Multiple Jscrambler Packages Impacted by Supply Chain Attack
A threat actor poisoned several Jscrambler NPM package versions to drop a cross-platform credential stealer. The post Mu
2026-07-15 归档
今日共收录 995 条安全情报，包含 81 个 CVE，528 篇安全通告，以及 87 篇研究论文。
← 返回归档列表Cross-Cutting Security Analysis of LLM-Generated Code via Metamorphic Testing and Association Rule Mining
本文针对大型语言模型（LLM）生成代码中普遍存在的安全漏洞问题，提出了一种结合安全导向的蜕变关系（MR）和关联规则（AR）挖掘的框架。研究定义了覆盖SQL注入、XSS、命令注入、路径遍历、硬编码凭据、弱密码学和内存安全等主要CWE类别的9种
Skills That Don't Exist: A Large-Scale Study of Hallucinated Skill Recommendation in LLM Agents
该论文首次对LLM智能体在技能推荐中的“技能名称幻觉”进行了大规模测量研究。LLM智能体通过从开放注册中心下载技能来获得新能力，开发者通常让智能体自动推荐并安装技能，但这一便捷性隐藏了风险：智能体经常编造出在注册中心中不存在的技能名称。这种
Understanding Implicit Trust Errors in Core Carrier Networks through Multi-Agent Flaw Discovery and Analysis
该论文聚焦于蜂窝核心网络（Core Network, CN）中的隐式信任错误（Implicit Trust Errors, iTrue）漏洞。传统上，核心网络内部接口依赖于物理隔离来保证安全，但随着云原生部署的推广，这种信任假设被打破，攻击
Silent Alarm: A J-Space Protocol for Comparing Danger Recognition Across Models and Quantization Levels
该论文提出了一种名为JADR（Jacobian Assessment of Danger Recognition）的新型协议，用于评估大语言模型（LLM）在越狱攻击下的安全鲁棒性。传统的评估方法依赖LLM作为裁判对生成响应进行评分，但这种方
AutoTrace: From Patches to Triggers via Agentic Interprocedural Exploration
本文提出 AutoTrace，一种通过智能代理进行过程间探索的漏洞触发器定位方法。触发定位比漏洞检测更难，因为触发器往往位于修复函数之外的多层调用中。AutoTrace 利用代码属性图分层探索，LLM 智能体决定搜索方向，确定性准入门控确保
PVDetector: Detecting Prompt Injection Attacks on Purpose-Specific LLM Agents through Policy-Violation Concept Analysis
大型语言模型(LLM)越来越多地被部署为特定用途的智能体(agent)，以处理客服、代码生成等垂直领域任务。这些智能体不仅需要遵循通用的安全护栏，还必须遵守各自角色的用途特定限制，这扩大了攻击面，尤其是提示注入(Prompt Injecti
When Binaries Talk Back: Representation-Confusion Attacks on LLM-Assisted Reverse Engineering
本文研究了LLM辅助逆向工程（RE）系统中的安全漏洞。攻击者可以通过控制二进制文件，使其中的数据被LLM误解为指令或独立证据，从而导致分析流水线将提取的观察结果错误地提升为指令权威、声明验证证据或可信分析状态，而实际上这些内容并不具备相应的
Trust but Verify? Uncovering the Security Debt of Autonomous Coding Agents
本研究针对自主编码代理（如GitHub Copilot等AI辅助编码工具）在生成代码时引入的安全风险进行了大规模实证分析。研究团队使用AIDev数据集，系统性地分析了4022个由编码代理生成的pull requests中涉及16112个文件
Antiproof: Synthesizing Vulnerability Detectors and Proofs of Exploitability
该论文提出名为 Antiproof 的端到端漏洞发现系统，旨在同时实现高召回率和可靠自动验证，克服现有方法在成本与效果上的权衡。系统核心包含两大组件：神经符号检测器合成（Neuro-Symbolic Detector Synthesis）与
