Defending Against Harmful Supervision Hidden in Benign Samples
该论文针对大语言模型在微调阶段面临的新型安全威胁展开研究。现有防御机制大多假设有害监督数据以显式形式混入下游微调数据集（如直接包含恶意问答对），但攻击者可以采取更隐蔽的方式：将有害的监督信号嵌入到看似良性的任务样本中。作者提出了一种名为“E
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An AI-Based Solution for Secure Service Provisioning in IoT
随着物联网（IoT）的快速发展，攻击面不断扩大，针对智能对象及其交互的新兴威胁日益增多。确保服务提供的安全性对于IoT生态系统的正常运行、安全性和可靠性至关重要。服务提供涵盖设备注册、配置、认证、授权和软件部署等关键任务。本文提出一个综合框
The Spectrum Strikes Back: Infrared POV Attacks on Traffic Sign Classification
本文提出了一种针对自动驾驶汽车交通标志分类任务的物理对抗攻击方法。传统的物理对抗攻击通常通过在交通标志上粘贴贴纸或投射可见光扰动，虽然有效但容易被人类察觉。本文作者利用近红外光谱（NIR）和视觉暂留（Persistence of Visio
Discard the Dross and Select the Essential: Pre-query Sample Selection for Black-box Membership Inference Attacks
本文针对黑盒成员推理攻击（MIAs）中存在的查询效率问题，提出了一种预查询样本选择框架PSS-MIA。传统的黑盒MIAs对所有候选样本不加区分地进行查询，导致大量查询成本浪费在信息量低的样本上，且增加了查询暴露风险。作者首先定义了问题：哪些
Explainability-Aware Frustum Attack: Exposing Structural Vulnerabilities in LiDAR-Based 3D Object Detectors
该论文研究了基于点云的3D目标检测器在复杂场景下的结构脆弱性。现有工作主要关注孤立3D模型的对抗鲁棒性，而最近的LiDAR欺骗攻击虽然针对真实驾驶场景，但侧重于物理可实现性，未深入分析检测器的行为模式或攻击效率。本文提出一种可解释性引导的对
A Sieve-Accelerated Quadrature Method for Exact Privacy Accounting in the 2020 U.S. Decennial Census
2020年美国人口普查局采用了差分隐私技术保护数据隐私，通过向发布的普查表格注入整数值高斯噪声来实现。准确评估这些数据发布的隐私保证，可以使普查局确定满足给定隐私预算所需的最小噪声量，避免注入不必要的过多噪声，从而显著提高下游应用（如联邦资
Rethinking Collaborative Trust for Verifiably Decentralized Blockchain Systems
本文针对区块链系统中普遍存在的中心化问题展开研究。尽管区块链技术承诺去中心化，但多项测量研究表明，在实际的区块链系统（如比特币、以太坊）中，几乎所有层面（共识、治理、应用等）都出现了显著的中心化现象，且难以明确量化中心化程度。现有去中心化改
Rethinking Forgery Attacks on Semantic Watermarks in Black-Box Settings: A Geometric Distortion Perspective
本论文针对潜在扩散模型（LDM）中语义水印的黑盒伪造攻击进行了重新思考。此类水印通过将信息嵌入到LDM的初始噪声中，但现有研究显示其在黑盒场景下易受伪造攻击，且缺乏对攻击成功条件的严格理论理解。为弥补这一空白，作者从潜在空间中的率失真理论视
Multi-Level Distributional Entropy for Explainable Network Intrusion Detection
机器学习的网络入侵检测系统（IDS）通常依赖于聚合流统计数据，这丢弃了分布结构信息。传统的熵度量需要原始数据包序列，而在预先聚合的流数据集中不可用。本文提出多级分布熵（MDE），一个分析框架，直接从流级汇总统计量中推导出可解释的熵特征，包括
GoodDiffusion: Proactive Copyright Protection for Diffusion Bridge Models via Learnable Sample-specific Signatures
本文针对扩散桥模型的主动版权保护问题，提出了一种名为GoodDiffusion的防御机制。当前的主流保护方法主要分为事后归因（如数字水印和指纹）和退化防御，这些方法仅提供间接且有限的预防效果。受后门攻击机制的启发，GoodDiffusion
