A vulnerability was detected in NousResearch hermes-agent 2026.6.5. Affected by this vulnerability is an unknown functionality of the file hermes-agent/plugins/platforms/simplex/adapter.py of the component SimpleX Gateway Authorization. The manipulation of the argument contactId results in improper access controls. The attack may be launched remotely. A high complexity level is associated with thi

Ivanti Endpoint Manager Mobile（EPMM）存在代码注入漏洞。根据知道创宇Seebug的漏洞通告，该漏洞可能允许攻击者通过构造恶意输入，在目标系统上注入并执行任意代码。由于缺乏详细技术细节，具体触发条件和利用方式尚不明确。Ivanti EPMM是一款用于移动设备管理的企业级解决方案，漏洞可能影响其核心功能模块，导致机密性、完整性或可用性受损。

物联网设备的快速普及带来了资源受限和安全漏洞增多的挑战，传统基于静态签名或规则匹配的入侵检测系统已难以应对现代、自动化且新颖的零日攻击。现有的机器学习IDS模型在面对概念漂移和未知威胁时泛化能力不足。针对上述问题，本文提出PANDORA（Probabilistic Adversarial Network Defense Over Resource-constrained Architectures），一个面向边缘设备检测零日攻击的端到端框架。PANDORA的核心贡献有三：1）通过学习不确定性感知的概率嵌入，生成网络流量的鲁棒表示；2）提出新的概率流形结构距离（PMSD）损失函数，实现有效的零样本泛化；3）采用高效的Mamba-MoE（Mixture of Experts）架构，便于设备端部署。为验证方法，作者还构建了TTDFIoTIDS2025数据集，包含复杂、程序生成的攻击。实验结果表明，PANDORA在CICIDS2017上仅需10样本微调即可达到0.971的F1分数；在域迁移下的零样本检测准确率高达99%；在树莓派上部署时内存占用仅24MB，吞吐量达4.26 flows/s，证明了其实时边缘安全防护的实用性。

CrowdStrike 和 Zscaler 宣布合作，将持续身份安全集成到零信任访问框架中。该合作旨在结合 CrowdStrike Falcon 平台的端点威胁检测与响应能力以及 Zscaler 的零信任网络访问（ZTNA）解决方案，实现基于身份和上下文的持续访问控制。通过整合，企业能够在用户访问资源时实时评估设备健康状态、用户行为风险，并动态调整访问权限，从而降低凭据滥用和横向移动的风险。该方案适用于远程办公、多云环境等场景，强调在攻击发生前阻断威胁。

CrowdStrike 宣布推出面向人工智能代理的持续身份认证功能（Continuous Identity for AI Agents），旨在解决 AI 代理在自动化工作流中面临的身份安全挑战。随着企业越来越多地部署 AI 代理来执行敏感任务（如数据查询、代码生成、系统操作），这些代理通常需要访问内部资源，若身份管理不当，可能沦为攻击者横向移动的跳板。该功能基于 CrowdStrike Falcon 平台的实时威胁情报，为 AI 代理提供持续的身份验证、授权与行为监控，确保代理在运行过程中始终保持合规身份状态，并在检测到异常行为时自动隔离或终止会话。此次发布属于身份安全与零信任架构的扩展，不涉及特定漏洞或攻击事件。恶意软件家族 Conti 出现在标签中，但原文未提及相关攻击，可能是误关联。建议安全团队关注 AI 代理身份管理的风险，并考虑将类似方案纳入零信任策略。

该漏洞是 Citrix NetScaler（一款应用交付控制器，常用于负载均衡和Web应用安全）中的内存泄漏问题，编号 CVE-2025-5777。根据知道创宇/Seebug 的公告，攻击者可能通过特定请求触发内存泄漏，导致服务进程内存耗尽，从而引发拒绝服务（DoS）或潜在的信息泄露。目前缺少技术细节和受影响版本范围，厂商尚未发布官方补丁。

