FedCVESA: Taking Away Training Data in Federated Learning via Correlation Value Encoding and Segmented Aggregation
联邦学习（FL）通过将原始数据保留在本地客户端来避免显式数据暴露，但训练过程和模型本身仍存在隐私风险。近期，集中式“取走训练数据”（TATD）攻击表明，恶意训练可利用深度模型的记忆能力存储并恢复训练数据。然而，这种基于记忆的威胁在联邦学习环
2026-07-09 归档
今日共收录 1410 条安全情报，包含 455 个 CVE，561 篇安全通告，以及 105 篇研究论文。
← 返回归档列表Safe2Hail: A Forensic-Driven Post-Trip Tracking Framework for Ride-Hailing Safety in Africa
该论文提出 Safe2Hail 框架，针对非洲网约车行业在行程结束后缺乏安全监控的问题。当前大多数网约车应用仅在行程中提供 SOS 警报、安全通知和实时位置共享，但行程取消或提前终止后，乘客和司机便失去安全保障。Safe2Hail 结合数字
Finding and Understanding Miscompilation Bugs in the Solidity Compiler
本文针对Solidity编译器中存在的误编译（miscompilation）漏洞进行了系统的发现与分析。Solidity是以太坊区块链上最流行的智能合约语言，其编译器的正确性直接关系到链上代码的不可篡改性和安全性。作者设计并实现了SolSm
Evaluating Endpoint Detection Robustness Against Genetic Algorithm Driven Code Transformations
该论文提出了一种名为 ShellForge 的遗传算法驱动框架，用于生成后渗透测试变种，以系统评估端点检测系统（AV/EDR）的鲁棒性。当前 AV 和 EDR 系统结合了签名和基于行为的检测，但在面对适应性变种时可靠性不足。ShellFor
Certifying Ghosts: How Cybersecurity AI Agents Break the EU Cyber Resilience Act
本文分析了欧盟《网络弹性法案》（CRA）在面对网络安全AI代理（CAI代理）时的局限性。CRA的核心逻辑是要求制造商运行一个流程（风险评估、漏洞处理、更新发布），而非保证产品绝对无漏洞。该逻辑依赖于四项假设：（P1）发现漏洞是缓慢、需要熟练
Cyber Dynamics I: Finite Macrostates for Behavioral Anomaly Detection in Network Telemetry
该论文提出了一种基于有限维度宏状态（finite macrostates）的网络异常检测框架，用于分析网络遥测数据中的行为异常。传统基于熵的方法通常将熵视为窄观测上的标量统计量，而忽略了网络系统的整体行为状态空间。作者在规范安全遥测基板（C
An Automated Framework for Generating Stealthy Cell-Embedded Hardware Trojans
硬件木马（HT）在集成电路（IC）设计生命周期中构成重大威胁，因为不可信实体在零信任模型下可以在不同阶段插入HT。当在罕见条件下触发时，HT会损害芯片的功能、可靠性或安全性。传统的HT评估通常通过在RTL实现或门级网表中模拟真实的木马插入场
SA-DRL: Security-Aware Deep Reinforcement Learning for Ransomware Detection with Asymmetric Reward Design
本文提出一种面向勒索软件检测的安全感知深度强化学习（SA-DRL）框架。传统机器学习检测器通常使用对称目标函数，平等惩罚漏报和误报，但漏报会导致不可逆的加密、业务中断和高昂恢复成本，而误报通常可逆。SA-DRL通过将漏报和误报的成本不对称性
Auditable Machine Unlearning for Privacy-Compliant Ransomware Detection Using Multi-Shard SISA and Deep Reinforcement Learning
本文针对勒索软件检测中的隐私合规问题，提出了一种可审计的机器学习遗忘框架。背景是：现有的基于机器学习的勒索软件检测器通常假设训练数据固定，不支持选择性删除已学习样本，这与GDPR、CCPA等隐私法规的用户数据删除权冲突。为此，作者将深度强化
Behavioral Privacy Leakage in Agentic Negotiation: Formalizing and Mitigating Inference Attacks via Randomized Policies
