2026-06-25 归档

CVE-2026-13037 · CVE-2026-13022 · CVE-2026-13025 · CVE-2026-13030 · CVE-2026-13023 · CVE-2026-13031 · CVE-2026-13036 · CVE-2026-13032 · CVE-2026-13033 · CVE-2026-13038 · CVE-2026-13027 · CVE-2026-13035 · CVE-2026-13026 · CVE-2026-13024 · CVE-2026-13034 · CVE-2026-13029 · CVE-2026-13021 · CVE-2026-13028

The Stable channel has been updated to 149.0.7827.196/197 for Windows and Mac and 149.0.7827.196 for Linux, which will r

历史摘要 · 未重新核验 · Google Chrome Releases

#google #chrome #browser

学术论文2026-06-25 发布INFO

How to Bind Anonymous Credentials to Humans.

未提供论文摘要，无法生成详细摘要。

历史摘要 · 未重新核验 · USENIX Security

#anonymous-credentials #privacy

学术论文2026-06-21 发布INFO

VeriPort: Automated and Verified Patch Backporting at Scale

本文提出 VeriPort，一个端到端的自动化补丁回溯系统，旨在解决开源依赖中已知漏洞的修复难题。当前，安全补丁通常仅针对最新版本发布，开发者面临两难：要么升级到最新版本（可能引入破坏性变更），要么手动将补丁回溯到旧版本。现有回溯方案只能针

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.SE #software-supply-chain #patch-backporting #vulnerability-management

学术论文2026-06-21 发布INFO

SCRUB-FL: Sanitizing and Cleansing Representations via Unlearning of Backdoors

联邦学习（FL）允许多方协作训练模型而不共享原始数据，但分布式特性使其易受后门攻击——恶意客户端在本地训练数据中嵌入隐藏触发器，操纵模型预测。现有防御主要在聚合前或聚合中生效，无法完全消除收敛后全局模型中残留的后门行为。此外，服务器在训练后

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.LG #cs.AI #cs.CV #federated-learning #backdoor-defense #machine-unlearning

学术论文2026-06-22 发布INFO

CITADEL: CSI-Based Jamming Detection and Open-Set Classification for IIoT Networks

该论文提出CITADEL，一种基于信道状态信息（CSI）的轻量级两级分层流水线，用于工业物联网（IIoT）网络中的干扰检测与分类。无线射频干扰对IIoT网络的可用性构成严重威胁，但现有方法要么依赖粗糙的信号强度或跨层特征（信息量不足），要么

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.LG #cs.NI #iiot #csi #jamming-detection #open-set-classification

学术论文2026-06-24 发布INFO

Automated Detection of Configuration-Specific Security Vulnerabilities via Patch Analysis

该论文研究高度可配置的C/C++系统（如Linux内核）中安全补丁与编译时配置变体之间的映射关系。作者形式化定义了“漏洞影响条件”（VIC）——一个关于配置选项的布尔谓词，表示所有包含原始缺陷的变体。并提出了PatchLens，一种纯静态技

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.SE #configurable-software #static-analysis #vulnerability-detection #patch-analysis

学术论文2026-06-23 发布INFO

Certification of Machine Learning Models via Directional Sharpness

机器学习模型的认证对于确保模型的可信度和质量至关重要。模型的泛化能力（即对未知数据的表现）是衡量其质量的关键，但直接认证泛化能力难以实现，因为它依赖于未知数据且不可直接测量。传统代理指标（如测试准确率）在训练过程受到扰动（有意或无意）时可能

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.LG #model-certification #generalization #directional-sharpness

学术论文2026-06-23 发布INFO

DoHFuse: A Dual-Branch Architecture with DMAGLSTM for Website Fingerprinting over DNS over HTTPS/3

本文针对物联网环境中DNS over HTTPS/3 (DoH/3) 流量的网站指纹攻击问题展开研究。随着个人数据隐私日益重要，DoH和DoT等安全DNS协议被广泛采用，但若无有效混淆，这些协议仍易受网站指纹攻击。随着DoH/3在现代网络系

历史摘要 · 未重新核验 · arXiv cs.CR

#website-fingerprinting #dns-over-https-3 #privacy #iot-security

学术论文2026-06-22 发布INFO

Cyclic Denoising Reveals Ultrastable Memories in Diffusion Models

该论文提出了一种名为“循环去噪”（Cyclic Denoising）的新型攻击方法，用于从图像扩散模型中提取记忆的训练样本。该方法灵感来源于无序固体中的随机组织现象，通过反复执行前向加噪和反向去噪过程（在受控的噪声幅度下），将样本驱动至模型

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.LG #cond-mat.dis-nn #cs.CV #diffusion-model #privacy-attack #memorization

学术论文2026-06-22 发布INFO

The Serialized Bridge: Understanding and Recovering LLM Serving Performance under Blackwell GPU Confidential Computing

本研究深入分析了NVIDIA Blackwell平台（RTX Pro 6000和B300 HGX）上GPU机密计算（GPU-CC）对LLM推理性能的影响。尽管GPU-CC在本地计算上几乎无开销（BF16矩阵乘法性能为0.998倍），但在In

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.DC #cs.PF #confidential-computing #gpu #llm-inference #performance-analysis

学术论文2026-06-22 发布INFO

Are Safety Guarantees in Neural Networks Safe? How to Compute Trustworthy Robustness Certifications

该论文聚焦于神经网络鲁棒性认证的可信计算问题。鲁棒性认证旨在为给定输入确定最大扰动范围（轴对齐超矩形），使模型在该范围内预测不变。现有方法追求体积最优认证，但近期的难解性结果证明，在合理时间内计算体积最优认证不可行。为此，作者引入新度量“a

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.LG #cs.AI #neural-network #robustness-certification #AI-safety

学术论文2026-06-22 发布INFO

Optimal Small Set Expanders and Their Codes

本文研究最优小集扩张器（optimal small-set expanders）及其在编码理论中的应用。小集扩张器是一种左正则二分图，其左顶点集的任何大小不超过t的子集X至少有α|X|个邻居。如果小集具有尽可能多的邻居，则该图为最优小集扩张

历史摘要 · 未重新核验 · arXiv cs.CR

#math.CO #cs.IT #small-set-expander #coding-theory #post-quantum-cryptography

学术论文2026-06-22 发布INFO

Cryptographic certificates of validity for trustworthy AI

该论文针对当前AI智能体系统在可信执行与合规验证方面的挑战，提出了一种基于密码学有效性证书的新颖方案。核心思想是：首先将智能体应满足的正确性或策略条件形式化为逻辑谓词；然后将该谓词编译为多项式约束上的证人（witness）检查问题；最后利用

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.AI #cs.LO #cryptographic-proofs #agent-security #formal-verification