OpenClaw’s Skill Marketplace and the Emerging AI Supply Chain Threat
Unit 42's analysis of ClawHub revealed evasive malicious skills bypassing automated scanners to deploy infostealers and
2026-06-25 归档
今日共收录 1364 条安全情报，包含 629 个 CVE，391 篇安全通告，以及 120 篇研究论文。
← 返回归档列表The Identity Problem Hiding in AI Agent Deployments
The Identity Problem Hiding in AI Agent Deployments
94% of Organizations Report Cloud Breaches: CrowdStrike State of CDR Survey
94% of Organizations Report Cloud Breaches: CrowdStrike State of CDR Survey
Trouble Over-The-Air: An Analysis of FOTA Apps in the Android Ecosystem.
该论文对Android生态系统中的固件空中下载（FOTA）应用进行了首次大规模系统性分析。FOTA应用负责管理Android设备固件的更新，拥有高权限，对设备安全至关重要。然而，厂商特定实现可能因不良软件工程实践引入安全和隐私问题。研究者设
Lightweight Techniques for Private Heavy Hitters.
本文提出了一种轻量级协议来解决私有重击者问题。在该问题中，存在多个客户端和少量数据收集服务器，每个客户端持有私有比特串，服务器希望在不学习任何客户端具体字符串的情况下，恢复所有流行字符串的集合。例如，网页浏览器厂商可以使用该协议找出哪些主页
SSLGuard: A Watermarking Scheme for Self-supervised Learning Pre-trained Encoders.
自监督学习作为一种新兴的机器学习范式，利用无标签数据预训练强大的编码器，这些编码器可作为特征提取器服务于各种下游任务。然而，由于预训练过程需要大量数据和计算资源，编码器本身成为模型所有者的宝贵知识产权。研究表明，模型窃取攻击通过训练替代模型
SortingHat: Efficient Private Decision Tree Evaluation via Homomorphic Encryption and Transciphering.
本文提出SortingHat，一种高效的私有决策树评估（PDTE）方案，利用同态加密（HE）和转译（transciphering）技术，解决现有PDTE方案在通信复杂度和计算效率上的瓶颈。传统方法中，客户端需对每个决策节点发送加密查询，导致
HammerScope: Observing DRAM Power Consumption Using Rowhammer.
HammerScope 是一项针对 Rowhammer 攻击的新研究，揭示了 DRAM 行锤击操作不仅导致比特翻转，还伴随可观测的功耗波动。论文首先分析了 Rowhammer 操作对 DRAM 芯片功耗的影响机制：重复激活（行锤击）使得存储
One Server for the Price of Two: Simple and Fast Single-Server Private Information Retrieval.
该论文提出了一种新颖的单服务器私有信息检索（PIR）协议，旨在解决传统单服务器PIR方案中计算或通信开销过高的问题。现有单服务器PIR通常依赖于同态加密或伪随机函数，导致服务器端计算复杂度与数据库大小成正比，实际部署昂贵。作者通过一种简洁的
Copy-on-Flip: Hardening ECC Memory Against Rowhammer Attacks.
Rowhammer是一种利用DRAM行间电荷泄露改变内存比特值的硬件漏洞，严重威胁系统安全。学术界和工业界已探索近十年，但尚未找到实用的缓解方案。纯软件缓解需要复杂改动且性能开销大，硬件缓解虽稳健但难以部署于现有系统。ECC内存原本通过纠错
RR: A Fault Model for Efficient TEE Replication.
本文提出了一种针对可信执行环境（TEE）复制的故障模型——重启回滚（RR）模型。TEE 通过硬件隔离确保计算保密性和完整性，但仅能抵御大部分外部故障，除崩溃外。因此，理论上崩溃容错（CFT）复制协议足以复制 TEE 内的可信代码。然而，TE
OBSan: An Out-Of-Bound Sanitizer to Harden DNN Executables.
本文针对深度学习编译器生成的DNN可执行文件缺乏安全保护的问题，提出了OBSan，一种用于检测DNN可执行文件中越界（Out-of-Bound, OOB）行为的快速消毒器。DNN涉及双向计算：前向传播（预测输出）和后向传播（梯度计算）。神经
DP-Sniper: Black-Box Discovery of Differential Privacy Violations using Classifiers.
本文提出DP-Sniper，一种实用的黑盒方法，用于自动发现差分隐私（DP）实现中的违规行为。该方法基于两个核心思想：（1）训练一个分类器来预测观察到的输出是否可能来自两个可能的输入之一；（2）将该分类器转化为一个近似最优的差分隐私攻击。实
High-Assurance Cryptography in the Spectre Era.
该论文研究了高保障密码学在现代处理器投机执行（Spectre）下的安全性。传统的高保障密码学通过程序验证和密码工程方法，提供内存安全、功能正确性、可证明安全性和无时序泄露的机器校验证明。然而，这些保证建立在顺序执行语义之上，与利用投机执行提
Sharp: Short Relaxed Range Proofs.
该论文提出了一种名为 Sharp 的新型短宽松范围证明（short relaxed range proof）协议。范围证明允许证明者向验证者证明一个秘密值落在指定区间内，而不泄露具体数值，是零知识证明和隐私保护应用中的核心原语。传统的范围证
The Generals' Scuttlebutt: Byzantine-Resilient Gossip Protocols.
本文提出并分析了拜占庭容错（Byzantine-resilient）的 gossip 协议，即“将军们的流言蜚语”。在分布式系统中，gossip 协议常用于高效地传播信息，但传统 gossip 协议假设所有节点诚实。本文首次系统性地研究了在
Securing Federated Sensitive Topic Classification against Poisoning Attacks.
该论文提出了一种基于联邦学习（FL）的分布式分类器，用于检测包含敏感内容（如健康、政治信仰、性取向等类别）的URL。传统的集中式分类器存在隐私风险和数据集中问题，而联邦学习允许在本地数据上训练模型，仅共享模型更新，从而保护用户隐私。然而，联
Fourteen Years in the Life: A Root Server's Perspective on DNS Resolver Security.
该论文从根服务器的视角，利用14年的DNS查询日志数据，系统性地分析了全球DNS解析器的安全状况。研究重点关注解析器的开放递归、DNSSEC验证行为、以及针对根服务器的异常查询模式。通过大规模长期观测，作者揭示了解析器安全配置的演变趋势：例
"Employees Who Don't Accept the Time Security Takes Are Not Aware Enough": The CISO View of Human-Centred Security.
该论文通过深度访谈多位首席信息安全官（CISO），研究他们如何理解和实施以人为本的安全（HCS）理念。研究发现，CISO普遍认为员工对安全措施所需时间的不接受是安全意识不足的表现，而非安全流程设计问题。CISO倾向于将安全违规归因于员工行为
ProbFlow : Using Probabilistic Programming in Anonymous Communication Networks.
本文提出 ProbFlow，一种基于概率编程的方法，用于估计 Tor 匿名通信网络中继节点的容量。作者首先改进了先前提出的网络概率模型，使其能够更准确地反映真实 Tor 网络的复杂性。然后利用 NumPyro 概率编程语言进行推理，克服了纯