Behavioral Privacy Leakage in Agentic Negotiation: Formalizing and Mitigating Inference Attacks via Randomized Policies
该论文研究了自主谈判代理在部署于保险、采购等高风险场景时面临的行为隐私泄露问题。传统的加密技术只能保护显式披露的约束值，但无法防御对手通过观察谈判动态（如让步轨迹、时序、收敛模式）推断私有约束的潜在威胁。本文首次系统形式化了多轮谈判协议中的
2026-07-11 归档
今日共收录 1315 条安全情报，包含 488 个 CVE，410 篇安全通告，以及 120 篇研究论文。
← 返回归档列表Assessing the Operational Impact of Poisoning Attacks over Augmented 3D Point Cloud Public Datasets for Connected and Autonomous Vehicles
该论文系统评估了针对增强3D点云公共数据集的投毒攻击的操作性影响。随着自动驾驶和联网汽车的发展，3D点云数据被广泛用于训练感知模型，但公共数据集可能遭受投毒攻击，导致分类错误或后门注入。传统观点认为数据增强技术（如旋转、缩放、噪声添加）可以
ORAN-DEFEND: Subspace Detection and Sanitization of Backdoor DRL xApps in Open RAN
开放无线接入网络（O-RAN）越来越多地将近实时控制委托给从第三方供应商获取的深度强化学习（DRL）xApp，这引入了新的供应链攻击面。后门策略在正常情况下表现最优，但一旦对手向观察到的关键性能指标（KPI）遥测数据中注入隐蔽触发器，就会产
The Power of Backdoor Absorption in Community Training
该论文研究了分布式训练场景中的后门攻击防御问题。在联邦学习或去中心化训练中，模型所有者将训练任务外包给外部计算提供商，攻击者可能通过注入低频、隐蔽的触发器植入后门，同时规避常规审计。传统检测方法需要重新计算整个训练过程，计算开销极大，与所有
Generalized Synthetic Image Detection with Enhanced RGB-Noise Representation Learning
本文针对大规模生成模型快速发展导致的高度逼真AI生成图像泛滥问题，提出了一种新的通用合成图像检测框架RNSIDNet。现有取证网络通常依赖单一域表示和传统二分类优化，导致跨模型泛化能力差且对真实世界退化（如JPEG压缩、缩放等）鲁棒性不足。
Dithered Gaussian Mechanism for Randomness-Efficient Differential Privacy
本文提出了一种新的差分隐私（DP）机制——抖动高斯机制（Dithered Gaussian Mechanism），作为传统离散高斯机制的替代方案。与离散高斯机制直接离散化噪声分布不同，抖动高斯机制通过后处理高斯机制来离散化私有输出，从而直接
Claimed or Attested? A Commit-Signature Dataset and Identity Trust Tiers across the World of Code
该论文提出了首个针对全球Git提交代码库（World of Code, WoC）的提交签名轴线数据集，并基于签名构建了身份信任层级。研究背景：Git提交中的作者字符串是自由文本，无法验证身份真实性；而加密签名提交将提交绑定到提交者控制的密钥
The Masks We (Think We) Wear: Privacy Threats of Browser-Extension Wallets in the Web3 Ecosystem
该论文研究了Web3生态中浏览器扩展钱包的隐私威胁。用户通常认为他们的区块链地址是相互独立的，除非有意透露。然而，现代钱包与区块链基础设施和去中心化应用（dApps）的通信会产生网络和浏览器层面的信号，可能破坏用户地址间的隔离性。论文识别并
Poster: Mind the Gap -- Characterizing the Temporal Blind Spot Between GSB and DNS Resolution
该论文研究了Google Safe Browsing (GSB)与DNS解析在浏览器导航过程中的时序同步问题。通过数据包捕获分析，作者发现GSB相关查询关闭事件与并行DNS响应之间存在一致的时间偏移（Δ_time）。在一般数据集和CNAME
6G Sensing Security: Distributed Game-Theoretic RL for Urban Beamforming and Attacker Detection
