US seizes over 1,000 websites in FIFA World Cup piracy crackdown
The U.S. Justice Department has seized more than 1,000 websites and blocked 1,970 domains used to stream FIFA World Cup
2026-07-22 归档
今日共收录 2277 条安全情报，包含 1464 个 CVE，419 篇安全通告，以及 96 篇研究论文。
← 返回归档列表Microsoft shares manual fix for WSUS sync delays and timeouts
Microsoft has shared manual mitigations to help IT administrators fix Windows Server Update Services (WSUS) servers affe
Windows LegacyHive zero-day flaw gets free, unofficial patches
Free unofficial patches are available for a recently disclosed Windows zero-day flaw that allows attackers to escalate p
New Bit2Watt Attack Could Let Cloud Tenants Disrupt Power Grids Without an Exploit
A cloud tenant using nothing but ordinary GPU access can push a data center's power draw up and down fast enough to thre
New ENCFORGE Ransomware Targets AI Model Files in Langflow RCE Attack
Researchers at Sysdig have linked a second attack on the same Langflow server to JADEPUFFER, the AI-agent-driven operato
Trump Orders Defense Contractors to Map Software, Suppliers Across Critical Supply Chains
New executive order calls for end-to-end visibility into defense supply chains, including software dependencies, foreign
Detection, Attribution, Narration: An End-to-End Pipeline for Explainable Money Mule Identification
论文提出一个端到端的可解释钱骡账户检测管道，解决大规模金融欺诈中恶意账户识别的难题。管道分为三个阶段：首先，基于280个手工特征（涵盖交易模式、账户人口统计、网络拓扑和时间行为）训练LightGBM分类器进行初始检测；其次，利用TreeSH
ShadowPickle: Evading Machine Learning Model Scanners via Stealthy Pickle Deserialization Attacks
该论文研究面向预训练机器学习模型（PTM）托管中心（如 Hugging Face）的供应链攻击，指出攻击者可通过分发恶意 PTM 模型实现远程代码执行。现有基于静态分析的模型扫描器虽能检测部分已知恶意负载，但对新型隐蔽攻击的防御能力有限。作
ChainMark: Model-Free LLM Watermarking with Closed-Form Calibration
欧盟《人工智能法案》等监管法规要求对合成文本进行机器可读标记，但现有水印检测方法通常依赖生成语言模型（LM）和启发式阈值，缺乏闭合形式的校准机制。本文提出 ChainMark，一种无需生成模型访问的活动水印方案。该方法通过密钥控制的 SHA
CPInj: Uncovering Prompt Injection Risks in Textual Collaborative Prompt Optimization
本研究针对文本协同提示优化（TCPO）中的安全风险展开。TCPO是基于Textgrad的分布式框架，允许多个客户端在本地数据不泄露的情况下共同优化大语言模型（LLM）的提示词。TCPO依赖自由形式的文本更新与聚合，这引入了一个新的攻击面：恶
SFGA: A Statistics-First Gating Architecture with Adjudicative Escalation for Trustworthy SFT Data Procurement
该论文提出了一种名为 SFGA（Statistics-First Gating Architecture with Adjudicative Escalation）的统计优先门控架构，用于解决监督微调（SFT）数据采购中的成本效益问题。在数
Cross-Agent Campaign Attribution: Linking Asynchronous Attacks Across LLM Agents
本研究针对大型语言模型（LLM）智能体在实际部署中面临的安全挑战。当前防御机制通常基于单次会话评估，但攻击者可以跨独立智能体、团队和运行时环境分发攻击，导致各个本地防护栏只能观察到零散的攻击片段。作者形式化了跨代理异步攻击归因问题：在无共享
When to Trust the Map: Confidence-Aware LLM Routing for Automotive CVE-to-ATM Mapping
该论文针对汽车行业CVE描述与Auto-ISAC汽车威胁矩阵（ATM）之间自动映射的置信度问题展开研究。由于CVE描述侧重于技术条件和影响，而ATM表达的是攻击者的战术和技术，两者表示方式不对齐，导致在安全关键环境中错误的自动映射可能扭曲威
Broken Gates: Re-evaluating Web Bot Defenses in the Age of LLM Agents
本文针对基于LLM的浏览器代理对现有Web机器人防御系统构成的威胁进行了系统性测量研究。随着LLM（大语言模型）驱动的浏览器代理能够自主导航、理解页面内容并通过自然语言交互，传统基于预定义脚本的自动化框架已不再代表主要的自动化攻击手段。论文
Trusted Credentials, Untrusted Behavior: Benchmarking LLM-Agent Security in High-Performance Computing
该论文聚焦于大型语言模型（LLM）代理在高性能计算（HPC）环境中的安全挑战。随着LLM代理开始承担HPC中的常规任务，如监控Slurm作业、诊断构建失败、检查模拟输出以及协调科学工作流，它们通常使用用户的凭证进行操作，并继承用户对文件和调
Adaptive Adversaries: A Multi-Turn, Multi-LLM Benchmark for LLM Agent Security
该论文提出了一个名为“Adaptive Adversaries”的基准测试，用于评估基于LLM的智能体在面对自适应、多轮攻击时的安全性。研究背景是：基于LLM的智能体处理外部内容时容易受到提示注入和多轮操纵，现有安全基准大多使用评估前收集的
HALLMARK: Diagnosing Three Failure Modes in LLM Citation Verifiers
本文介绍 HALLMARK，一个用于诊断大语言模型（LLM）引文验证器故障模式的基准测试。研究背景是：LLM 已广泛用于撰写文献综述和学术写作，导致虚构引用（幻觉）风险增加。例如，GPTZero 在 NeurIPS 2025 接收论文中发现
Insecure Coding Preferences in Long-Term Memory: Security Risks for LLM-based Code Generation
本研究首次系统性地实证分析了长期记忆中存储的不安全编码偏好在基于LLM的代码生成中对安全性的影响。研究背景是，越来越多的LLM系统集成长期记忆以实现跨会话连续性，但一旦不安全编码偏好被存储，它们可能 silently 影响后续生成中的安全关
How Jailbreak Attacks Inform Safety Alignment: A Defender-Centric, Shapley-Based Evaluation of Jailbreak Contributions
本文针对大语言模型越狱攻击评估的现有方法提出批判：传统上，越狱攻击通常使用攻击者中心指标（如攻击成功率 ASR）来衡量，但一个能够成功攻破模型防御的攻击并不一定能有效帮助提升模型的安全性。作者提出了一种防御者中心的评估视角，通过衡量越狱攻击
SlotGuard: Stop Oversharing Private Local Context in LLM Agent Transcri
这篇论文聚焦于大型语言模型（LLM）Agent在交互过程中隐私泄露与凭证泄露的问题。当前，LLM Agent将工具输出、shell日志、文件读取等观测结果附加到传输给服务提供商的转录文本中，导致敏感信息（如路径、电子邮件、API密钥）被泄露