Your Privacy My Cloak: Backdoor Attacks on Differentially Private Federated Learning
本文质疑了差分隐私（DP）能够增强联邦学习（FL）对后门攻击鲁棒性的普遍假设。通过分析两种基线攻击策略，作者发现DP-FL中存在一个根本性的矛盾：绕过DP会使最先进的防御能够检测并过滤恶意更新，而遵守DP则无意中掩盖了恶意更新的统计特征，导
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Di5Guise: 5G Privacy with vSIM
本论文研究了5G网络中SIM卡导致的用户隐私泄露问题。传统SIM卡和eSIM存在固定的设备配置文件（包括密钥、证书和唯一eUICC标识符），该配置文件永久绑定到设备上所有订阅配置文件。这使得拥有蜂窝网络运营商视角的攻击者能够将不同订阅身份关
The Ghosts of Polymarket: When Off-Chain Matches Meet On-Chain Reverts
本论文研究了去中心化预测市场平台 Polymarket 由于采用链下匹配、链上结算的混合架构导致的一致性漏洞“Ghost Fills”（幽灵填充）。Polymarket 为实现低延迟交易，在链下撮合订单，但最终的结算必须在链上执行。这一设计
Cross-Silo De-Anonymization Under Local Differential Privacy: Threat Model, Phase Transition, and Coordination Necessity
本文研究在本地差分隐私（LDP）保护下，多个独立数据孤岛联合输出时，攻击者能否识别特定个体的去匿名化威胁。标准组合机制认为，每个孤岛满足 (ε,δ)-DP 时，联合输出满足 (kε, kδ)-DP，但该最坏情况界无法回答具体推理问题：当 k
Robust and Automated Reconfiguration of Byzantine Wide-Area Replication
本文研究了拜占庭容错状态机复制（BFT-SMR）系统中的配置优化问题。BFT-SMR 通过冗余机制容忍拜占庭节点，但会带来显着的性能开销。近期研究表明，通过动态配置优化（如根据网络延迟分配领导者角色和调整投票权重）可以提升共识性能。然而，作
TrustErase: Auditable Instant Machine Unlearning with Passport-Embedded Representations
随着隐私合规AI需求的增长，机器遗忘变得愈发重要。然而，现有的基于重新训练或知识蒸馏的方法不仅计算成本高，而且难以验证。本文提出了TrustErase，一个可验证的无数据遗忘框架，利用护照嵌入表示实现即时、模块化且可审计的遗忘。核心思想是将
SoK: Taxonomizing the Low-Level Attack Surface of Modern Web Browsers
该论文是系统化知识（SoK）研究，旨在对现代Web浏览器的低层攻击面进行系统化分类和分析。背景是：浏览器作为远程攻击面，内存破坏漏洞在真实世界利用中仍占核心地位。尽管过去十年已有大量浏览器测试和漏洞披露工作，但社区仍缺乏一个明确的、防御导向
Graph neural networks at war: integrating cybersecurity and drone intelligence in the Israeli-Iranian conflict
该研究探讨了在物理网络系统（包括网络入侵和无人机）中，如何利用图神经网络（GNN）辅助网络安全和无人机管理。作者提出了一种集成流程，使入侵检测系统能够学习底层网络结构，识别恶意活动，并促进无人机响应措施。基于模拟案例研究，创建了网络攻击模型
A data-driven security quantification framework for IoT-based systems
本文针对物联网（IoT）环境中的网络安全量化评估难题，提出了一种数据驱动的概率安全框架。传统攻击树分析（ATA）通常依赖专家判断或启发式评分，主观性强且可重复性差。该框架融合了基于模型的系统工程（MBSE）、攻击树分析以及经验漏洞数据，具体
A Formal Resilience Framework for Cyber-Physical Embodied Systems under Device-Level Cyberattacks
该论文针对网络物理系统（CPS）面临设备级网络攻击时的弹性问题展开研究。传统容错机制通过分析传感器和执行器输出检测渐进漂移或突发故障，并启动相应容忍机制，这在通用故障模型下合理，但无法捕捉网络攻击可能采用的细微策略。对于具身CPS（Embo