该论文提出了一种名为 PatchCleanser 的认证鲁棒防御方法，旨在抵御针对图像分类模型的对抗性补丁攻击。对抗性补丁攻击通过在输入图像的受限区域内注入精心设计的像素（即补丁），导致模型误分类。这种攻击可在物理世界中通过打印并粘贴补丁到目标物体上实现，对计算机视觉系统构成实际威胁。PatchCleanser 的核心思想是在输入图像上执行两轮像素掩码操作，以消除对抗性补丁的影响。该方法完全基于图像空间的操作，因此与任何现有最先进的图像分类器兼容，且能保持高精度。更重要的是，作者证明了在其威胁模型下，PatchCleanser 能够确保对于某些图像，针对任意自适应白盒攻击者，始终预测正确的类别标签，从而实现认证鲁棒性。论文在 ImageNet、ImageNette、CIFAR-10、CIFAR-100、SVHN 和 Flowers-102 等多个数据集上进行了广泛评估。实验结果表明，PatchCleanser 在保持与最先进分类模型相近的清洁准确率的同时，显著提升了认证鲁棒准确率。例如，在 1000 类 ImageNet 数据集上，面对图像上任意位置的 2% 像素大小的方形补丁，该方法达到了 83.9% 的 top-1 清洁准确率和 62.1% 的 top-1 认证鲁棒准确率。该工作适合计算机视觉安全研究人员、模型部署工程师以及对抗性机器学习领域的研究者阅读。

A vulnerability was found in mf-yang openclaw-cn up to 0.2.1. This affects the function clickViaPlaywright of the file src/browser/routes/agent.act.ts of the component Browser Control HTTP API. Performing a manipulation results in server-side request forgery. It is possible to initiate the attack remotely. The exploit has been made public and could be used. The project was informed of the problem

A vulnerability has been found in mf-yang openclaw-cn up to 0.2.1. Affected by this issue is the function assertBrowserNavigationAllowed of the file src/browser/navigation-guard.ts of the component Scheme Handler. Such manipulation of the argument url leads to information disclosure. The attack may be performed from remote. The exploit has been disclosed to the public and may be used. The project

Origin validation error in Microsoft Edge (Chromium-based) allows an unauthorized attacker to perform spoofing over a network.

Origin validation error in Microsoft Edge (Chromium-based) allows an unauthorized attacker to disclose information over a network.

Files or directories accessible to external parties in Microsoft Edge (Chromium-based) allows an unauthorized attacker to disclose information over a network.

PLANET VDR-300NU ADSL Router - 未授权修改DNS

Acknowledgements

该论文首次系统性地研究了大型语言模型（LLM）在软件逆向工程（SRE）中与人类分析师的协作效果。研究分为两部分：首先通过一项包含153名从业者的在线调查，记录了当前LLM在SRE领域的应用现状；随后设计了一项精细的人类实验，选取两个具有CTF风格的二进制程序（代表真实软件），对48名参与者（24名新手和24名专家）进行了超过109小时的逆向工程工作流监测。通过18项发现，论文揭示了LLM在SRE中的多重益处与危害。显著结果表明：LLM辅助缩小了专业差距——新手的理解率提升了约98%，达到专家水平，而专家获益甚微；但同时存在有害幻觉、无建议和低效结果。已知算法函数的分类速度提升最高达2.4倍，工件恢复（符号、注释、类型）增加至少66%。总体而言，研究发现人机协同在SRE中具有强大潜力，但也凸显了当前LLM集成中的显著缺陷。该研究为安全分析师、逆向工程师及AI辅助工具开发者提供了重要参考，有助于理解LLM在实际逆向任务中的真实效用与局限性。

论文摘要未提供，无法生成详细摘要。建议直接查阅原文。

CVE-2026-57990 是 Microsoft Edge（基于 Chromium）中的一个信息泄露漏洞。攻击者可以通过网络诱导用户访问恶意网站或点击恶意链接，利用该漏洞读取浏览器可访问的文件或目录内容，导致敏感信息泄露。该漏洞的 CVSS 3.1 评分为 7.4（高危），攻击向量为网络，攻击复杂度低，无需特权，但需要用户交互。受影响范围包括所有使用 Microsoft Edge 的用户。目前微软尚未发布官方补丁，建议用户密切关注更新并及时应用；同时限制浏览器对敏感目录的访问权限，并提高用户安全意识，避免点击可疑链接。