The Calibrated Deepfake Trust Score (CDTS): Competence-Coupled Trust Degradation Across Deepfake Detectors
本文提出了一种新的深度伪造检测评估框架——校准深度伪造信任分数（CDTS）。传统上，深度伪造检测器的输出概率被直接视为信任度，但作者指出其校准性（即预测概率与实际正确率的匹配程度）与检测器的判别能力之间存在强耦合。通过在32种配置上的实验（
The Role of Online Forums in Developer Understanding of Privacy Law -- A Reddit Case Study
该论文研究了软件从业者如何利用在线论坛（特别是Reddit）来理解和应对复杂的隐私法规要求。作者针对Reddit上与隐私法规相关的子版块（subreddits）的用户进行了调查（223名参与者），并辅以对2248条帖子和回复的定性分析。研究
Generic Number-of-Copies Amplification for Pseudorandom States
该论文研究量子伪随机态（PRS）的安全性放大问题。PRS是一种量子状态，其行为类似于随机状态，用于量子密码学和量子计算中。已知存在1-PRS（抗单拷贝区分器）构造，但实际应用中需要t-PRS（抗t拷贝区分器）以确保安全性。此前，Ananth
The Rise and Fall of Google's Privacy Sandbox
本文是首个对 Google Privacy Sandbox 在 Web 上部署情况进行的纵向、感知同意测量研究。Privacy Sandbox 是 Google 为替代隐私侵犯性数据收集而提出的方案，旨在平衡隐私与广告功能及跨站追踪，经过近
Hybrid Topological Data Analysis and LSTM Networks for Enhanced Network Intrusion Detection Using CIC-IDS2017 Dataset
本文提出了一种结合拓扑数据分析（TDA）和长短期记忆（LSTM）网络的混合方法，用于增强网络入侵检测系统的异常检测能力。研究背景是现有NIDS难以同时捕获网络流量的拓扑结构和时序依赖性。作者设计了多层架构：首先利用TDA的持续同调（pers
CAN We Trust Your Results? A Cross-Dataset Study of Automotive IDS Evaluation
现代车辆通信网络的日益互联使得保护车内通信网络成为关键挑战。入侵检测系统（IDS）作为检测控制器局域网（CAN）总线恶意活动的防御机制被广泛研究。然而，由于实验设置不一致和缺乏标准化基准测试框架，CAN IDS 方法的评估仍然困难。因此，报
Quantum Lazy Sampling and Path Recording for Any Group
本文研究量子算法和密码学中的一个核心挑战：如何推理以随机群元素（如随机函数、置换或酉算子）为 oracle 的算法。经典方法采用惰性采样，即 oracle 不预先承诺整个群元素，而是动态采样部分信息。本文提出了一种量子惰性采样的模拟方法：压
Benchmark AUC Is Not Deployable Reliability: A Cross-Dataset Audit of Off-the-Shelf Features for Surveillance Video Anomaly Detection
该论文系统审计了当前视频异常检测（VAD）基准测试的可靠性。现有文献常报告高帧级ROC-AUC（例如在UCSD Ped2上超过0.9），但这些指标是通过在同一摄像头的训练和测试集上评估获得的。论文假设这一条件在真实部署中不成立，并设计了跨数
Bit-ViP: Leveraging Bit-planes to Preserve Visual Privacy in Images through Obfuscation
本文提出了一种名为 Bit-ViP 的基于位平面的图像混淆方案，旨在保护图像中的视觉隐私，同时保持足够的可用性以支持基于图像的识别任务。研究背景是计算机视觉应用（如监控系统和社交媒体）的快速增长引发了安全和隐私担忧，尤其在云端存储数据时。现
Toward a Unified Security and Privacy Framework for AI-Native 6G Networks
本文是一篇关于AI原生6G网络的安全与隐私综述。随着第六代（6G）通信网络向AI原生、高度自主的生态系统演进，其集成了通信、计算、感知和人工智能，在带来前所未有的连接和智能服务的同时，也形成了高度异构的安全与隐私格局。现有孤立的技术特定解决