MPX: A Unified Systolic Array for Matrix and Polynomial Multiplication
本文提出 MPX，一种统一的双模式脉动阵列架构，能够同时支持矩阵乘法和多项式乘法。研究背景是全同态加密（FHE）和后量子密码（PQC）中多项式乘法是关键操作，通常通过数论变换（NTT）加速。现有方法是将 NTT 映射到现有的脉动矩阵引擎上，
From Refusal Geometry to Safety Geometry: Harmfulness--Refusal Coupling under Dynamic Adversarial Fine-Tuning
该论文研究了语言模型在安全对齐过程中，拒绝有害请求与回答良性请求之间的耦合关系。现有评估通常只关注模型的最终拒绝表现，但未能揭示模型是否真正学会了识别有害性、激活拒绝策略，还是仅将两者简单耦合。为此，作者提出了一种“双安全几何”协议，通过测
Fractional Verkle Trees: A Hypertree Decomposition and Verified Proof Serialization Architecture for High-Performance Blockchain State Accumulators
现代区块链状态管理面临严重的可扩展性瓶颈：对数十亿条加密承诺进行维护在计算上代价高昂。以太坊正在转向Verkle树——一种基于多项式承诺的累加器，通过恒定大小的IPA向量承诺将证明大小从O(宽度*深度)降低到O(深度)，这是迈向无状态操作的
Dynamic Malicious Skills in Agentic AI
该论文研究了一种针对智能体AI（Agentic AI）的新攻击面——动态恶意技能（Dynamic Malicious Skills）。技能是智能体AI的核心组成部分，通过自然语言文档（如SKILL.md）定义，允许代理动态加载和执行代码。攻
Scalable Malware Family Classification Using Quantum Kernel Based Machine Learning
本文针对恶意软件家族分类这一网络安全关键挑战，提出了一种可扩展的基于量子核的机器学习（QKML）框架。传统机器学习模型在面对结构相似且混淆的恶意软件样本时，多分类准确率较低且难以大规模部署。该框架首先从可执行文件中提取结构特征，通过监督线性
obliv-clang: Real-World Oblivious Programming in C++
本文提出 obliv-clang，一个面向 C++ 的编译期检查工具，旨在帮助开发者编写 oblivious（无感知）程序，以防止通过执行时间和数据访问模式泄露秘密的侧信道攻击。传统的侧信道防御通常需要程序员手动改写代码或依赖硬件机制，但
MASCOT-Android: A Curated Dataset and Automated Collection Pipeline for Android Malware Source Code Specimens
本文提出MASCOT-Android，一个经过整理的Android恶意软件源代码数据集及自动化收集流水线。Android恶意软件源代码相较于二进制或反编译代码更能直接反映攻击者意图，但由于源代码稀缺且人工审查成本高昂，此类数据集难以构建和维
Compute-Budgeted Exploitability Evidence Graphs for Prospective Vulnerability Triage
该论文针对网络安全防御者面临的一个实际问题：由于资源有限，无法立即修补所有新披露的漏洞，因此需要前瞻性地预测哪些漏洞最可能被利用。当前的可利用性预测方法多是在事后评估，即使用所有可用信息（包括未来信息）来评价模型性能，这会导致信息泄漏（le
A Composable CRDT Layer for Byzantine-Resilient Deterministic Reconstruction
论文提出了一种通过确定性状态重建（deterministic state reconstruction）实现拜占庭容错的CRDT（无冲突复制数据类型）方法。传统的CRDT假设参与者是良性的，通过验证或排除来处理拜占庭行为。本文则采用不同的思
An Empirical Analysis of AI Slop in Music Streaming
本文对音乐流媒体平台上的AI生成内容（俗称“AI slop”）进行了实证分析。研究背景是生成式AI大幅降低了内容创作门槛，使得大量低质量、为盈利而批量生产的AI音乐涌现，常冒充人类创作或配合欺诈脚本。研究者通过分析Spotify上的数据，发