Mustang Panda Uses Zoho WorkDrive as Command Channel in Indian Government Attacks
The China-aligned espionage group Mustang Panda is running two campaigns against the Indian government and hydropower ta
2026-06-30 归档
今日共收录 1015 条安全情报，包含 254 个 CVE，381 篇安全通告，以及 97 篇研究论文。
← 返回归档列表Why Post-Quantum Cryptography Starts With Credentials
Today’s encrypted data, such as credentials, may no longer remain confidential in the future because the public-key cryp
Agentic AI-Powered Re-Identification: An Emerging, Scalable Threat to Mobility Microdata Privacy
该论文研究了一种由智能体人工智能（Agentic AI）驱动的重识别攻击方法，对移动微数据隐私构成新兴的可扩展威胁。背景是商业数据经纪商广泛收集细粒度位置数据，尽管已有研究表明移动轨迹具有高度独特性，但过往重识别攻击需要分析师大量人工操作，
Words Speak Louder Than Code: Investigating Cognitive Heuristics in LLM-Based Code Vulnerability Detection
该论文首次系统性地探索了大型语言模型（LLM）在代码漏洞检测中的认知启发式偏差。作者构建了一个控制框架，在保持代码不变的前提下，仅通过改变上下文环境来触发三种认知启发式：光环效应（通过作者归属）、框架效应（通过任务目标和后果描述）以及锚定效
Forensic Trajectory Signatures for Agent Memory Poisoning Detection
本论文针对LLM agents在持续内存中毒攻击下的行为模式进行了研究，发现了一个关键的行为不变性：在通过可观测的内存工具调用检索路由信息的架构中，成功的攻击必须按照特定的顺序调用工具——先调用memory_recall_fact，再调用e
On the Internet, Nobody Knows You're an LLM Bot: Unmasking Web Agents with Multi-Layer Fingerprinting
本文针对2023年以来出现的新型Web Agent（基于大型语言模型的机器人）展开研究。这类Agent能够自动化执行复杂网页任务，超越传统的Selenium、Puppeteer等自动化工具，利用LLM能力绕过反机器人机制、模仿人类行为，甚至
An Empirical Evaluation of Prompt Injection Vulnerabilities in Large Language Models Across Multilingual and Obfuscated Attack Scenarios
本论文针对大语言模型（LLM）在提示注入攻击下的安全性进行了实证评估。研究背景是随着LLM（如DeepSeek、GPT、Gemini、Grok、Llama和Qwen）在各行业的快速部署，恶意攻击者利用提示注入漏洞生成钓鱼邮件、欺诈网站和恶意
SurrogateShield: Beyond Redaction for High-Utility, Privacy-Preserving LLM Interactions
本文提出SurrogateShield，一种客户端代理机制，旨在解决LLM助手将用户查询明文传输给第三方API端点导致的PII泄露问题。传统的占位符删除方法虽然能抑制PII，但会破坏语义连贯性，导致查询结构退化及响应质量下降。Surroga
Closing the Activation-Cone Blind Spot: Response-Time Probing and Unified Defense
该论文系统性地比较了五种针对大语言模型（LLM）的推理时安全防御范式（无防御、静态引导、CAST、AlphaSteer、探针门控），在七个指令微调模型（7-31B参数规模）和五种攻击类型（GCG、AutoDAN、DeepInception、
Breaking the Rounding Trap: Securing LLMs against Quantization-Conditioned Backdoors
大型语言模型（LLM）在实际部署中常采用量化技术以降低存储和推理成本。然而，近期研究表明，量化引入的离散化和舍入误差可被攻击者利用，构造量化条件后门（QCB）攻击。此类攻击中，恶意行为在浮点全精度阶段保持休眠，仅在模型被量化部署后激活，从而
Symbolon: Symbolic Execution by Learning Code Transformation
符号执行是一种强大的程序分析技术，广泛应用于漏洞检测、安全测试和恶意软件分析等领域。然而，该技术面临可扩展性挑战，例如路径爆炸和复杂约束问题，这源于真实世界程序中常见的特定结构和语义模式。现有方法试图通过将程序转换为新表示来规避这些模式以降
FlipGuard: Defending Large Language Models Against Quantization-Conditioned Backdoor Attacks
随着大语言模型（LLM）在实际应用中的广泛部署，模型量化技术因其能够显著降低模型大小和推理延迟而被广泛采用。然而，量化过程引入了一种新型安全威胁：量化条件后门（QCB）攻击。在这种攻击中，攻击者可以精心构造后门触发器，使得后门行为在完整精度
Capability Gates Are Not Authorization: Confused-Deputy Failures in LLM Agent Frameworks
本文针对大型语言模型（LLM）代理框架中的授权缺失问题展开研究。随着工具调用型LLM代理越来越多地处理不受信任的内容，同时持有支付、邮件、CRM和基础设施API等易产生副作用的工具，现有框架默认将工具暴露与授权混为一谈。作者对LangCha
Robust Harmful Features Under Jailbreak Attacks: Mechanistic Evidence from Attention Head Specialization in Large Language Models
本文研究大语言模型在越狱攻击下的内部机制。作者发现攻击并未完全消除模型的安全特征，而是选择性抑制特定注意力头。通过分析，识别出两类功能分化的注意力头：早期层中的“对抗妥协头”（ACH），在攻击下被抑制；以及中间层的“安全对齐头”（SAH），
AdvancedShelLM: A Stateful Multi-Agent LLM Honeypot for SSH Deception
该论文提出了一种新型的基于大语言模型（LLM）的SSH蜜罐设计，名为AdvancedShelLM。针对现有LLM蜜罐（如shelLM）容易被有经验的攻击者识别的问题，作者采用了多智能体、多LLM架构：一个管理智能体（Manager）和一个工
ToE: A Hierarchical and Explainable Claim Verification Framework with Dynamic Multi-source Evidence Retrieval and Aggregation
本文提出了一种名为 Tree of Evidence (ToE) 的分层可解释声明验证框架，用于自动事实核查，以应对虚假新闻尤其是生成式引擎优化（GEO）投毒下AI生成错误信息的威胁。ToE 将每个声明建模为一个动态扩展的论证树，通过集成强
Cybersecurity is the True Frontier for Generative AI Success or Failure
该论文提出网络安全是评估生成式AI（尤其是基于大语言模型的代理系统）成功与否的更优测试领域。作者指出，网络安全场景集成了机器学习的多重挑战：海量数据（如单个恶意软件样本可达数十亿token）、高昂且存在歧义的人工标注成本（专家可能对同一样本
[原创]CVE-2022-0847 Dirty Pipe 漏洞原理深度分析 近年来最"干净"的内核提权漏洞之一
CVE-2022-0847
[原创]CVE-2022-0847 Dirty Pipe 漏洞原理深度分析 近年来最"干净"的内核提权漏洞之一
Public PoC Released for Critical libssh2 CVE-2026-55200 Client-Side SSH Flaw
CVE-2026-55200
A public proof-of-concept is now out for CVE-2026-55200, a critical flaw in libssh2 that lets a malicious or compromised
Benchmark AUC Is Not Deployable Reliability: A Cross-Dataset Audit of Off-the-Shelf Features for Surveillance Video Anomaly Detection
该论文针对智能视频监控中“可疑行为自动标记”这一核心功能，审视了当前被广泛引用的视频异常检测基准（如UCSD Ped1/Ped2、CUHK Avenue、ShanghaiTech）上报告的高帧级ROC-AUC数值。作者指出，这些高指标通常是