CVE-2026-57978 是 Microsoft Edge (基于 Chromium) 中的一个源验证错误漏洞。该漏洞允许未经授权的攻击者通过网络执行欺骗攻击。具体而言，攻击者可能利用 Edge 浏览器对页面来源（origin）验证的缺陷，在用户访问恶意页面时伪造合法站点的内容，从而实现界面欺骗（spoofing）。由于该漏洞无需攻击者事先认证，且用户交互仅为点击链接或浏览恶意页面，攻击门槛较低。尽管 CVSS 分值为 5.4（中等），但它可以导致机密性和完整性的低度损失（例如窃取凭据或伪造交易确认）。Microsoft 已发布安全更新修复此问题，强烈建议 Edge 用户立即更新浏览器至最新版本。此外，企业环境应通过组策略强制部署更新，并考虑限制浏览器对敏感站点的访问，降低被欺骗的风险。

Akamai 推出了名为 'Firewall for AI' 的产品，旨在为人工智能工作负载提供安全保护。该产品可能针对 AI 模型训练和推理过程中面临的 DDoS 攻击、爬虫等威胁，结合 Akamai 的边缘网络能力提供防护。文章未披露具体攻击活动或漏洞，主要作为产品发布公告。目前该产品可能仍处于早期阶段，具体技术细节和效果有待进一步评估。

A vulnerability was found in mf-yang openclaw-cn up to 0.2.1. This affects the function clickViaPlaywright of the file src/browser/routes/agent.act.ts of the component Browser Control HTTP API. Performing a manipulation results in server-side request forgery. It is possible to initiate the attack remotely. The exploit has been made public and could be used. The project was informed of the problem

A vulnerability has been found in mf-yang openclaw-cn up to 0.2.1. Affected by this issue is the function assertBrowserNavigationAllowed of the file src/browser/navigation-guard.ts of the component Scheme Handler. Such manipulation of the argument url leads to information disclosure. The attack may be performed from remote. The exploit has been disclosed to the public and may be used. The project

Firefox browsers

Sign in to Cloud

Sign Up for Free Cloud Tier

iOS 26.4.2 and iPadOS 26.4.2

iOS 18.7.8 and iPadOS 18.7.8

iOS 18.7.7 and iPadOS 18.7.7

iOS 26.4 and iPadOS 26.4

Background Security Improvements for iOS, iPadOS, and macOS

iOS 16.7.15 and iPadOS 16.7.15

iOS 15.8.7 and iPadOS 15.8.7

iOS 26.3 and iPadOS 26.3

iOS 18.7.5 and iPadOS 18.7.5

iOS 26.2 and iPadOS 26.2

iOS 18.7.3 and iPadOS 18.7.3

Compressor 4.11.1

iOS 18.7.2 and iPadOS 18.7.2

iOS 26.1 and iPadOS 26.1

iOS 26.0.1 and iPadOS 26.0.1

iOS 18.7.1 and iPadOS 18.7.1

Android Code Search

Android Devices

Secure an Android device

Android 16 QPR2

Mobile network security

iOS 26.5 and iPadOS 26.5

iOS 18.7.9 and iPadOS 18.7.9

iOS 16.7.16 and iPadOS 16.7.16

iOS 15.8.8 and iPadOS 15.8.8

MFSA 2026-49Security Vulnerabilities fixed in Firefox for iOS 151.0

MFSA 2026-52Security Vulnerabilities fixed in Firefox for iOS 151.1

MFSA 2026-53Security Vulnerabilities fixed in Firefox for iOS 151.2

MFSA 2026-55Security Vulnerabilities fixed in Focus for iOS / Klar 151.3.1

MFSA 2026-56Security Vulnerabilities fixed in Firefox for iOS 152.0

iOS 26.5.2 and iPadOS 26.5.2

MFSA 2026-65Security Vulnerabilities fixed in Firefox for iOS 152.3

MFSA 2026-66Security Vulnerabilities fixed in Firefox for iOS 152.4

APSB26-77: Security update available for Adobe Creative Cloud Desktop Application

