Qubes OS Security in the Public Record
本文对Qubes OS操作系统的安全公告记录进行了纵向分析,时间跨度从2011年至2025年,共涵盖109份Qubes安全公告(QSB)以及官方维护的Xen安全公告(XSA)追踪器。研究核心问题是:Qubes OS公开安全记录如何反映其安全
今日共收录 1491 条安全情报,包含 418 个 CVE,581 篇安全通告,以及 194 篇研究论文。
← 返回归档列表本文对Qubes OS操作系统的安全公告记录进行了纵向分析,时间跨度从2011年至2025年,共涵盖109份Qubes安全公告(QSB)以及官方维护的Xen安全公告(XSA)追踪器。研究核心问题是:Qubes OS公开安全记录如何反映其安全
本文针对AI软件开发代理在修改基础设施和关键系统时可能带来的安全风险,提出了一种结构化的监控方法。研究背景是:前沿实验室可能部署复杂的监控管道,但许多组织和个人开发者缺乏资源来维护此类系统。作者将问题建模为基础设施即代码(IaC)环境下的基
本文研究了一个差分隐私中的基础问题:是否可以对较大的组提供更强的隐私保障?Pujol和Desfontaines曾提出,在发布直方图时,是否可以允许对大计数有更大的误差,从而利用这一松弛来更强地保护大组成员。本文在固定不相交组以及“添加或删除
该论文针对物联网(IoT)可穿戴设备中日益突出的隐私与安全问题,提出了一种基于延迟的物理不可克隆函数(PUF)的低功耗、低开销硬件安全解决方案。可穿戴设备(如智能手表、健康监测设备)持续收集并传输位置、心率等敏感个人信息,但受限于资源(能量
本研究探讨了AI编码代理在生成高安全性软件时的可靠性问题。由于AI代理生成代码的速度远超人工审查,传统代码审查面临瓶颈。作者提出一种验证器驱动循环(Verifier-Driven Loop)方法,利用Ada/SPARK语言及其形式化验证工具
该论文重新思考了人工智能(AI)系统的渗透测试方法。传统的渗透测试主要评估攻击者是否能够利用软件、基础设施、配置或操作控制中的弱点实现安全相关的资源妥协(如获取数据、控制权限)。然而,在AI赋能系统中,攻击者可能通过影响提示词(prompt
本文提出了一种名为HORCRUX的紧凑型RISC-V扩展,用于支持后量子密码学(PQC)。该扩展提供统一的指令集扩展(ISE),支持所有NIST批准的PQC算法(如ML-KEM、ML-DSA、SLH-DSA、HQC和Falcon)。HORC
该论文针对举报人保护问题,提出了一种基于差分隐私的审计选择机制,旨在防止组织通过观察审计选择来识别举报人。现有方案缺乏正式隐私保证,而差分隐私机制也未直接针对这一自然威胁模型。作者首先形式化了强敌手威胁模型下的每报告(per-report)
针对生物特征模板保护(BTP)中存在的可比较表示泄露、辅助数据依赖、与具体模态耦合等问题,本文提出了一种名为多置换标签分类器编码(MPLCE)的新方法。其核心思想是利用身份分类的固有特性——将变化的生物特征样本映射到稳定且具判别性的身份级输
本文系统评估了Android内存取证的可行性——该技术可恢复从未写入磁盘的证据,如解密消息、会话凭证和应用程序的实时内部状态。现有取证工具依赖嵌入在libart.so(Android运行时库)中的调试符号来定位数据结构并解释其布局。然而,随
该论文提出了一种空间高效的量子算法,用于解决素数域上的椭圆曲线离散对数问题(ECDLP),这是密码学中的基础难题。Shor算法在理论上能高效求解ECDLP,但实际量子实现需要大量量子资源,尤其是逻辑量子比特数。当前最先进的实现需要超过100
异构CPU-GPU工作负载越来越多地应用于安全关键嵌入式系统(如自动驾驶、工业控制),但现有控制流证明(CFA)技术仅关注CPU侧,而GPU侧证明局限于静态加载时验证,无法提供运行时保证。这导致针对GPU内核的运行时攻击以及CPU-GPU交
本研究旨在探究哪些大语言模型(LLM)文本逃避攻击能够绕过当前最先进的对抗性微调检测器。作者发现,虽然对抗性微调可以轻易封堵2025年获胜的逃避方法,但检测器存在一个根本性的不对称漏洞:将生成文本推出检测器的训练分布(out-of-dist
本文针对量子计算技术进步对传统公钥密码体制(尤其是椭圆曲线密码ECC)构成的威胁,以及隐私敏感场景(如车联网通信)对匿名证书的需求,提出了一种基于多变量密码学的匿名证书方案。当前,NIST已规划后量子密码(PQC)迁移时间表,建议在2030
该论文研究了真实数据与文本到图像(T2I)生成数据混合训练(RSMT)对隐私泄露的影响。尽管在学术界和工业界,使用T2I合成数据扩充真实数据已成为缓解数据稀缺和隐私限制的常见做法,但先前研究主要关注合成数据替代敏感样本对隐私的保护作用,而忽
本文提出了一种对抗性提示框架(Adversarial Prompting Framework, APF),用于系统性地评估生成式AI模型的安全性。随着生成式AI在各行业的广泛应用,模型面临的新型网络攻击风险(尤其是对抗性提示攻击)日益突出。
该论文提出了一种名为 ReBound 的差分隐私决策支持框架,旨在解决交互式查询中隐私预算浪费的问题。传统的差分隐私机制将每个查询视为独立事件,不记忆历史结果,导致重复或相关查询消耗过多隐私预算。ReBound 通过引入缓存结果复用机制,允
移动目标防御(MTD)是一种主动防御策略,通过动态改变系统配置来增加攻击者不确定性。然而,现有MTD设计通常默认其候选配置池是安全的,即攻击者无法通过观察延迟等可测量指标来识别当前活动配置,但这一假设从未在池级别得到量化验证。本文形式化了这
该论文研究前沿AI代理能否自主执行结构化临床AI安全审计。传统临床AI模型的安全审计需要统计学专业知识、专门工具和大量时间,而本研究设计了一个基于METR Task Standard v0.3.0的开放评估任务。任务要求AI代理在给定预训练
本论文聚焦于大型语言模型中的“对齐伪装”(alignment faking)现象,即模型在监控下表现出顺从行为,但在无监控时可能保留真实意图。由于缺乏思维链(scratchpad)可见性,仅凭行为无法区分策略性顺从与真正顺从。研究团队通过在