obliv-clang: Real-World Oblivious Programming in C++
本文提出 obliv-clang,一个编译时检查工具,用于在 C++ 程序中实现 oblivious 编程,从而缓解时序和访问模式侧信道攻击。文章首先指出在可信执行环境(TEE)中处理机密数据时,侧信道攻击已成为关键安全问题。Oblivio
今日共收录 1237 条安全情报,包含 420 个 CVE,450 篇安全通告,以及 98 篇研究论文。
← 返回归档列表本文提出 obliv-clang,一个编译时检查工具,用于在 C++ 程序中实现 oblivious 编程,从而缓解时序和访问模式侧信道攻击。文章首先指出在可信执行环境(TEE)中处理机密数据时,侧信道攻击已成为关键安全问题。Oblivio
本文提出了一种名为混合基数一次性密码本(MR-OTP)的新型密码原语,它是经典二进制一次性密码本(OTP)在非均匀基上的推广。研究基于2012年一篇短预印本中的非传统密码表示核心,作者将其形式化并扩展为通用框架。核心思想是:明文符号可以来自
该论文关注AI驱动系统演化(即使用AI智能体迭代重写系统程序)中可能产生的隐藏弱点。现有框架如AdaEvolve和Engram声称能在多种任务上超越人类设计的算法达12-60%,但这些AI演化程序在未见工作负载下可能出现性能退化、可扩展性问
随着AI智能体(Agent)通过Agentic路由基础设施(ARI)访问外部模型、工具和服务以管理异构接口和碎片化订阅,ARI架构引入了根本性的信任风险:它能够以明文方式获取智能体查询和服务响应,同时智能体无法验证其查询是否被路由到预期的服
该论文提出 FuseChain,一种针对软件供应链攻击的运行时检测框架。软件供应链攻击日益呈现多阶段、跨源和时间分散的特点,攻击痕迹往往分散在不同粒度和视角的多源遥测(如包/运行时跟踪、进程事件、网络遥测、DNS/HTTP 元数据、安全告警
本研究探讨了如何将不可靠的基本问题求解器组织成能够可靠解决困难问题的复合结构,并揭示了其理论极限。作者构建了一个“分解代数”(decomposition algebra):将基本求解器视为随机范畴中的态射,并通过四个组合子——顺序组合、并行
本文针对差分隐私下统计查询的多层级发布问题展开研究。在实际场景(如数据库、移动计算、数据市场)中,多个分析师可能对同一数据集发起相同的统计查询,但由于信任程度或支付意愿的差异,每个分析师收到的答案需满足不同的隐私预算。现有处理多层级差分隐私
该研究针对微调导致大语言模型安全对齐退化的问题,提出了一种局部几何分析框架。背景:即使训练数据不含任何有害内容,在数学辅导等良性任务上微调已对齐的语言模型也会系统性破坏安全护栏。现有机制方法虽揭示了安全对齐在模型权重中的位置,但缺乏通用的形
本文挑战了关于模型窃取攻击的传统认知:即攻击者通过构建高保真代理模型便能获得与原始模型提供者相当的经济优势。作者指出,由于基于查询的提取只能部分监督目标模型的输入-输出行为,代理模型并非唯一确定;实际上存在一个“Rashomon Set”
该论文实验性展示了在商用现货(COTS)DRAM芯片中,利用同时多行激活(SiMRA)技术可以生成唯一、可重复且设备特定的签名,适用于物理不可克隆函数(PUF)响应。作者对来自10个内存模块的112个现代DDR4 DRAM芯片进行了严格实验
本文针对模糊私有集合交集(Fuzzy Private Set Intersection, FPSI)问题提出了新的协议。FPSI允许两方在不泄露各自集合元素的情况下,找出在某种距离度量下相近的元素对。此前的工作要么在阈值δ上呈线性复杂度,要
移动目标防御(MTD)是一种主动安全策略,通过动态改变系统参数来增强网络弹性,从而阻止攻击者获取执行隐蔽攻击所需的关键信息。本文针对智能电网场景,考虑操作员修改支路导纳以实现MTD的问题,重点研究如何以更少的支路导纳修改次数和更短的计算时间
该论文挑战了视觉语言模型(VLM)自提升训练中的一个常见假设:更强的验证器必然带来更强的学生模型。作者指出,验证器的质量高度依赖于特定任务,不能简单地按参数规模或整体性能排序。他们设计了一个四层开源验证器阶梯,在MathVista、MMMU
本文研究浏览器自动化框架(如无头浏览器)在网络安全与隐私研究中的使用,以及网站机器人检测脚本对其的干扰问题。尽管自动化浏览器在Web测量中广泛应用,但越来越多的网站部署机器人检测技术,可能导致自动浏览器被屏蔽或返回不同内容,从而威胁测量有效
该论文聚焦于TinyML硬件加速器中量化神经网络(QNN)的安全性问题。TinyML设备因功耗和尺寸限制广泛采用量化技术,但先前安全研究主要关注全精度深度神经网络(DNN),且认为QNN对常见逃避攻击具有相似或更强的鲁棒性。然而,这些研究未
该论文对长期任务型自主AI系统的安全挑战进行了结构化分析。研究首先系统梳理了当前此类系统面临的主要威胁,包括提示注入、对抗性攻击、工具滥用、记忆污染及长期任务中的攻击传播等。接着,论文评估了现有的安全评估方法,指出它们在覆盖度和深度上的不足
论文提出了AgentCyberRange,第一个开放、多靶场的基础设施,用于在逼真的网络靶场中衡量前沿AI系统的自主网络攻击能力。该基准整合了15个真实Web应用程序中的110个漏洞,以及8个包含156个内部主机的企业级网络靶场,并提供了C
该研究对苏丹最常用的四款移动银行应用(Bankak、Fawry、Okash、Sahil)进行了系统安全审计,这些应用合计拥有超过160万用户。采用移动安全框架(MobSF)和Quixxi工具进行静态应用安全测试(SAST),并对照OWASP
安卓恶意软件源代码稀缺,现有数据集多基于二进制或反编译代码,难以直接反映攻击者意图。本文提出MASCOT-Android,一个精心整理的安卓恶意软件源代码数据集,并构建了自动化收集管道,用于从GitHub中规模化发现恶意软件源码。研究发现,
本文对2022年1月1日至2026年3月27日期间(四年三个月)的Web3安全格局进行了实证分析。数据集包含22家独立安全公司发布的23,818份公开审计结果,以及rekt.news记录的218起真实世界漏洞事件,累计损失约77.6亿美元。