今日共收录 1573 条安全情报，包含 770 个 CVE，406 篇安全通告，以及 100 篇研究论文。
← 返回归档列表该论文以Qwen2.5-VL-7B模型为骨干，通过LoRA微调构建了一个以文本为主的canary测试平台，审计了一种固定前缀窗口（K=20）的平均负对数似然（mean-NLL）记忆探测器的可靠性。研究发现了三种后验不一致案例：C3假阴性案例
该论文聚焦于联邦学习中的后门攻击防御问题。作者首先发现现有统计防御方法存在一个根本性漏洞——“晚期失败”（Late-stage Failure）：随着全局模型收敛，梯度范数逐渐减小，导致恶意更新与良性更新在形态上难以区分，传统基于统计特征的
本文研究了生成式端到端自动驾驶规划器中的安全漏洞。当前主流的生成式规划器（如基于扩散去噪或词汇检索的）共享一个共同推理模式：固定候选轨迹集合（锚点、词汇条目或提议查询）由学习到的评分头部根据鸟瞰视图特征进行打分，最高分轨迹作为最终输出。评分
本文研究多址接入信道（MAC）下语义通信（SemCom）系统的无线后门攻击与防御问题。语义通信旨在超越传统比特级恢复，保留语义信息和任务导向信息，在共享接入无线网络中具有重要前景。然而，共享接入环境引入了新的安全漏洞，特别是针对多用户语义推
本文针对企业环境中勒索软件攻击向网络驱动器和共享存储扩展的趋势，提出了一种混合检测框架，用于检测集成文件服务器和客户端环境中的加密勒索软件入侵。该框架基于一种称为“感兴趣区域（RoI）”的新技术，通过分析网络流量提取入侵指标（IoC），并将
本文针对恶意软件分类中的异构性、加壳二进制文件以及恶意软件家族分布多样等挑战，提出了一种基于混合专家模型（Mixture of Experts, MoE）的统一多任务恶意软件分析框架。该框架同时执行三项关键任务：恶意软件家族分类、加壳/未加
本研究聚焦于现代车辆控制器局域网（CAN）总线入侵检测系统（IDS）评估中的一致性问题。由于实验设置不一致且缺乏标准化基准，现有CAN IDS的性能评估往往依赖于特定数据集，导致结果难以泛化。为此，作者提出了一个跨数据集的统一基准框架，整合
随着机器学习的广泛采用，保护模型所有权已成为关键挑战。本文首次对机器学习模型的“所有权证明”（Proof of Ownership）进行了形式化研究，探讨在何种条件下，模型被盗后可以证明其源自特定创建者。作者将问题建模为三方游戏：模型所有者
本文提出了一种通用的路径记录预言机（path-recording oracle），用于高效模拟量子算法对任意闭子群随机群元素的查询访问。在量子算法与密码学中，算法常需对随机函数、置换或酉变换进行黑盒查询，经典做法是使用懒采样（lazy sa
本文针对大语言模型微调安全性的隐蔽威胁展开研究。现有防御机制通常假设有害内容以显式方式混入下游微调数据（例如直接包含恶意指令），但攻击者可以通过更精巧的方式将有害监督隐藏在看似良性的任务中。作者首先提出一种名为“嵌入攻击（Embedded
本文针对物联网（IoT）环境下服务提供过程中的安全问题，提出了一种基于人工智能的综合框架。随着IoT的快速发展，攻击面不断扩大，智能对象及其交互成为新的攻击目标。服务提供涉及设备注册、配置、认证、授权和软件部署等关键任务，其安全性对IoT生
本文提出一种针对自动驾驶车辆交通标志分类系统的物理对抗攻击方法，利用近红外光谱和视觉暂留（Persistence of Vision, PoV）效应实现隐蔽攻击。现有物理攻击多采用贴纸或投影扰动，虽有效但易被人类察觉；而红外光攻击虽不可见但
该论文聚焦于黑盒成员推理攻击（MIA）中的查询效率问题。传统黑盒MIA需要对每个候选样本查询目标模型，但不同样本的成员信号强度差异很大，许多样本区分性差，导致大量查询浪费，并增加查询暴露风险。论文提出PSS-MIA（Pre-query Sa
该论文提出“网络安全AI科学家”（Cybersecurity AI Scientist）这一新概念，旨在解决当前网络安全研究自动化面临的独特挑战。与稳定科学领域不同，网络安全的本质是动态的：研究对象是安全事件和交互痕迹而非静态资产，模型和工
该论文旨在揭示基于点云的3D物体检测器（如LiDAR感知系统）的结构性脆弱性。现有研究多聚焦于隔离的3D物体模型对抗鲁棒性，或针对实际驾驶场景的LiDAR欺骗攻击，但缺乏对检测器决策依赖模式的理解，攻击效率也较低。为此，作者提出了一种可解释
该论文针对2020年美国十年一度人口普查中采用的差分隐私机制，提出了一种计算精确隐私保证的高效数值方法。人口普查局通过向公布的普查表格中添加整数高斯噪声来实现差分隐私，而精确评估隐私损失可以最小化所需噪声量，从而提高数据统计实用性（如用于联
该论文针对区块链系统在实际运行中普遍存在的中心化问题展开研究。尽管区块链技术以其去中心化特性著称，但测量研究显示，在区块链的几乎所有层面、去中心化应用以及去中心化自治组织中均观察到了明显的中心化趋势，且难以准确衡量中心化程度。现有工作虽提出
该论文针对黑盒环境下对语义水印的伪造攻击进行了重新思考。语义水印通过将信息嵌入到潜在扩散模型（LDM）的初始噪声中来实现版权保护，但先前研究仅凭经验证明其易受攻击，缺乏理论解释。本文从潜在空间中的率失真（rate-distortion）视角
本文提出了一种名为多级分布熵（Multi-Level Distributional Entropy, MDE）的分析框架，旨在为基于机器学习的网络入侵检测系统（IDS）提供可解释的熵特征。传统IDS依赖聚合流统计量，忽略了流内分布结构，而现
本文针对扩散桥模型的主动版权保护问题展开研究。现有方法主要分为事后归因（如水印和指纹）和仅降级防御，这些方法只能提供间接且有限的预防效果。受后门机制启发，本文提出 GoodDiffusion，通过在生成过程中内化授权实现模型级别的使用控制：