Graph-Based Structural Evaluation of LLM-Translated Adversary Emulation Procedures
该论文提出了一种基于图结构评估（GBSE）的方法，用于评估大语言模型（LLM）生成的跨平台对手模拟程序翻译质量。对手模拟程序描述了多步骤的攻击流程，通常基于MITRE ATT&CK框架，包含技术、权限要求和可观测的遥测数据。LLM可以实现跨
AMT-X: Phase-Structured Multi-Turn Red-Teaming with Checklist-Gated Evaluation
当前大型语言模型（LLM）的安全性评估主要依赖单轮攻击数据集和单一评判者评分，这种方法低估了自适应多轮攻击者的风险，且报告的成功率无法区分部分可操作输出与完整操作细节输出。为此，本文提出AMT-X（Adaptive Multi-Turn E
Rethinking MCP Security: A Large-Scale Study of Runtime MCP Servers and Security Scanner Reliability
本文对模型上下文协议（MCP）的安全性进行了大规模实证研究。MCP已成为LLM代理与外部工具交互的标准接口，但安全评估方法尚不成熟。作者首先构建了MCPZoo——目前最大的MCP服务器动态分析数据集。他们设计了一个多智能体框架，将静态仓库转
Can Watermarking Techniques Help Prevent LLM Model Stealing?
本文针对大型语言模型（LLM）面临的模型窃取攻击提出防御方法。近年来，模型窃取攻击能够从黑盒商业语言模型中提取精确信息，例如模型架构、隐藏层维度等。本文重点防御Carlini等人（2024）提出的攻击及其扩展，该攻击旨在提取生产环境语言模型
Cross-Layer Misalignment Detection in Agent Skills: A Progressive Loading-Aware Contrastive Learning Approach
本文针对大型语言模型（LLM）代理在通过“代理技能”（Agent Skills）扩展功能时出现的跨层不对齐问题展开研究。代理技能是一种可复用组件，包含自然语言元数据、过程指令和执行时资源。随着开源技能市场的扩大，用户和代理主要依赖简短的元数
NetInjectBench: Benchmarking Indirect Prompt Injection in Tool-Using Large Language Model Agents for Network Operations
本文研究了在大型语言模型（LLM）代理用于网络运维（例如处理工单、告警、日志、运行手册和ChatOps消息）时面临的间接提示注入攻击问题。这类攻击可能使代理执行非预期的工具调用，导致安全风险。为此，作者提出了NetInjectBench基准
Temporary Authority, Permanent Effects: Commit-Time Authorization for LLM Agents
该论文由Igor Santos-Grueiro撰写，研究了LLM agent在执行过程中由于使用早期有效权限证据（如DOM快照、批准epoch、版本见证、分支令牌或工作器结果）而导致持久效果（durable effects）的安全问题。作者
Toward Stronger Code Watermarking: A Grammar-Driven Approach to Optimizing the Trade-off Between Quality and Detectability
随着大型语言模型（LLM）的快速发展，文本水印技术成为识别机器生成内容的关键手段。然而，现有基于logits的水印方法直接应用于代码生成时面临挑战：代码的低熵特性加剧了代码质量与水印可检测性之间的权衡。本文提出一种名为Grammar-Dri
Minionese: Comprehensive Benchmark and Mechanistic Study of Multilingual LLM Safety
该论文提出了一个名为Minionese的多语言大语言模型安全对齐基准测试，覆盖18种语言、4个资源层级和4种扰动类型（标准翻译、代码切换、音译、翻译腔）。研究发现，不同扰动类型会产生不同的安全漏洞轮廓：音译漏洞受文字系统身份影响，代码切换在
Large Language Models in Misinformation Ecosystems: Misuse, Defense, and Vulnerability
该论文系统性地探讨了大语言模型（LLM）在虚假信息生态系统中的多重角色与影响。作者指出，LLM已将虚假信息从单纯的内容问题转变为生态系统级别的安全挑战。当被滥用时，LLM不仅能够生成虚假内容，还能攻击虚假信息防御所依赖的社会语境、证据来源、