Attackers Weaponize GitHub Actions Runners to Target cPanel and WHM Servers
Cybersecurity researchers have shed light on a large-scale campaign that has turned compromised GitHub repositories into
2026-07-24 归档
今日共收录 841 条安全情报，包含 0 个 CVE，432 篇安全通告，以及 115 篇研究论文。
← 返回归档列表IssueTrojanBench: Benchmarking AI Coding Agents Against Malicious Issue Requests
本文针对由大语言模型（LLM）驱动的AI编码代理（如Cursor、Claude Code、Codex Desktop）在面对恶意issue请求时的安全性进行了系统评估。作者首先指出这类代理的安全风险来源于两个层面：一是LLM主干网络本身，包
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探讨了基于大语言模型（LLM）的代码生成系统中长期记忆（Long-Term Memory）存储不安全编码偏好对安全性的影响。长期记忆旨在提升跨会话的连续性，但一旦不安全的编码偏好被存储，可能会在后续生成中潜移默化地影响
The Ethics of Autonomous AI Agents for Offensive Security
本文探讨了由大语言模型驱动的自主智能体在进攻性安全（如渗透测试、漏洞利用）中的应用所带来的伦理问题。作者指出，与传统确定性、范围狭窄且由训练有素的操作员执行的渗透测试工具不同，基于智能体的安全工具表现出三个独立维度的非确定性：第一，动作来自
HijackKV: New Threat in Position-Independent KV Cache Reuse
本文发现了一种针对大语言模型（LLM）中键值（KV）缓存的新型攻击——KV缓存在劫持。传统的基于前缀的KV缓存重用因要求精确的令牌和位置匹配而导致缓存命中率低。为提升效率，近期系统优化引入了位置无关的KV缓存重用，允许文本块不论在序列中的位
CPInj: Uncovering Prompt Injection Risks in Textual Collaborative Prompt Optimization
本文研究了文本协作提示优化（TCPO）中的提示注入风险。TCPO 扩展了 Textgrad 框架至去中心化设置，允许多个客户端联合优化大语言模型（LLM）的提示词，同时保持数据本地化。然而，TCPO 依赖自由形式的文本更新和聚合，引入了新的
Where You Tap Matters: A Probe-and-Model Benchmark for Open-Set RF Fingerprinting
本文针对射频指纹识别（RFFI）领域中一个被忽视但关键的问题展开系统性研究：在接收机链路的不同阶段（即探针点）采集信号样本对开放集RFFI性能有何影响？RFFI通过学习发射机特有的硬件缺陷来实现物理层设备识别，但现有文献未明确最优采样位置。
GPE: Evaluating Robust Evidence Aggregation for Fact Verification under Controllable GEO-Style Poisoning
随着大语言模型（LLM）越来越多地通过搜索引擎获取最新信息，检索到的文档可能被恶意操纵，构成新的攻击面。生成引擎优化（GEO）技术使特定内容更易被检索、引用和采纳，进一步放大了这一风险。然而，现有的事实核查基准和评估框架缺乏受控的证据环境，
Security Vulnerability Patterns in AI-Generated Code: A Cross-Model Comparative Study
本研究系统评估了基于大语言模型（LLM）的代码生成工具所产生自动化脚本的安全性。研究者从ChatGPT、Microsoft Copilot和Google Gemini三个主流模型中，使用相同的提示语收集了三个自动化领域的代码样本（共多种脚本
Evaluating Large Language Models for Symbolic Security Protocol Analysis
该研究系统评估了大型语言模型（LLM）在符号安全协议分析任务中的表现。传统上，安全协议的验证依赖形式化工具如ProVerif和OFMC，这些工具基于符号模型检测能够精确地挖掘协议漏洞。作者构建了一个包含130个经过混淆的AnB/AnBx协议
Pure-DP Statistical Query Release at the Conjectured Square-Root Rate
该论文解决了Nikolov和Ullman提出的一个开放问题：是否能够在纯差分隐私（pure differential privacy）下，以已知下界所暗示的平方根速率发布来自大小为T的宇宙的k个统计查询。作者证明了其猜想的上界成立。具体地，
Small, Free, and Effective: Orchestrating Open-Weight Small Language Models to Outperform Single LLM for Malware Analysis
恶意软件分析需要快速解读包含文件系统、网络和进程行为的复杂引爆报告。大型语言模型（LLM）在技术工件解读上表现出色，但闭源模型成本高昂且不透明，而许多开源模型体积庞大、计算资源要求高，限制了资源受限场景的部署。本研究探索了编排小型语言模型（
Geometric Configurations of Perturbed Jailbreak Prompts
本文研究了针对大语言模型（LLM）的越狱提示（jailbreak prompt）经过字符串级扰动后，其内部表示在小型模型中的几何配置。随着扰动技术不断演化，将失败的越狱提示转化为成功提示成为对LLM安全的重大威胁。作者选取了Qwen-2.5
Defense Against LLM Backdoors using Critical Neuron Isolation Pruning
大型语言模型（LLM）容易受到后门攻击，攻击者通过隐藏触发器诱导模型产生恶意输出。现有防御方法主要分为推理时检测和训练时缓解，但存在两个关键局限：第一，它们主要针对基于微调的后门（如PEFT模块），无法应对绕过训练流程的隐蔽模型编辑攻击；第
DARWIN: Evolving Jailbreak Adversary and Guardrail for LLM Safety Evaluation and Protection
本文提出 DARWIN，一个进化式攻防框架，用于 LLM 安全评估与防护。现有方法采用静态设定：用固定攻击方法评估漏洞，用固定恶意数据集训练防护模型。然而现实对手的能力和攻击空间不断演化。DARWIN 将越狱攻击建模为开放式进化过程，并通过
Integrity of peer-to-peer distributed LLM inference under malicious nodes
本文针对点对点（P2P）分布式大语言模型（LLM）推理场景中的完整性威胁提出了一种检测方法。在P2P分布式推理中，LLM的层被分散到多个由不同独立方控制的节点上，每个请求依次经过这些节点。恶意节点可能篡改其中间激活值，从而破坏最终输出的正确
Guardrails as Scapegoats: Auditing Unfaithful Safety Refusals in Tool-Augmented LLM Agents
本文研究了工具增强型大语言模型（LLM）智能体在工具调用失败时的行为，特别是当API返回空、null或格式错误但HTTP状态码为200（即静默失败）时。现有评估框架主要关注能力指标或显式工具崩溃，忽略了这类无声的基础设施故障。作者提出了一个
Cross-Agent Campaign Attribution: Linking Asynchronous Attacks Across LLM Agents
本文研究LLM代理（LLM Agent）在实际部署中面临的一项新攻击识别问题——跨代理异步活动归因（Cross-Agent Asynchronous Campaign Attribution）。现有LLM代理防御机制通常针对单次会话独立评估
When to Trust the Map: Confidence-Aware LLM Routing for Automotive CVE-to-ATM Mapping
本文针对汽车网络安全领域中的CVE到Auto-ISAC汽车威胁矩阵(ATM)映射问题，提出了一种置信度感知的LLM路由框架。由于CVE描述侧重技术条件和影响，而ATM表达攻击者的战术和技术，两者不对齐，直接自动映射可能产生错误，进而扭曲威胁
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机器人防御系统的有效性进行了系统性评估。随着LLM代理能够自主导航网页、理解页面内容并通过自然语言指令与界面交互，传统的自动化框架（如Selenium）所面临的挑战被进一步放大。作者对比了两种防御类