CVE，402 篇安全通告，以及 115 篇研究论文。
← 返回归档列表Who Pays the Price? Stakeholder-Centric Prompt Injection Benchmarking for Real-world Web Agents
大型语言模型驱动的Web代理（Web Agent）正越来越多地被部署在真实环境中，它们需要处理不可信的网页内容并执行具有直接后果的操作，因此容易受到提示注入攻击——看似良性的内容中嵌入对抗性指令以操纵代理行为。现有的安全基准采用“攻击中心”
Detecting Functional Memorization in Code Language Models
该研究探讨了代码语言模型中的功能性记忆（functional memorization）现象，即模型在生成代码时可能会复制训练数据中的功能逻辑，即使文本上不相似。现有工作主要基于文本重叠的审计指标来检测训练数据泄露，但代码具有功能等价而文本
PI-Hunter: Automated Red-Teaming for Exposing and Localizing Prompt Injections
随着大型语言模型（LLM）从单纯的文本生成器迅速演变为能够与外部工具和环境交互的智能体系统，新的安全风险也随之出现，其中最具威胁的是间接提示注入攻击——攻击者通过不可信的外部数据源（如网页、数据库、API响应）向LLM agent注入恶意指
Smarter Saboteurs, Better Fixers: Scaling & Security in Linear Multi-Agent Workflows
本文研究基于大语言模型的多智能体系统（MAS）在面临敌对攻击时的鲁棒性问题，特别关注模型规模与系统级安全之间的关系。作者在HumanEval基准上，使用两个开源模型家族（不同参数量）进行实验，评估线性多智能体工作流的安全性。实验发现一种“服
Mind your key: An Empirical Study of LLM API Credential Leakage in iOS Apps
该论文首次对iOS应用中大语言模型（LLM）API密钥泄露进行了系统的实证研究。随着LLM快速集成到移动应用，API密钥泄露成为新的安全风险——攻击者可利用泄露的凭证非法访问LLM推理服务，给开发者造成经济损失。此前研究主要聚焦Androi
Grammar-Constrained Decoding Can Jailbreak LLMs into Generating Malicious Code
大型语言模型（LLM）越来越多地用于代码生成，但可能被滥用以产生恶意代码。语法约束解码（GCD）是一种旨在通过强制语法有效性来提高LLM生成代码可靠性的技术。本文揭示了一个反直觉的风险：这种面向可靠性的技术本身可能成为攻击面。作者提出了一种
Can Open-Source LLM Agents Replace Static Application Security Testing Tools? An Empirical Assessment
本文旨在评估开源大型语言模型（LLM）代理在静态应用安全测试（SAST）中的有效性，以探索其能否替代传统SAST工具。研究背景是：随着生成式AI的发展，基于LLM的安全代理引起了广泛关注，但开源模型在专业化安全任务中的实际表现尚不明确。核心
Runtime Skill Audit: Targeted Runtime Probing for Agent Skill Security
本文针对LLM代理技能的安全问题提出了一种名为Runtime Skill Audit（RSA）的动态分析方法。代理技能允许LLM代理复用指令、资源、工具和工作流，但也为恶意行为提供了藏身之处。一个技能可能在文档或代码中看似良性，但只有在特定
Dummy Backdoor as a Defense: Removing Unknown Backdoors via Shared Internal Mechanisms for Generative LLMs
该论文针对大型语言模型（LLM）面临的后门攻击威胁，提出了一种基于共享内部机制的未知后门移除方法。后门攻击会使模型在干净输入下表现正常，但遇到特定触发器时输出攻击者指定的有害内容。由于防御者通常不了解后门类型或内部机制，移除未知后门极具挑战
JailbreakOPT: Tool-Assisted Iterative Jailbreak Prompt Optimization
本文提出 JailbreakOPT，一个工具辅助的迭代式越狱提示优化框架，旨在自动化生成更强大的单轮越狱攻击提示，以暴露大型语言模型（LLM）的安全漏洞。现有方法存在权衡：手工设计的提示虽表达力强但静态，而迭代优化虽能自适应但通常依赖低级变
Context-Based Adversarial Attacks on AI Code Generators: Vulnerability Analysis and Implications
本研究系统性地调查了基于上下文的对抗攻击对AI代码生成器的安全影响。作者通过向大型语言模型（如CodeT5+、CodeLlama、GPT-3.5-Turbo和GPT-4）提供精心设计的上下文输入（包括注释、文档、变量名），诱导模型生成存在漏
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比较实证评估。背景：MLLMs在安全关键场景中应用增多，但视觉通道使其易受对抗攻击，而主要面向文本的安全对齐只能部分应对。重新训练模型以适应每种新漏洞类成本过高。因此，研究聚焦于推
Training LLMs to Enforce Multi-Level Instruction Hierarchies via Gravity-Weighted Direct Preference Optimization
本文针对生产环境中大型语言模型（LLM）处理来自不同信任级别指令时存在的结构性脆弱性展开研究。当前LLM对所有令牌赋予相同的架构特权，这导致恶意提示注入攻击有机可乘，且模型缺乏解决合法但冲突指令之间矛盾的原则性方法。现有基于训练的方法试图教
Toward Secure LLM Agents: Threat Surfaces, Attacks, Defenses, and Evaluation
本文是一篇关于大型语言模型（LLM）智能体安全性的全面综述，共整合了247篇相关论文。论文指出，LLM智能体正从对话界面快速演变为能够规划、调用工具、维护记忆并在外部环境中行动的软件组件，这一转变从根本上改变了安全风险的性质。在智能体场景中
ConnectBot SSH Client Library: Excessive allocation and integer overflow in DER private-key parsing
## Summary The DER parser used for application-supplied private keys did not safely validate encoded length values befo
ConnectBot SSH Client Library: Unbounded SSH field lengths can cause excessive memory allocation
## Summary The SSH protocol parser trusted attacker-controlled length and count fields without first checking that the
PyO3 has a missing `Sync` bound on `PyCFunction::new_closure` closures
`PyCFunction::new_closure` (and the temporary `new_closure_bound` complement in the 0.21–0.22 series) required the suppl
esbuild: Missing binary integrity verification in Deno module enables remote code execution via NPM_CONFIG_REGISTRY
### Summary The esbuild Deno module (`lib/deno/mod.ts`) downloads native binary executables from an npm registry and wr
esbuild allows arbitrary file read when running the development server on Windows
### Summary The development server contains a path traversal vulnerability on Windows when serving files from `servedir