Stability Buys Time: A Re-Keying Game for Encrypted Multi-Agent Control
该论文研究的是在加密多智能体控制系统中，使用全同态加密（FHE）近似方案CKKS时的安全性问题。在该场景中，云服务器协调一组智能体，每个智能体的状态和命令以加密形式传输，但为了执行控制动作，控制回路必须解密，从而不可避免地暴露加密噪声，导致
2026-07-16 归档
今日共收录 1958 条安全情报，包含 992 个 CVE，550 篇安全通告，以及 113 篇研究论文。
← 返回归档列表Auditable and Transparent Fully Authenticated Disk Encryption via USB Storage Interposition
该论文提出了一种名为CC（Cryptographic Companion）的新型全认证磁盘加密方案。传统的全磁盘加密通常由操作系统驱动实现，用户需要提供密钥才能透明访问加密磁盘。CC则采用一种替代思路：在主机系统和外部硬盘之间插入一个通用U
Explainable-by-Design Audio Deepfake Detection via Wiener-Hopf Linear Prediction
本文针对音频深度伪造检测中现有方法依赖黑盒架构、可解释性差且计算复杂度高的问题，提出了一种基于Wiener-Hopf线性预测的可解释性设计框架。该方法首先利用Wiener-Hopf方程对音频信号进行线性预测分析，提取预测系数作为特征，然后输
How Agentic Is Agentic Commerce? A Population-Scale Measurement of x402 Adoption and Authenticity
该论文对 AI agent 经济中广泛部署的 x402 支付协议进行了首次大规模测量研究。x402 协议允许 AI agent 自主支付稳定币以获取数据、API 和计算资源，其链上结算量已达数亿笔，常被引证为 agent 经济已到来的证据。
VanillaBench: The Hidden Accuracy Cost of Adversarial Robustness
论文提出了VanillaBench，一个系统性的基准测试，旨在量化对抗训练模型与普通（vanilla）模型之间的准确率差距。过去十年中，对抗性鲁棒性研究产生了数百个防御模型，但文献通常孤立地报告鲁棒性结果：仅展示鲁棒模型的干净精度和对抗精度
On the Security Implications of PQC in TLS: Handshake Exhaustion and IDS Degradation
本文系统研究了后量子密码（PQC）集成到TLS 1.3后对网络安全带来的新威胁。作者建立了包含一个支持PQC的TLS服务器和十个攻击节点的实验平台，生成了超过16.5 GB的混合流量数据，包含正常浏览行为和高强度握手耗尽攻击。实验结果表明，
Policy-Conditioned Constrained Decoding for Column-Level Access Control in Text-to-SQL
在文本到SQL（Text-to-SQL）模型跨信任边界部署的背景下，数据提供方与用户之间存在策略合规、回答覆盖率和成本三者之间的权衡。现有方法通常根据查询涉及的列名决定是否拒绝回答，并采用随机性执行策略。然而，一个查询是否合规不仅取决于出现
$\mathrm{P}^{3}$CDA: Privacy-Preserving and Provably Secure Cross Domain Authentication Scheme for Internet of Drones
随着物联网无人机（IoD）的快速扩张和无人机移动性的增加，地理上分布的域间交互变得不可避免，跨域认证因此成为IoD的基本安全需求。然而，现有认证方案往往难以同时实现强安全性、高效率和身份隐私，不适合高度动态且资源受限的IoD环境。针对这一挑
A Threshold Exceedance Framework for CBRN Uplift Evaluation in Frontier Language Models
该论文提出一种名为“阈值超越标准”（TEC）的通用框架，用于评估前沿语言模型在化学、生物、放射、核（CBRN）领域的“提升”（uplift），即模型辅助是否显著增加了非专业行为者滥用这些技术的能力。当前CBRN评估因非专业定义、威胁范围、基
MTD-Playground: An Attacker-Aware Evaluation Framework for Network Moving Target Defense