本文提出 HarnessLLM，一个利用大语言模型（LLM）自动为 Rust 代码生成验证 harness 的工作流。Rust 的所有权模型和类型系统提供了强内存安全保证，但 unsafe 代码和运行时 panic 仍带来显著风险。形式化验证对于确保内存安全至关重要，但开发验证 harness 仍然是一项具有挑战性的手动任务。尽管 LLM 在各种代码分析任务中表现出色，但直接应用于 harness 生成往往导致错误的 API 调用、低效的非确定性数据生成以及虚构的修复。HarnessLLM 直接从现有测试套件中提取调用场景，基于依赖分析生成非确定性参数，并增量合成 harness。然后它迭代优化 harness，保留关键代码区域，并向 LLM 报告虚构的类型或函数以进行修正。在 9 个真实 Rust 代码库上的评估中，HarnessLLM 从 494 个测试用例中提取了 294 个调用场景，精度达 94.66%，平均每个场景生成 harness 耗时 145 秒，优于现有方法 Autoharness（仅在 41% 的场景上成功）。最终，使用生成的 harness 检测到了 6 个真实世界的内存安全漏洞，证明了该方法在验证中的实用性。据作者所知，这是首个使用 LLM 为真实 Rust 项目生成内存安全验证 harness 的工作。

本文研究了针对网络增强型大语言模型（LLM）推荐系统的对抗性排名操纵问题。当LLM通过检索和阅读实时网页来回答推荐查询时，它扮演了推荐系统的角色，每个检索到的页面都可能成为攻击面。现有工作主要关注虚构产品、检索投毒和排名提升，但未系统比较在保持周围源集不变的情况下，对已检索页面进行不同编辑如何改变模型的最终排名。为填补这一空白，作者提出了SIREN方法，这是一种自动化的攻击者-裁判方法，将PAIR越狱循环适配为竞争性排名操纵，目标是将选定实体提升至LLM生成的推荐列表的第一位。SIREN使用Anthropic网络工具检索和捕获网页，然后通过23种内容投毒技术的可解释分类法迭代编辑检索到的源。其自定义RAG重放平台保持源顺序不变，从而将模型排名的变化归因于内容变化而非检索差异。在两个生产级Claude模型上，SIREN在8个查询-模型上下文的124次技术试验中，有62次成功将目标推至第一位。达到第一位的载荷在全新会话中测试，平均成功率为0.805。在评估的各种设置中，声明性排名声明和种子列表通常比指令式注入更有效，但效果差异取决于目标模型。据作者所知，这是首个在保持源上下文不变的情况下，针对生产级LLM进行竞争性排名操纵的受控研究。

该论文针对以太坊NFT智能合约中的漏洞检测问题展开研究。NFT通过智能合约实现所有权、转移、授权和元数据操作，合约漏洞直接威胁数字资产安全。现有静态分析器基于规则高效筛查，但对特定应用逻辑的检测能力有限；而未经约束的大语言模型分析可能被无关代码干扰或产生不一致输出。为此，作者提出了一种结合漏洞聚焦代码切片、ERC-721知识库和约束DeepSeek分析的漏洞检测方法。具体流程为：首先利用正则表达式模式定位重入、整数溢出/下溢和时间戳依赖等候选语句；然后通过结构感知的上下文窗口算法提取带行号的代码切片；最后让DeepSeek基于显式决策规则和固定输出模式分析每个切片，生成可批量处理的记录。实验在450个NFT合约样本上进行，完整配置（切片+知识库）得到437个阳性标签，阳性率为97.1%；移除知识库后阳性率降至87.11%；不使用知识库且分析完整合约时阳性率仅为73.78%。结果表明，聚焦的代码上下文和领域约束显著提升了检测器的输出效果。该方法为NFT智能合约安全审计提供了新的思路，尤其适合自动化检测场景。

Cloud & Application Security

From Scanner to Stealer: Inside the trivy-action Supply Chain Compromise

Next-Gen Identity Security

CrowdStrike Named an Innovation and Growth Leader in the 2026 Frost Radar™: Cloud and Application Runtime Security