该论文聚焦于自主谈判代理中的行为隐私泄露问题。在保险、采购等高风险场景中，谈判代理广泛部署，虽然密码学技术能保护显式披露的约束值，但无法抵御一种更隐蔽的威胁：行为隐私泄露。即攻击者通过观察谈判过程中的让步轨迹、时机和收敛模式等可观测行为，推
Assessing the Operational Impact of Poisoning Attacks over Augmented 3D Point Cloud Public Datasets for Connected and Autonomous Vehicles
该论文研究了针对增强3D点云公共数据集的投毒攻击在互联自动驾驶车辆（CAV）背景下的操作影响。投毒攻击通过在训练数据中注入恶意样本，可能导致感知对象误分类或埋下后门，在特定条件下触发。然而，数据增强技术（如GAN）虽然通常被认为可以净化数据
Lower Bounds for PIR with Preprocessing from Blackbox Cryptography
本文研究单服务器私有信息检索（PIR）在客户端预处理场景下的计算下界。传统的PIR下界表明，若通信量亚线性，则服务器查询操作数必须与数据库大小n呈线性关系（即Ω(n)）。近年来的突破性工作（如CHK22、ZPZS24、LMW23）通过预处理
The Power of Backdoor Absorption in Community Training
本文研究分布式训练场景中的后门攻击防御问题。在社区训练（Community Training）范式下，模型所有者将训练任务委托给外部计算提供商，可能遭遇恶意节点注入后门触发器。传统检测方法需要完整重算所有训练步骤，计算开销巨大，不符合资源受
Generalized Synthetic Image Detection with Enhanced RGB-Noise Representation Learning
本文针对大规模生成模型导致的AI生成图像泛滥问题，提出了一种名为RNSIDNet的通用合成图像检测框架。现有取证网络往往依赖单一域表示和传统的二元分类优化，导致跨模型泛化能力和真实世界退化场景下的鲁棒性不足。为了克服这些局限，RNSIDNe
Dithered Gaussian Mechanism for Randomness-Efficient Differential Privacy
本文提出了一种名为“抖动高斯机制”（Dithered Gaussian Mechanism）的新型差分隐私机制，作为离散高斯机制的替代方案。传统离散高斯机制通过离散化噪声分布来实现隐私保护，但容易受到浮点数精度漏洞的影响。本文的核心创新在于
Claimed or Attested? A Commit-Signature Dataset and Identity Trust Tiers across the World of Code
该论文发布于arXiv，由Audris Mockus撰写，聚焦于全球代码库（World of Code, WoC）中Git提交的身份验证问题。在Git中，提交的作者字符串是自由文本，无法验证，因此基于全球提交语料库的身份识别依赖于未经证实的
Poster: Mind the Gap -- Characterizing the Temporal Blind Spot Between GSB and DNS Resolution
本研究通过数据包捕获分析，系统性地研究了Google Safe Browsing（GSB）与DNS解析之间的时间同步问题。在浏览器导航过程中，GSB查询和DNS解析是并行进行的，但两者之间的数据包级同步尚未被充分研究。作者定义了时间差Δ_t
6G Sensing Security: Distributed Game-Theoretic RL for Urban Beamforming and Attacker Detection
该论文针对下一代6G网络中的集成感知与通信（ISAC）系统面临的安全挑战展开研究。在ISAC架构中，通信与感知功能共享同一无线基础设施，系统不仅能高效传输数据，还能感知周围环境、观测信道变化和用户行为。然而，这种能力也引入了新的攻击面：攻击
A Dual-CRDT Architecture for Decentralized Trust Governance and Evolution
本文提出了一种双CRDT（无冲突复制数据类型）架构，用于实现去中心化系统中的信任治理与演化。在Byzantine容错的CRDT部署中，需要决定哪些更新可被信任并贡献于状态重建，而信任关系会随时间变化（如参与者加入/离开、身份变更、治理规则修
REAN: Reconstruction-aware ECG Anonymization Based on Privacy--Utility Orthogonality
该论文提出了一种名为REAN（Reconstruction-aware ECG Anonymizer）的心电图（ECG）原始信号匿名化方法。ECG信号本身具有生物特征指纹特性，共享ECG可能导致患者重识别和隐私泄露。现有匿名化方法面临隐私-