[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
2026-07-05 归档
今日共收录 754 条安全情报，包含 65 个 CVE，375 篇安全通告，以及 61 篇研究论文。
← 返回归档列表Nginx远程代码执行漏洞分析与利用（CVE-2026-42530）
CVE-2026-42530
Nginx远程代码执行漏洞分析与利用（CVE-2026-42530）
New "Bad Epoll" Linux Kernel Flaw Lets Unprivileged Users Gain Root, Hits Android
CVE-2026-46242
A newly disclosed Linux kernel flaw called Bad Epoll (CVE-2026-46242) lets an ordinary user with no special access take
HTTP REST API Structure Learning
本文提出了一种名为 HTTP REST API Learning (HRAL) 的无监督异常检测方法，用于从网络流量中直接学习 API 端点的结构和行为，而无需依赖预定义规则或 API 文档。研究背景是：API 在现代软件开发中至关重要，但
Securing People and their Machines Against Major Faults
本文针对草根平台（grassroots platforms）——由以自选公钥标识的人和其机器（如智能手机）组成的分布式代理系统——面临的主要故障（私钥丢失和/或智能手机丢失）提出安全保障方案。由于草根平台没有全局资源可供恢复，作者提出一种基
Privacy-Preserving and Verifiable Approximate Distributed Coded Computing
分布式机器学习允许在不集中数据的情况下进行协作模型训练，但也面临隐私泄露和恶意操纵的双重威胁。现有防御方案通常孤立处理这些问题，且往往针对特定学习范式或模型架构，限制了在实际部署中的适用性。特别地，联邦学习和去中心化学习具有截然不同的攻击面
HaloGuard 1.0: An Open Weights Constitutional Classifier for Multilingual AI Safety
本文提出了HaloGuard 1.0，一个基于宪法分类器范式的开源权重输入安全守卫模型。其核心创新在于利用自然语言宪法（包含46条政策和2940个子类别）驱动合成数据生成，并采用一一对应的反事实样本（保持主题和词汇固定但翻转意图）、两层无害
Has This Checkpoint Been Abliterated? A Two-Signal Audit and Its Failure Map
该研究针对开放权重模型在部署前可能被恶意修改（例如剥离拒绝机制）的问题，提出了一种无需阈值的检查点审计方法。核心思路是结合两种廉价内部信号：参考锚定的激活拒绝差距和基础模型到候选模型的权重差异能量。激活拒绝差距衡量模型内部对于拒绝类行为的激
Resilient Liquid Democracy: Mitigating Voting Power Imbalances via Secure Delegation Networks
本文提出一种安全的液态民主机制，旨在解决现有液态民主系统中投票权失衡的问题。液态民主允许选民直接投票、将投票权委托给信任的参与者，或通过后备机制结合两者。但现有部署通常依赖透明委托，导致选民因受流行度影响而出现从众效应、可被胁迫，并且当高票
Trust Boundary Semantic Gaps: A Multi-dimensional Analysis and Mitigation for Security-by-Design
该论文提出并系统化定义了“信任边界语义间隙”（Trust Boundary Semantic Gap, TBSG）这一概念：当一个工件跨过信任边界时，即使通过了正确的语法验证（如格式、协议、签名检查），其语义安全属性仍可能无法满足接收域的隐
Pmeta-TLA: Backdoor Attacks for Speech Classification Models via Meta-Learning with Timbre Leakage Attack
本文研究了语音分类模型面临的后门攻击威胁。现有后门攻击使用的触发器容易被深度神经网络检测系统识别，针对这一不足，作者提出了音色泄漏攻击（TLA）。TLA将触发器的音色信息以帧级别嵌入到深度自监督特征中，生成在人耳听来自然的恶意样本，从而绕过
Beyond Gradient-Based Attacks: Adversarial Robustness and Explainability Stability in Cybersecurity Classifiers
该论文研究网络安全分类器在面对对抗性攻击时的鲁棒性及其可解释性稳定性问题。以往工作主要关注基于梯度的攻击方法，但许多实际分类器（如随机森林、XGBoost）是不可微的树模型。作者将先前的MLP研究扩展到随机森林和XGBoost，并在四个表格
LIB-TRAP: Standard Cell Library Hardware Trojan Risk Assessment and Prevention
本论文提出了一种针对标准单元库的新型硬件木马（HT）威胁模型，并开发了相应的风险评估与预防方法。在无晶圆厂半导体制造模式下，设计方将版图交由代工厂制造，这为恶意HT插入提供了可乘之机。现有研究多关注标准单元之间的空白区域，但本文首次深入分析
Overthink-Triggered Slowdown Attacks on LVLM-Based Robotic Systems
该论文研究了大型视觉语言模型（LVLM）在机器人系统中可能存在的“过度思考”行为，即模型生成过长的推理链，导致推理时间显著增加。这种过度思考行为可以被攻击者利用，通过在机器人感知的视觉场景中嵌入精心构造的、人类可读的场景文本，来触发过度思考
Janus: a Playground for User-Involved Agentic Permission Management
本文提出了 Janus，一个用于实现和评估用户参与的代理权限管理设计的实验系统。Janus 包含两个组件：Janus-Core，一个模块化的代理系统，支持多种权限管理设计；Janus-Harness，一个自动化评估框架。基于一个概念模型，该
Unveiling the Non-Monotonic Effect of Privacy on Generalization under Byzantine Robustness
该论文研究了在拜占庭鲁棒分布式学习场景下，本地差分隐私（LDP）对模型泛化误差的影响。现有工作已证明在分布式学习中，拜占庭鲁棒性、LDP和优化误差之间存在基本的三难困境。然而，本文发现这一三难困境并非普遍适用于泛化误差，而是关键取决于隐私强
Hamm-Grams: An Algorithm for Mining Regular Expressions of Bytes
该论文提出了一种名为“hamm-grams”的新型特征，用于恶意软件检测中的静态分析。传统的n-gram特征虽然被广泛使用，但存在鲁棒性不足的问题，容易因代码微小变化而失效。作者将hamm-grams定义为具有固定长度和单字符通配符的特殊正
Sign in the Air to Unlock: An Interface for authentication in Virtual and Augmented Reality Powered by Point-Voxel Cross-Attention Network
该论文针对虚拟现实和增强现实（VR/AR）中的身份认证问题，提出了一种名为“Sign in the Air to Unlock”的空中签名认证接口。传统的密码、PIN或基于硬件的登录方式会打破沉浸感且依赖外部设备，而现有的3D行为认证方法（
Chameleon: Recovering Cyber-Physical Systems from Memory Corruption Attacks via ML Surrogates
本文提出 Chameleon 框架，用于自动恢复遭受内存破坏攻击的网络物理系统（CPS）。现有防御手段多在检测到攻击后终止或重启系统，这在高安全性关键任务中不可接受。Chameleon 在组件粒度上训练基于机器学习的替代模型，这些模型能近似
An alternative approach towards attacks against fully-split PLWE instances
本文针对后量子密码学中基于格的全同态加密方案（具体为多项式学习与错误问题，PLWE）的安全性展开研究，重点探讨了作者先前工作中提出的基于根的攻击的泛化可能性。文章首先构造了完全分裂多项式环与先前攻击适用多项式环之间的显式同构映射，并证明该同