Multi-Class vs. Multi-Label BERT for CVE-to-CWE Mapping: How Taxonomy Structure Shapes the Errors
本文研究自动将通用漏洞披露（CVE）记录映射到通用弱点枚举（CWE）类别的文本分类问题。目前这一任务主要依赖人工，效率低下。作者比较了两种建模选择：多分类（每个CVE预测一个CWE）和多标签（允许预测多个CWE）。使用三种基于BERT的编码
2026-07-10 归档
今日共收录 1398 条安全情报，包含 466 个 CVE，522 篇安全通告，以及 115 篇研究论文。
← 返回归档列表Beyond Attack-Success Rate: Action-Graded Severity Scale for Tool-Using AI Agents
该论文提出了一种用于评估工具型AI代理安全性的行动分级危害量表（Action-Graded Harm Rubric）及其计算方法。传统上，代理红队测试仅以攻击是否成功（即代理是否被攻陷）作为二元指标，忽略了被攻陷后实际造成的危害程度。作者认
How Reliable Is the Multi-Input Heuristic for Bitcoin Address Clustering in Law Enforcement Contexts?
该论文系统评估了比特币地址聚类的多输入启发式方法（MIH）在法律取证上下文中的可靠性。地址聚类是区块链取证中追踪非法加密货币流动的关键技术，MIH通过合并同一交易中输入地址来推测它们属于同一实体，被执法部门广泛采用。然而，针对可靠的基准数据
The AI Resilience Gap: Bringing Artificial Intelligence Inside the Operational Resilience Perimeter
本文探讨了人工智能在受监管企业（如金融行业）中的快速采用所引发的运营韧性问题。作者指出，现有的AI治理框架（如欧盟AI法案、ISO IEC 42001、NIST AI风险管理框架等）主要聚焦于可信AI（安全、公平、透明、模型风险），但并未充
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直接数据暴露，但训练过程和学到的模型本身仍存在隐私风险。最近，集中式训练数据窃取（TATD）攻击表明，恶意训练可能滥用深度模型的记忆能力来存储并在之后恢复训练数据。然而，这种基于记忆的威胁
Safe2Hail: A Forensic-Driven Post-Trip Tracking Framework for Ride-Hailing Safety in Africa
该论文针对非洲网约车行业在行程结束后仍存在安全隐患的问题，提出了一款名为 Safe2Hail 的框架。当前主流网约车平台（如 Uber、Bolt）虽然提供了 SOS 警报、安全通知和实时位置共享等行程内安全功能，但在行程取消或提前终止后，乘
MoLIFE: Methodology, Technologies, and Challenges for Mobile Live Intelligent Forensics Examination
本文提出了一种名为 MoLIFE（移动实时智能取证检查）的新型数字取证方法论，旨在解决移动设备取证中日益增长的数据保护机制带来的挑战。当前，Android 和 iOS 等系统厂商加强了数据保护措施，导致物理获取或分析受超级用户保护的目录会破
Monitoring Vulnerabilities in Next-Generation Automotive Operating Systems
该论文针对下一代汽车操作系统（即软件定义汽车SDV中的操作系统）的漏洞监控问题展开研究。随着汽车向软件定义方向演进，车辆集成了复杂的硬件和软件系统，带来了显著的安全挑战。作者指出，现有的漏洞评估工具在处理操作系统漏洞方面存在不足，尤其难以在
Finding and Understanding Miscompilation Bugs in the Solidity Compiler
该论文针对以太坊智能合约编译器Solidity的质量问题，提出了一种语义感知的差异模糊测试工具SolSmith。智能合约编译器的正确性对于确保区块链上不可变代码的可靠性至关重要。作者在三年的时间里，利用SolSmith发现了25个此前未被注
Evaluating Endpoint Detection Robustness Against Genetic Algorithm Driven Code Transformations
本文针对现代端点检测系统在自适应攻击变体下的鲁棒性评估问题，提出了一种基于遗传算法（GA）的自动化框架ShellForge。研究背景是：传统的签名和基于行为的检测方法在应对经过混淆或变形的攻击载荷时可能出现失效，而现有基准测试方法难以系统性
Certifying Ghosts: How Cybersecurity AI Agents Break the EU Cyber Resilience Act
该论文分析了欧盟《网络弹性法案》（CRA）在网络安全AI代理（CAI agents）普及背景下的失效风险。CRA的核心逻辑是要求制造商执行风险流程（评估、修复、更新），而非保证产品绝对无漏洞，其有效性依赖于四个隐含前提：（P1）漏洞发现是缓
Is Randomness Necessary for Adaptive Data Analysis?
