Chrome Beta for iOS Update
Hi everyone! We've just released Chrome Beta 150 (150.0.7871.35) for iOS; it'll become available on App Store in the nex
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Chrome Beta for Android Update
Hi everyone! We've just released Chrome Beta 150 (150.0.7871.28) for Android. It's now available on Google Play.You can
SPARK: Security Knowledge Priming and Representation-Guided Knowledge Activation for LLM-based Secure Code Generation
大型语言模型（LLM）在生成代码时频繁引入可利用的安全缺陷。现有防御方法通常依赖繁重的微调或外部知识检索，带来显著的计算开销和冗余代码示例导致的数据偏差。本文提出一种相反观点：预训练语料库中已包含丰富的安全知识，缺陷在于激活不足——缺乏明确
The Proxy Knows Too Much: Sealing LLM API Routers with Attested TEEs
本文研究了大型语言模型（LLM）API路由器存在的安全风险。当AI代理通过API路由器访问LLM时，路由器会终止客户端的传输层安全会话并建立新的上游会话，导致路由器能够获取完整的明文交互内容。这使得路由器成为应用层中间人攻击者：它可以改写代
PYPILINE: Malicious PyPI Package Detection via Suspicious API Knowledge and Agent Workflow
该论文提出名为 PYPILINE 的新型恶意 PyPI 包检测方法，旨在解决现有基于规则或传统机器学习的检测方法可解释性差、难以适应新型攻击的问题。PYPILINE 首先对已知恶意包进行静态分析，提取抽象语法树并生成 API 调用图，自动抽
Image Prompt Reconstruction Attacks on Distributed MLLM Inference Frameworks
本文研究了分布式多模态大语言模型（MLLM）推理框架中图像提示的隐私泄露风险。分布式MLLM框架通过连接多个消费级设备实现大规模模型推理，降低了硬件门槛，但中间层嵌入（embeddings）在参与者之间传输时可能泄露隐私信息。现有研究主要关
Evaluating Open-Source LLMs for Multi-Label ATT&CK Technique Classification on CTI Reports
该论文针对开源大语言模型（LLM）在复杂非结构化网络威胁情报（CTI）报告中进行多标签 MITRE ATT&CK 技术分类的能力进行了系统性评估。以往的研究多使用简化、单技术的句子进行评估，导致性能被高估。为了更真实地反映现实场景，作者构建
Security and Privacy Prompts in the Wild: What Users Ask LLMs and How LLMs Respond
该论文首次大规模研究了用户向大语言模型（LLM）提出的数字安全与隐私（S&P）问题，并评估了LLM的回答质量。研究基于WildChat数据集——包含320万条用户与LLM的真实对话记录，从中识别出14,727条涉及S&P的提示（prompt
Conflict-Aware Retriever Editing for Knowledge Injection Attacks on LLM-Based RAG Systems
检索增强生成（RAG）系统通过引入外部知识库来提升大语言模型（LLM）的生成质量，但同时也面临恶意知识注入的安全威胁。现有注入攻击主要依赖数据层面操纵知识库（如构造恶意语料），但此类合成文本容易被检测模型识别，导致攻击失效。随着开源检索模型
SoK: AI-Augmented Binary Reversing
二进制逆向工程是软件理解、漏洞发现、恶意软件分析和固件审计的基础技术。然而，由于编译过程中语义信息的不可逆丢失，逆向工程本质上具有挑战性。近年来，机器学习、大语言模型（LLM）和智能体AI系统的进步加速了AI增强二进制逆向工程的发展，但相关
Transferable Self-Evolving Playbooks for Agentic Security Auditing
该论文提出了一种名为 EvoHunt 的自主演化框架，用于自动生成和优化 LLM 安全审计代理的剧本（Playbook）。当前基于 LLM 的漏洞发现代理通常由三个组件构成：用于代码分析的 LLM、用于导航和工具调用的代理框架（如 Code
Your "Pro" LLM Subscription May Actually Be "Free": Exposing Fingerprint Spoofing Risks in LLM Inference Services
大型语言模型（LLM）API的广泛使用使得用户依赖黑盒指纹识别来验证服务提供商是否真正部署了所宣称的优质模型。然而，现有指纹识别方法可能忽视恶意提供商通过操纵模型权重来欺骗指纹检测的风险。本研究提出了一种名为“指纹欺骗”（fingerpri
CrowdStrike Named a Leader in Frost & Sullivan 2026 Radar for Cloud-Native Application Protection Platforms
CrowdStrike Named a Leader in Frost & Sullivan 2026 Radar for Cloud-Native Application Protection Platforms
CrowdStrike Expands Real-Time Cloud Detection and Response to Google Cloud
CrowdStrike Expands Real-Time Cloud Detection and Response to Google Cloud
Cloud & Application Security
Cloud & Application Security
From Scanner to Stealer: Inside the trivy-action Supply Chain Compromise
From Scanner to Stealer: Inside the trivy-action Supply Chain Compromise
Next-Gen Identity Security
Next-Gen Identity Security
CrowdStrike Named a Leader in Identity Threat Detection and Response
CrowdStrike Named a Leader in Identity Threat Detection and Response
CrowdStrike Named an Innovation and Growth Leader in the 2026 Frost Radar™: Cloud and Application Runtime Security
CrowdStrike Named an Innovation and Growth Leader in the 2026 Frost Radar™: Cloud and Application Runtime Security
CrowdStrike Expands Identity Leadership with OpenID and IDPro
CrowdStrike Expands Identity Leadership with OpenID and IDPro