JANUS: Foreseeing Latent Risk for Long-Horizon Agent Safety
该论文针对大语言模型驱动的智能体在长时间跨度任务中的安全问题，提出了一种面向未来的风险预判框架 Janus。传统智能体安全方法主要依赖即时内容过滤，难以防范工具调用过程中潜藏的延迟性风险。Janus 通过多智能体仿真生成多样化的代理轨迹，并
2026-07-25 归档
今日共收录 771 条安全情报，包含 0 个 CVE，408 篇安全通告，以及 82 篇研究论文。
← 返回归档列表Adversarial Frontiers: Minimum-Norm Attack Ensembles for Robustness Evaluation
该论文指出当前对抗鲁棒性评估通常使用预定义的攻击集成（如AutoAttack），在单一扰动预算ε和选择性扰动范数下进行，存在三大局限性：第一，鲁棒性-扰动曲线可能在不同模型间交叉或以不同速率衰减，导致单一ε下的排名不稳定；第二，现有集成无法
GhostPrompt: Cross-Image Adversarial Prompt for Vision-Language Models
本文针对视觉语言模型（VLM）在对抗性攻击下的脆弱性展开研究。现有基于文本的对抗攻击方法大多从纯语言模型迁移而来，其提示优化过程中固定视觉输入，导致生成的对抗提示与特定图像绑定，跨图像迁移性差。为突破这一局限，作者首次提出“对抗提示的跨图像
Examining User Behavior and Cognitive Biases in Personal Password Security
该研究聚焦于个人密码安全中的用户行为与认知偏差。尽管网络安全意识日益增强，用户仍普遍存在不安全密码实践（如密码复用、选择弱凭证、忽视安全建议）。研究整合行为经济学中的双曲贴现、现状偏差和当前偏差等概念，探讨影响密码决策的行为和认知因素。通过
End-to-End Differential Privacy in Training Deep Neural Network Classifiers
本文提出了一种端到端差分隐私（DP）训练框架，用于深度神经网络分类器。现有的DP机器学习方法通常同时对训练输入和标签进行隐私保护，但在标签可公开或可安全公开的场景下，这种保护过于保守。因此，作者提出仅对训练输入进行私有化，同时保持标签公开。
ResearchArena: Evaluating Sabotage and Monitoring in Automated AI R&D
随着AI代理开始自动化AI研发流程（如模型微调、CUDA内核优化、推理服务器优化等），如何确保其产出物安全部署成为一个关键问题。传统的信任代理方式存在风险，因为代理本身可能不可信。AI控制（AI control）作为一种替代方案，将代理视为
SoK: Adversarial Robustness of the Variational Quantum Eigensolver via Red-Teaming
该论文系统性地研究了变分量子本征求解器（VQE）的对抗鲁棒性问题。VQE是近期量子硬件上估算分子基态能量的领先算法，广泛应用于量子化学、材料科学和药物发现。随着VQE工作负载通过基于云的'VQE即服务'管道部署，它面临来自受损服务组件、恶意
PTSan: A Practical Memory Safety Sanitizer for C/C++ with Pointer-Object Authority
内存安全错误仍然是C和C++中严重漏洞的主要来源。传统的基于位置的消毒器（如LLVM的ASan）虽然广泛使用，但只能检测缓冲区溢出等有限类型的错误，且开销较高。基于指针的消毒器提供了更强的安全保障，但以往的实现因高开销和兼容性问题难以在生产
Sarus: Privacy-Preserving Multi-Vendor Perception Fusion via Homomorphic Encryption
本文提出 Sarus，一个基于同态加密的隐私保护多供应商感知融合框架，旨在解决自动驾驶车辆在多供应商部署场景中共享检测输出时面临的隐私和安全问题。传统协作感知通过聚合多个代理的检测结果提升环境感知能力，但暴露了供应商的模型行为和敏感环境信息
Exploiting Load/Store Leakage of Sparse Vectors for Key Recovery in HQC
本文针对 NIST 标准化候选算法 Hamming Quasi-Cyclic (HQC) 密钥封装机制，提出了一种侧信道攻击方法。HQC 是一种基于编码的密钥封装机制，其安全性依赖于稀疏秘密向量的使用。研究者分析了参考实现在 Cortex-
Chi-MERA: Defending Orbit-Based Authentication of LEO Satellites with the Space Oddity of MLAT (Long Version)
该论文针对低轨卫星（LEO）的物理层安全认证问题展开研究。现有基于轨道特征的认证方案在面对控制多个设备的攻击者时存在严重漏洞，实验表明此类攻击可导致高达40%的误报率（FPR）。作者通过根因分析发现，单参考接收机的依赖性和对信号源分类的不精
Building Trust in Autonomous Commerce: A Verifiable Global Event Timeline and AI-Ready Fraud Intelligence Layer
本文针对代理驱动的商业协议（如AP2和ACP）在跨异构域的交易审计中缺乏可互操作、防篡改的审计能力和可验证的时间顺序的问题，提出了一种可验证的全局事件时间线架构。该架构由四个核心组件构成：标准事件模式（确保确定性序列化）、确定性批次形成（无
Unconditional Unclonable Encryption
该论文提出了一种基于信息论安全的不可克隆加密（Unclonable Encryption）方案，用于单比特消息的一次性私钥加密。传统加密方案假设密钥可以复制，但不可克隆加密利用了量子物理原理（如不可克隆定理）或量子资源来防止攻击者复制密文或
Beyond Heavy Log Curation: Perplexity-Based APT Detection via Unsupervised, Context-Augmented Language Models
高级持续性威胁（APT）因其隐蔽性和在大量日志中仅有少量攻击事件的特点，传统检测方法成本高且难以规模化。已有的机器学习方法虽然能减轻分析师负担，但通常依赖精心标注的训练数据和复杂的预处理流程，开发和维护成本高。本文基于对现有强基线检测方案的
Intelligent Disruption: Undetectable Attacks on Wireless Autoencoders
本论文针对无线自编码器通信系统中对抗攻击的不可检测性、攻击性和适应性难题，提出了一种基于深度学习的智能攻击框架。在存在多个攻击者的复杂场景下，多路并行攻击产生的累积泄漏干扰（CLI）会显著增加攻击被检测到的风险，同时动态环境使得固定攻击策略
Taming the Security-Energy Paradox: A Green AI Approach to Optimized Android Malware Detection
本文针对移动设备上部署深度学习恶意软件检测模型时面临的安全-能耗矛盾问题，提出了一种绿色AI方法。首先，作者指出随着Android恶意软件日益复杂，需要在设备端运行深度模型进行实时检测，但高精度的FP32模型会显著增加电池消耗。为此，系统研
决赛直播｜第四届阿里CTF安全挑战赛
该资讯报道了第四届阿里CTF安全挑战赛决赛的直播信息。阿里CTF（Capture The Flag）是由阿里云主办的安全竞赛，旨在通过模拟真实攻防场景，提升参赛者的安全技能和应急响应能力。决赛直播于2026年7月25日举行，包含多个安全领域
抢先加入AI时代顶尖安全团队！阿里云2027届实习生招聘来了！
阿里云2027届实习生招聘公告发布，面向AI时代顶尖安全团队，招聘实习生。文章来自先知社区，无任何威胁情报内容，仅为招聘信息。
Control CenterManage your security and delivery services
Control CenterManage your security and delivery services
See all Cybersecurity
See all Cybersecurity