本文研究自适应数据分析（ADA）问题，该问题形式化了数据集重复使用时防止虚假发现和过拟合的挑战。输入包含从未知分布 P 中独立同分布采样的 n 个样本，目标是回答 k 个自适应选择的统计查询。主要问题在于支持多少查询（即 k 的最大值）主要
Deanonymizing Monero Transactions in Tor Network
该论文研究了门罗币（Monero）在集成Tor网络时引入的隐私漏洞。门罗币是一种注重隐私的加密货币，采用Dandelion++协议和匿名网络（如Tor和I2P）来防止攻击者将交易与源IP关联。论文发现，门罗币的Tor节点发出的交易在传播到公
An Automated Framework for Generating Stealthy Cell-Embedded Hardware Trojans
该论文提出了一种自动生成嵌入式硬件特洛伊木马（HT）的框架，利用受损的标准单元库在集成电路（IC）设计流程中植入隐蔽后门。传统的HT评估通常基于RTL或门级网表建模，但忽略了攻击者可能通过恶意标准单元库植入HT的场景。作者设计的框架包含两个
SA-DRL: Security-Aware Deep Reinforcement Learning for Ransomware Detection with Asymmetric Reward Design
本文提出了一种名为SA-DRL（Security-Aware Deep Reinforcement Learning）的安全感知深度强化学习框架，用于勒索软件检测。传统的机器学习检测器通常使用对称目标函数，即对漏报和误报施加相同惩罚，但在勒
Auditable Machine Unlearning for Privacy-Compliant Ransomware Detection Using Multi-Shard SISA and Deep Reinforcement Learning
该论文提出了一种可审计的机器学习卸载框架，旨在解决隐私合规的勒索软件检测问题。随着勒索软件不断变异行为模式以逃避静态防御，现有基于机器学习的检测器通常假设训练数据固定，不支持选择性移除已学习样本，这与GDPR和CCPA等隐私法规要求按需删除
Behavioral Privacy Leakage in Agentic Negotiation: Formalizing and Mitigating Inference Attacks via Randomized Policies
本文研究了自主谈判智能体在保险、采购等高危场景中的行为隐私泄露问题。尽管现有密码技术能够保护显式披露的约束值，但无法防止对手通过观察谈判动态（如让步轨迹、时序和收敛模式）推断智能体的私有约束。作者形式化了行为差分隐私问题，并设计了一种自适应
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后的3D点云公共数据集的投毒攻击对自动驾驶系统的影响。投毒攻击会导致训练模型对感知对象分类错误，或嵌入后门触发条件。尽管数据增强通常被认为可以降低投毒成功率，但论文通过实验验证，在使用生成对抗网络（GAN）进行数据增强的
Lower Bounds for PIR with Preprocessing from Blackbox Cryptography
本文研究了带预处理的单服务器私有信息检索（PIR）的计算下限问题。传统单服务器PIR在下界上被认为需要线性数量的公钥服务器操作来支持亚线性通信（DMO00, DH24）。近年突破性工作（CHK22, ZPZS24, LMW23）通过预处理技
ORAN-DEFEND: Subspace Detection and Sanitization of Backdoor DRL xApps in Open RAN
该论文针对开放无线接入网（O-RAN）中深度强化学习（DRL）xApp的供应链后门攻击问题，提出了一种名为ORAN-DEFEND的防御框架。O-RAN架构允许第三方供应商提供近实时控制xApp，但这也引入了后门风险：攻击者可在训练阶段注入后