本文提出了MTD-Playground，一个针对网络移动目标防御（MTD）技术的攻击者感知评估框架。现有MTD评估因攻击者假设、攻击场景和评估指标不一致而碎片化，缺乏可重复性和部署导向的比较。MTD-Playground专注于软件定义网络（
Anticipating Decoder Side-channel Attacks in Fault-tolerant Quantum Computers
该论文针对量子计算作为应用技术兴起后，如何保护量子计算机免受信息安全攻击的问题，首次提出了一类针对容错量子计算机的新型侧信道攻击。这种攻击利用量子计算机解码器（decoder）系统所接收的综合征（syndrome）数据，推断量子计算机正在执
Representation and Reference Selection in Training-Free Synthetic Image Attribution
本文研究了无训练参考的合成图像归因问题，即给定一张AI生成的图像，判断其来源生成器。无训练参考方法通过添加特定源的参考图像而非重新训练分类器来扩展新生成器，具有可扩展性。其性能取决于两个因素：用于比较的表示空间和参考集的构建方式，但两者之间
An Explainable Agentic System for Detection of Conversational Scams with Summary-Based Memory
该论文针对日益严峻的对话式诈骗威胁，提出了一种可解释的智能体检测系统。对话式诈骗通常持续数周至数月，通过逐步建立信任来诱导受害者转账或泄露敏感信息。现有检测系统主要关注单条消息，难以应对这种多轮、高语境依赖的攻击。作者首先构建了 ConSc
Cardano's Voltaire Governance: Complete Specification and Research Program
本文是Cardano区块链Voltaire治理系统的完整技术规范与研究议程报告。Cardano的Voltaire治理系统通过CIP-1694引入，并于2024年9月Chang硬分叉后正式启用，旨在解决去中心化协议演进中的适应性、安全性和利益
Time Is Money: Incentivized Causal Transaction Ordering
区块链中的抢跑（front-running）是一个持续存在的安全问题。区块链本质上是执行交易（指令）的状态机，用户通过发布有价值的功能性交易来获得奖励。攻击者观察到这些交易后，在其之前发布自己的类似交易，从而抢夺奖励，削弱用户发布功能性交易
Beyond AI-Generated Labels: Watermarking, Co-Creation, and Conflation of AI-Generation with Disinformation
本文批判性地审视了当前广泛讨论的AI生成内容水印机制，指出其在区分机器与人类创作时的局限性。作者认为，将水印技术（尤其是不可见水印转换为可见的“AI生成”标签）应用于新闻、学术、公共宣传等以信息准确性为核心关注的领域，存在概念与实践上的根本
When cheap gradients fail: the measurement cost of attacking quantum classifiers
该论文研究了量子分类器在对抗性扰动下的安全性问题，特别关注基于梯度的测试时攻击在量子场景下的实际成本。传统上，攻击者可以通过自动微分廉价获取梯度（便宜梯度原理），但在变分量子分类器中，由于量子测量存在有限统计噪声（shot noise），每
The Entanglement Wall: Activation-Space Probes as Risk Detectors, Not Context Adjudicators
该论文探讨了在大型语言模型（LLM）的安全对齐中，上下文是否会改变请求的有害性，而不改变其主题或表面形式。研究者提出了一个核心问题：残差流探针（residual-stream probes）能否在一个有用的操作点上区分有害请求与表面匹配的良
Automated Stealthy Wear-Out Attack on Digital Twins With Deep Reinforcement Learning
该论文研究数字孪生（DT）系统中的隐蔽性磨损攻击。数字孪生作为工业4.0的关键技术，通过实时监控、仿真和精准控制物理资产，实现了数据驱动决策和运营优化。然而，这种物理与虚拟域的无缝交互极大地扩展了攻击面。论文提出一种基于深度强化学习（DRL
Effective Synthetic Image Detection via Noise Residual Clustering
本文针对生成式人工智能（AI）生成的合成图像日益逼真、可能被用于虚假信息传播和欺诈等安全威胁的问题，提出了一种无需训练（training-free）的合成图像检测方法。现有检测器大多依赖大规模标注数据进行监督训练，成本高且对未知生成模型泛化