TopVenues: A Reproducible Corpus and Tooling Substrate for Cybersecurity Literature Reviews
该论文提出了 TopVenues，一个用于构建可重复网络安全文献综述语料库的开源系统。传统的文献综述需要从出版商门户、书目索引和学术 API 中重建论文集，但这些源头的覆盖范围、格式和查询语义随时间变化，导致综述难以复现。TopVenues
2026-06-18 归档
今日共收录 819 条安全情报，包含 0 个 CVE，417 篇安全通告，以及 115 篇研究论文。
← 返回归档列表Beyond Native Success: Auditing Deployment-Interface Exposure of CLIP Backdoors
本文针对CLIP（对比语言-图像预训练）模型在后门攻击下的部署接口暴露问题展开研究。CLIP模型广泛应用于特征提取、检索、重排序和选择等下游接口，但现有后门攻击通常仅在单一攻击任务（如分类）上验证有效性，忽略了模型在通过其他接口复用时，后门
FEnc$^2$: Unifying Data Packing for Efficient Private Inference via Convolution and Architecture-Aware Fragment Encoding
本文针对基于全同态加密（FHE）的隐私保护机器学习推理中存在的计算和内存开销问题展开研究。现有密文打包策略通常仅保持邻近数据元素或特征分组中的一种，导致密文槽利用率低、旋转操作过多、密文数量膨胀，严重制约了推理效率。为此，作者提出了一种统一
Quantifying Compromise Risk in Exceptional Access Architectures Under Sparse and Indirect Evidence
本研究构建了一个结构化不确定性框架，用于量化合法特殊访问（EA）架构中的系统性妥协风险。EA架构允许授权方解密受保护通信，但其风险评估长期处于定性争论阶段，面临两大难题：一是缺乏EA特定妥协事件的公开数据集，只能依赖稀疏且间接的证据；二是以
CHERI-D: Secure and efficient inline object ID for CHERI temporal memory safety
本文提出 CHERI-D，一种对 CHERI 架构的扩展，旨在高效支持时间内存安全。CHERI（Capability Hardware Enhanced RISC Instructions）是一种领先的硬件/软件协同设计，提供原生空间内存安
Lifecycle-Aware Dynamic Analysis for Secure ML Model Execution
本论文针对预训练机器学习模型在加载和推理过程中面临的安全威胁展开研究。随着模型平台（如Hugging Face Hub）的普及，攻击者可以将恶意行为嵌入模型文件内部，例如通过pickle序列化漏洞执行任意代码或植入后门。现有的模型扫描方案主
A Predictive Neural Network Architecture for Early Detection of Low-Rate Cyberattacks
本文提出了一种名为IDQS（Intrusion Detection via QoS Prediction）的轻量级主动框架，用于早期检测低速率拒绝服务（LDoS）攻击。LDoS攻击因其隐蔽性和持久性，常能绕过传统入侵检测系统，对物联网（Io
Stealthy World Model Manipulation via Data Poisoning
该论文研究了基于模型的学习智能体在微调世界模型时面临的数据投毒攻击风险。世界模型用于预测未来状态、规划动作和适应新环境，但其更新过程依赖于从收集的经验中微调，这为攻击者提供了训练时攻击面。论文提出了SWAAP，首个针对学习世界模型的两阶段数
AI Sandboxes: A Threat Model, Taxonomy, and Measurement Framework
本文提出了一套针对AI沙箱的威胁模型、分类法和度量框架。研究背景是，AI系统（包括物理AI、AIoT和网络物理系统）越来越多地在受限环境中进行评估，这些环境结合了隔离、模拟、检测、监督和证据捕获。作者首先形式化了沙箱边界，并提出了一个最弱环
Evaluating Prompting-Based Defenses Against Domain-Camouflaged Injection Attacks
本文系统评估了五种基于提示的防御策略（spotlighting、paraphrasing、prompt sandwiching 以及两种组合方法）对抗领域伪装注入攻击的效果。领域伪装注入攻击利用与检索内容所在领域（如金融、法律、通用）相关的
