Linux disk encryption and self-encrypting drives -- A case study on Opal2 drives security
本文针对 Opal2 自加密硬盘（SED）在 Linux 系统中的实际集成安全性进行了案例研究。Opal2 是一种基于硬件的磁盘加密标准，旨在替代或补充软件加密方案，但其固件安全性尚未得到充分验证。研究者采用黑盒方法，搭建测试平台，收集了来
2026-07-14 归档
今日共收录 1138 条安全情报，包含 379 个 CVE，396 篇安全通告，以及 80 篇研究论文。
← 返回归档列表Federated Learning Architecture: Data Privacy and System Security Approaches
该研究针对联邦学习（FL）系统中的数据隐私与安全性问题，提出了一种结合同态加密（HE）和差分隐私（DP）的架构。联邦学习允许数据保留在本地设备上，避免了集中式数据收集，但模型更新过程中仍可能泄露敏感信息。同态加密使得在加密数据上直接进行计算
An Explainable Agentic System for Detection of Conversational Scams with Summary-Based Memory
该论文聚焦于生成式AI时代日益严重的对话式诈骗（conversational scams）威胁。此类诈骗往往持续数周甚至数月，通过逐步建立信任来诱导受害者提供资金或敏感信息，传统基于单条消息的检测系统难以有效应对。为此，作者提出了一种可解释
Closing the Loop: An Access-Control Architecture for Automated, Anomaly-Driven Network Revocation in IoT Deployments
该论文针对物联网设备网络入侵检测系统在实际部署中普遍缺乏自动化响应机制的问题，提出了一种基于标准协议（IEEE 802.1X、EAP-TLS、RADIUS）的闭环访问控制架构。核心思想是将异常检测器的输出直接联动到网络接入控制层，实现自动断
Cardano's Voltaire Governance: Complete Specification and Research Program
该论文对Cardano区块链的Voltaire治理系统进行了完整的技术规范和研究议程规划。Cardano的Voltaire治理系统是2024年9月通过Chang硬分叉激活的链上治理框架，遵循CIP-1694提案。论文首先提供了Voltair
Time Is Money: Incentivized Causal Transaction Ordering
区块链中的抢跑（front-running）是一个长期存在的隐蔽问题。区块链作为有状态虚拟机，执行称为交易（transaction）的指令。用户通过发布对系统运行至关重要的功能性交易来获取奖励。攻击者观察到这些交易后，在用户之前抢先发布自己
GNSS Spoofing Detection in TDD Networks: A 3GPP Standards-Based Security Framework
本文针对时分双工（TDD）移动网络中的GNSS欺骗攻击问题，提出了一种基于3GPP标准的安全检测与监控框架。TDD网络要求基站间同步精度达到±1.5微秒（3GPP TS 38.104），而GNSS授时的主时钟是主要时间源。GNSS欺骗攻击已
Mako: A Self-Evolving Agentic Operating System (SE-AOS) for Autonomous Web Exploitation
Mako 是一个创新的自主操作系统实例，首次提出了自演化智能体操作系统 (SE-AOS) 的概念。该系统将漏洞利用能力视为一个可变的、版本化的内核，在运行时通过观察自身失败、合成新能力、对实时目标进行验证，然后将新能力热加载回自身，从而实现
When cheap gradients fail: the measurement cost of attacking quantum classifiers
该论文研究了量子变分分类器在面对对抗性攻击时的安全性，特别是利用有限量子测量统计（即散粒噪声）作为内在防御机制。传统的梯度攻击需要从重复电路执行中推断梯度分量，而任何无偏梯度估计方法都需要大量测量预算。论文证明了在给定假设下，单步攻击需要至
ARMOR-IMC: Adaptive Resource Mapping for Operational Robustness via Secure In-Memory Computing
在传统冯·诺依曼架构中，数据在存储与计算单元之间的频繁移动导致巨大的能耗开销。为提升能效，存内计算（In-Memory Computing, IMC）被广泛用于深度神经网络（DNN）加速，特别是利用自旋轨道矩磁隧道结（SOT-MTJ）等新兴
