Forensic-Oriented Intrusion Detection Using Synthetic Network Traffic Data and Explainable Artificial Intelligence
该论文针对数字取证调查中网络入侵检测的可追溯性、可复现性和法庭可辩护性问题，提出了一种面向取证的入侵检测框架。现有机器学习管道将原始证据作为训练数据，产生不透明的分类结果，缺乏实例级解释，无法满足ISO/IEC 27037等取证标准要求。该
2026-07-02 归档
今日共收录 1714 条安全情报，包含 914 个 CVE，384 篇安全通告，以及 113 篇研究论文。
← 返回归档列表Know Thy Neighbor: Cross-TEE Mutual Attestation
云服务由多个异构分布式组件和实例构成，它们之间相互通信，包括运行在普通执行环境以及可信执行环境（TEE）中的可信应用（TA）实例。TA实例在交换信息前通常需要进行远程认证，以确保所有参与方满足预期的安全条件。当两个TA实例运行在同一类型的T
High-Performance NTT Accelerators for PQC leveraging Unified Redundant Arithmetic and Fine-Tuned Microarchitecture
后量子密码（PQC）和隐私保护技术是未来安全通信的核心。基于格的PQC方案，如ML-KEM（CRYSTALS-Kyber）和ML-DSA（CRYSTALS-Dilithium），大量依赖大度数多项式运算，其中数论变换（NTT）是关键计算原语
Safe Alone, Unsafe Together: Safeguarding Against Implicit Toxicity When Benign Images Combine
随着社交媒体中多图像内容（如多图帖子、相册）的普及，一种新的安全威胁——多图像隐式毒性（Multi-Image Implicit Toxicity, MIIT）——逐渐显现。MIIT 的核心特征在于：当每张图片被独立审视时均表现为无害内容，
ReShift: Aha-Moment-Driven Reasoning-Level Backdoor Attacks on Vision-Language Models
ReShift 论文提出了一种针对视觉-语言模型（VLM）的逻辑层面后门攻击框架，其核心创新在于“顿悟时刻”（Aha-Moment）驱动的推理链重定向。现有的后门攻击主要操纵最终输出，往往导致推理痕迹不一致或容易被检测。ReShift 通过
Federated Sovereign Transport Protocol (FSTP): Verifiable Coordination Without Disclosure
该论文提出了联邦主权传输协议（FSTP），旨在解决联邦网络中数据隔离的协议级保证问题。现有的联邦协议（如 ActivityPub、Matrix）仅定义消息格式和传递语义，但将数据是否泄露的决策留给运营者策略，缺乏结构性的约束。FSTP 通过
Semantic Leakage and Privacy Preservation in Relay-Assisted Semantic Communications
语义通信（SemCom）通过优先传输任务相关信息而非原始数据，实现了资源受限和信道受限下的高效通信。然而，在中继辅助的语义通信系统中，中继节点直接操作于学习到的潜在表示，这带来了新的隐私风险。本文研究了此类系统中中继节点的隐私威胁，发现即使
Robocalls: A Worldwide or US-only Problem? Analyzing Spam and Fraud in International Phone Calls
本文研究了国际自动语音电话（robocalls）问题，分析了来自六大洲65个国家的垃圾电话和欺诈电话数据。研究背景是，robocalls在美国造成严重损失，2025年报告损失达11亿美元，但缺乏跨国比较研究。作者收集了9个月内的roboca
Comparative Analysis of Machine Learning based Intrusion Detection in Realistic IoT Networks
随着物联网（IoT）设备在医疗、交通、智能家居等领域的快速普及，其资源受限的特性带来了严峻的安全与隐私挑战。本文聚焦于利用机器学习方法构建入侵检测系统（IDS）以保护IoT网络。研究基于Gotham2025数据集，该数据集由Gotham测试
No Prompt, No Leaks: A Robust Generative Steganography Framework via Prompt-Free Diffusion
本文提出了一种基于无提示扩散模型的鲁棒生成式图像隐写框架。传统的隐写方法依赖文本提示调制秘密潜表示，但文本提示的不灵活性导致生成的隐写图像质量较低且秘密图像恢复不准确。为此，作者引入级联仿射耦合模块（CACM）在秘密图像和其潜表示之间建立双