该论文针对6G网络中的安全挑战，特别是集成感知与通信（ISAC）系统中的攻击者检测问题。在6G网络中，通信系统不仅传输数据，还能感知周围环境，实现ISAC。然而，这种能力也引入了新的安全风险：攻击者可以操纵波束赋形方向以增加干扰，误导发射机
A Dual-CRDT Architecture for Decentralized Trust Governance and Evolution
本文提出一种双CRDT架构，用于解决去中心化系统中的信任治理与演化问题。CRDT（无冲突复制数据类型）能够实现去中心化复制和最终一致性，但在拜占庭容错场景下，需要确定哪些更新是可信的并参与状态重构。然而，信任关系通常随参与者加入/离开、身份
REAN: Reconstruction-aware ECG Anonymization Based on Privacy--Utility Orthogonality
心电图（ECG）信号包含生物特征信息，共享原始ECG信号可能导致患者重识别和隐私泄露。现有的ECG匿名化方法在隐私保护与效用保留之间存在权衡：增强隐私往往会降低下游任务（如心律失常检测）的性能，而保留效用则容易泄露个人信息。针对这一问题，本
ProvICS: A Provenance-based Intrusion Detection for Industrial Control Systems
本文针对工业控制系统（ICS）中信息技术（IT）与操作技术（OT）融合带来的多阶段网络攻击威胁，指出现有基于溯源（Provenance）的入侵检测系统（PIDS）虽然在IT环境中有效，但在工业信息物理系统（CPS）中应用受限，主要原因在于缺
QUBO Modeling of Module Learning With Errors: Stability and Scaling in Post-Quantum Cryptography
本文提出了一种将小规模Module Learning With Errors (MLWE)问题编码为二次无约束二进制优化（QUBO）模型的系统性框架，旨在利用量子退火硬件求解。核心创新在于将秘密系数和显式误差变量统一编码到二进制优化结构中，
From Regression to Prior-Aware Inference: Solving the ILWE Family in Randomness Leakage Attacks against ML-DSA
本文针对 NIST 标准化的后量子签名方案 ML-DSA（基于格）的随机性泄露攻击展开研究。ML-DSA 的安全性依赖于签名随机性和拒绝采样机制，使得签名与私钥统计独立。然而，实际部署中可能因侧信道攻击等方式泄露部分随机性，导致签名泄漏转化
LibFHE: A Numba-Based CUDA-Python Library for Non-RNS CKKS-BGV Fully Homomorphic Encryption on GPUs
该论文提出了LibFHE，一个基于CUDA-Python的高性能GPU加速同态加密框架，专注于实现非RNS（非剩余数系统）版本的CKKS-BGV全同态加密方案。自第四代FHE框架CKKS提出已有十年，但尚未出现第五代方案；近年来大量研究通过
PRoVeFL: Private Robust and Verifiable Aggregation in Federated Learning
联邦学习（FL）允许多个客户端协作训练机器学习模型，同时保留数据本地性，从而增强用户隐私。然而，传统的FL框架依赖中心化聚合服务器，并假设客户端是诚实但好奇的，这使其易受服务器端推理和客户端投毒攻击。先前的工作虽然探索了安全且拜占庭鲁棒的F
Reproducible Validation of Voucher-Based L2 Interoperability: Diagnosing an ERC-4337 Compatibility Issue in an EIL SDK Implementation
该论文研究了以太坊Layer-2（L2）生态系统中跨Rollup互操作性的一个具体兼容性问题。背景是L2扩展解决方案虽然提升了可扩展性，但也导致了用户、流动性、Gas资金和执行在不同Rollup之间的碎片化。Ethereum Interop
xDECAF: An Extensible Data Flow Diagram Analysis Framework for Information Security
论文提出了 xDECAF，一个可扩展的数据流图（DFD）分析框架，专注于信息安全领域的架构级分析。该框架扩展了传统 DFD 元模型，引入了带标签的节点和边，以支持更丰富的安全属性标注；同时提供了一种领域特定约束语言，支持不同的流操作，允许分
Auditing of Unlearning Algorithms
本文针对机器学习模型遗忘算法是否真正消除了训练数据影响的问题，提出了一种实用的审计方法。研究者设计了一个基于成员推断攻击的审计器，通过计算与数据相关的遗忘参数ε的下界，来评估遗忘算法是否达到其声称的隐私保证。在CIFAR-100和Shake