Architectural Bias in Face Presentation Attack Detection: A Comparative Study of Vision Transformers and Convolutional Neural Networks
该论文针对人脸呈现攻击检测（PAD）系统中存在的跨人口统计组性能偏差问题，系统比较了视觉Transformer（ViT）与卷积神经网络（CNN）两种架构在减少偏差方面的效果。研究使用CASIA-SURF跨种族人脸反欺骗（CeFA）数据集，包
Learning Red Agent Policy from Observations for Neurosymbolic Autonomous Cyber Agents
本文针对现代网络中日益复杂的网络攻击，提出了一个从观测数据中学习红方代理策略的方法，以增强自主网络防御代理的能力。现有基于强化学习的神经符号自主防御代理在部分可观测系统中面临挑战，因为红方攻击者的动作不可观测，导致防御者难以预测攻击行为、学
Gatling: Rapid-Fire Consensus from Parallel Composition
本文提出了一种名为 Gatling 的新型原子广播协议，旨在进一步降低区块链等复制状态机中共识协议的无故障事务延迟。在无故障情况下，事务延迟由提案间隔时间和确认延迟共同决定。现有最优协议已经达到了确认延迟的理论下界，但提案间隔时间仍受限于一
Verifiable computations for dynamic encrypted control
本文提出了一种针对线性动态加密控制系统的可验证计算方法，旨在确保云服务器外包计算结果的完整性，防止恶意篡改。现有方法或依赖高计算代价的密码学协议，或仅适用于静态计算，难以扩展到动态控制器场景。作者利用控制器的系统理论输入-输出特性，设计了一
Differential Privacy of Gaussian Process Posterior Sampling
本文研究高斯过程（GP）后验样本路径发布的差分隐私问题，其中整个训练集（包括协变量和响应）被视为私密。与通过添加外部噪声实现差分隐私的标准机制不同，后验采样由于其固有随机性而自然具有随机性。我们证明这种内在随机性能够提供差分隐私保证，通过推
Children Are Not the Enemy: Child-Fit Security as an Alternative to Bans and Surveillance
本文对当前儿童在线安全的主流方法（如禁令、年龄门控、家长监控、屏幕时间限制等）提出了批判性反思，认为这些“围堵导向”的方法将儿童视为需要被排除的攻击者、需要修补的漏洞或需要管理的风险，而非合法用户。作者提出了一种新的安全设计范式——Chil
TIGER: Inverting Transformer Gradients via Embedding-Subspace Distance Optimization
本文提出了一种针对 Transformer 模型的连续梯度反转攻击方法 TIGER。在联邦学习场景中，客户端仅向中央服务器发送梯度更新，但现有的梯度反转攻击表明这些更新足以重建客户端原始输入。针对 Transformer 模型，已有攻击方法
Anywhere, Any-Stymie: Remote Activation of Trojan Malware on LiDAR with Modulated Signals
本文首次揭示了一种针对激光雷达（LiDAR）传感器的远程触发木马攻击面。作者指出，嵌入LiDAR传感管道的休眠恶意软件在正常操作期间保持不活跃，但在部署后可通过外部方式远程触发，而无需在攻击时接触传感器硬件或网络。为了实现这一威胁，研究人员
An AI Security Agent for Banking: Multi-Vector Fraud and AML Detection Across Retail and Corporate Accounts
本文针对银行同时面临的基于签名的欺诈（如无卡支付攻击、账户接管、ATM克隆）和行为金融犯罪（如结构化交易、分层、钱骡网络、商业邮件欺诈）两类具有不同检测需求的威胁，提出了一种面向零售和企业银行的AI安全代理。该代理采用三组件融合架构，运行在
SNAS: A Multi-Layer Defense-in-Depth Architecture for Secure Egress in Sandboxed Workloads
本文提出并描述了Snowpark中的安全网络访问架构（SNAS），旨在解决沙箱化工作负载在需要外部网络连接时的安全与隔离挑战。Snowpark是Snowflake的数据工程和AI/ML平台，允许用户定义函数在安全沙箱中执行。许多任务需要访问