Witness Complexity of Short Descriptions: A Cryptographic Perspective
该论文从计算复杂性理论出发，提出了一种新的度量——"证人复杂度" (witness complexity, 记作 γ(x))，旨在量化最短描述字符串在其扩展或验证过程中所需的最小运行时间。在密码学实践中，密钥或证书的紧凑表示虽然可以很短，但
Automated High-Precision Extraction and Forensic Verification of Data-Bearing Vector Figures
该论文针对科学工程领域图形化数据难以精确重现的问题，提出了一套从矢量图形中自动高精度提取数值并进行法医验证的理论与系统。随着科学数据越来越多地以图形而非文本或表格形式呈现，读者通常需要手动数字化才能获取底层数值，这一过程缓慢、不精确且无法证
The Decomposition Is the Fingerprint: Per-Component Identity for Agent Skills
该论文针对AI agent在运行时动态获取和执行技能（skill）所带来的身份识别与治理挑战，提出了一种紧凑的、局部敏感的指纹方案。技能通常由提示词（prompt）、可执行代码（code）和工具声明（tools）三个组件构成，而传统密码学哈
Secure-CHG: A Comprehensive Framework for Robust and Fair Federated Learning via Hybrid Defense and Contribution-Aware Trust
联邦学习（FL）极易受到隐蔽后门攻击的影响，攻击者通过植入特定触发器，迫使模型对包含该触发器的输入预测攻击者指定的目标类别。然而，现有的统计防御方法主要关注模型收敛的早期阶段。本文发现了一个根本性漏洞，称为“后期失败”（Late-stage
Wireless Backdoor Attack and Defense for Semantic Communications over Multiple Access Channel
本文研究了语义通信（SemCom）在多址接入信道（MAC）中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，保留语义信息并支持面向任务的信息传输。当两个发射器通过共享无线信道向一个公共接收器发送语义信息时，接收器需要联合重建并分类
A Hybrid Framework For Crypto-Ransomware Detection In Enterprise Shared Storage
本文提出了一种针对企业共享存储环境中加密勒索软件（crypto-ransomware）的混合检测框架。传统的端点检测主要关注本地系统行为，但勒索软件变种已将攻击面扩展至网络驱动器和共享存储资源，受感染的客户端可加密共享数据而不直接在服务器端
The Role of Vehicles in Digital Forensic Investigations: A Structured Synthesis of Digital Vehicle Forensic Characteristics
本文针对现代车辆作为网络物理系统，可能包含对事故重建、犯罪调查、保修分析和网络安全事件响应有价值的数字痕迹，但数字车辆取证（DVF）相较于计算机、移动和云取证仍不成熟，因为相关数据分布在各车载组件、移动设备、制造商后端、第三方服务和物证中。
Between Zeros and Ones: Behavioral Characterization Beyond Binary Labeling Across Public ICS Datasets
该论文针对工控系统（ICS）入侵检测领域当前依赖二分类（正常 vs 攻击）基准评估的局限性，提出了一种行为特征化框架。研究背景是现有公共数据集（如SWaT、WADI、HAI）通常仅提供二分类标签，无法刻画网络物理攻击的多样性行为。核心方法是
Proofs of Ownership for Machine Learning Models
该论文首次对机器学习模型的所有权证明问题进行了正式研究。随着机器学习的广泛采用，保护模型所有权成为关键挑战。作者将模型所有权证明建模为三方博弈：模型所有者、窃取者和裁判。模型所有者将原始模型轻微扰动后生成一个变换模型，并附带一个所有权证明。
Your Space is My Zone: Demystifying the Security Risks of AI-Powered Applications on Pre-Trained Model Hubs
本文首次系统地分析了托管在主流预训练模型平台（如Hugging Face）上的AI应用（AI-Apps）的安全风险。AI-Apps通过在线推理和微调服务降低了AI采用门槛，但由于开发者不可信、隔离措施薄弱和安全配置错误，引入了新的攻击面。研