A Verifier-Centric Conceptual Model for Digital Credential Ecosystems
本文针对数字凭证生态系统中普遍存在的互操作性失败问题，提出了一种以验证者为中心的概念模型。作者指出，尽管现有系统常共享数据模型或格式，但实际互操作性仍难以实现，传统按元素（如标识符、算法）逐项比较的方法无法解释失败根源。为此，论文构建了两层
Effective Synthetic Image Detection via Noise Residual Clustering
该论文针对生成式AI技术快速发展导致的合成图像检测问题，提出了一种免训练的检测方法。现有检测器通常依赖大量标注数据进行监督训练，不仅成本高昂，而且对未知生成模型的泛化能力较差。为此，作者设计了一套无需训练的图像真伪鉴别方案：首先利用预训练的
Dynamic Rowhammer Threshold Management:Temperature-Aware Threshold Degradation for In-DRAM Defenses
本文针对DRAM中Rowhammer攻击的防御问题，提出了一种名为“动态Rowhammer阈值管理”（Dynamic Rowhammer Threshold Management）的运行时管理层。传统In-DRAM防御机制（如SALT-C、
Byzantine Accountability Without Consensus: Strong Eventual Consistency for Non-Associative, Stochastic, Robust Aggregation
本文提出了一种去中心化的拜占庭容错聚合方法，名为ACFA（Accountable Consensus-Free Aggregation），解决了现有鲁棒聚合规则（如multi-Krum）依赖中心协调者且难以去中心化的问题。这些规则具有全局耦
When Are Sparse Feature Interventions Actually Localized? Matched Evaluation for SAE-Based Safety Control
该论文研究了稀疏自编码器（SAE）特征是否能够作为局部化的控制手柄，用于调节大语言模型的安全相关行为。核心挑战在于，表面上的成功可能源于弱干预、基线不匹配、模型鲁棒性或自动化安全评判器标记为不安全但实际无意义的有害合规输出。作者提出了一种匹
Banshee: Target Switch Attacks on Gimbal-Stabilized Visual Tracking Systems via Acoustic Injection
该论文提出了 Banshee，一种针对无人机（UAV）中基于云台稳定视觉跟踪系统的物理可实现攻击方法，通过声学注入诱导目标切换。现有研究表明声学信号可以干扰云台内部工作，但尚未充分探索对实际应用（如无人机跟踪与跟随）的影响。Banshee
A Dual-Stream Challenge-Response Protocol for Ocular Liveness Verification
该论文针对眼动生物特征识别系统面临的高级呈现攻击（如高清视频重放和实时生成式深度伪造）提出了一种双流挑战-响应协议。当前呈现攻击检测（PAD）框架通常依赖孤立的生理指标（如注视追踪或瞳孔光反射），这些指标易被单独欺骗。作者提出了时空-亮度传
Statistically Undetectable Backdoors in Deep Neural Networks
本文研究深度神经网络中后门植入的统计不可检测性。作者展示了一种对抗性模型训练者可以在大规模前馈神经网络中植入后门的方法，这些后门在白盒设置下是统计不可检测的，即后门模型与诚实训练模型之间的总变差距离很小，即使审查者拥有模型的完整描述（如所有
TSAI-MetaFraud: A Benchmark Dataset for Financial Fraud Transaction and Behavioral Risk Detection in Metaverse Ecosystems
该论文提出了TSAI-MetaFraud，一个面向元宇宙生态系统金融欺诈交易和行为风险检测的多模态、多任务基准数据集。随着元宇宙平台虚拟经济的发展，欺诈、机器人和非法金融行为等新挑战日益突出。现有数据集通常孤立地关注用户行为、身份验证或金融
Triggering Stealthy Feature Map Backdoors via Physical Fault Injection in Embedded Neural Networks
本文研究了一种跨层级攻击方法，将嵌入式神经网络实现层面的物理故障注入与算法层面的对抗攻击相结合。传统故障注入攻击主要关注通过破坏权重或中间计算导致分类错误，而忽略了与算法级对抗威胁的交互。作者首先通过表征推理期间故障引起的数据扰动，将故障注