CrowdStrike Expands Identity Leadership with OpenID and IDPro

cloud architecture assessment

ransomware and multifaceted extortion defense

Google Cloud Next 2026Catch-up sessions on the keynotes and select sessions are now available on demand.Explore content on-demand

The Identity Problem Hiding in AI Agent Deployments

94% of Organizations Report Cloud Breaches: CrowdStrike State of CDR Survey

Falcon Cloud Security June 2026 Release: Updates for Azure and Google Cloud

Denying the Worm: Detecting SANDWORM_MODE and the Emerging Class of AI Toolchain Supply Chain AttacksJul 21, 2026

GitHub and PyPI (Python Package Index) have introduced a time-based mechanism in the Dependabot dependency management tool to protect against supply-chain attacks and to limit their impact. [...]

该论文提出了一种增量式离线/在线私有信息检索（PIR）协议，旨在降低传统PIR方案在重复查询场景下的通信和计算开销。核心思想是将PIR过程分为两个阶段：离线阶段预先处理数据库并生成辅助数据；在线阶段利用离线结果快速响应查询，同时支持增量更新（即数据库元素动态增删改时仅需局部调整辅助结构）。作者给出了形式化安全定义，并构造了基于同态加密和布谷鸟哈希的具体实例，实验表明在百万级数据库上通信量较现有方案降低约一个数量级。该工作对需要频繁查询的大规模数据库安全检索具有实际意义。

该论文提出了一种硬件-软件协同设计方法，旨在解决可信执行环境（如Intel SGX）中飞地内部隔离效率低下的问题。现有飞地设计通常将整个应用放在同一个安全边界内，缺乏内部隔离机制，导致一旦飞地内某个组件被攻破，整个飞地数据都会泄露。作者设计了一种轻量级的隔离架构，通过硬件扩展（如自定义页表权限级别）和软件运行时配合，在飞地内创建多个独立的安全域，并支持域间受控通信。实验基于修改的RISC-V处理器和Linux内核实现，评估表明该方法在提供细粒度隔离的同时，仅引入约5%的性能开销，相比现有方案（如多飞地模型）有显著优势。该工作为机密计算、多方数据协作等场景提供了更灵活高效的隔离方案。

本文针对车载网络（IVN）面临的注入攻击威胁，提出了一种状态感知的防御机制SAID（State-aware Defense Against Injection Attacks on In-vehicle Network）。车载网络是现代汽车的关键组成部分，但其安全性日益受到挑战，尤其是注入攻击（如伪造或篡改CAN总线消息）可能导致车辆失控等严重后果。现有防御方案多基于规则或异常检测，但难以应对日益复杂的攻击模式，且缺乏对车辆运行状态的感知。SAID的核心思想是利用车辆内部的状态信息（如车速、引擎状态、方向盘角度等）来动态地评估和过滤网络消息的合法性。该方法首先通过分析车辆的运行状态，建立状态转移图，并定义每个状态下合法的消息模式。然后，在运行时，SAID实时监控网络流量和车辆状态，将接收到的消息与当前状态下的合法模式进行比对，任何不符合状态预期的消息将被标记为攻击并予以阻断。实验基于真实车辆数据集和模拟攻击场景进行，结果表明SAID能够有效检测多种注入攻击（包括伪造消息、重放攻击等），同时保持极低的误报率。与传统的基于阈值或固定规则的防御相比，SAID将检测率提升至99%以上，误报率低于0.5%，且对车辆正常通信的延迟影响可忽略不计。该工作为车载网络安全提供了一种新颖的、上下文感知的防御思路，适合汽车安全工程师、嵌入式系统安全研究人员以及汽车制造商的安全团队阅读。

本文提出了一种实用的多写入者加密数据库方案（Omnes pro uno）。传统的加密数据库通常只支持单一写入者，或者为了支持多写入者而牺牲安全特性或查询能力。该方案在保持与单写入者方案相当的安全性的同时，支持连接查询和范围查询，且性能与现有加密方案相近。核心方法包括一种新的加密原语和协议设计，允许多个写入者独立加密数据并提交，而读取者可以执行复杂的查询而无需解密所有数据。实验表明，该方案在性能上具有实用性，能够满足真实场景的需求。该研究适合数据库安全、加密计算领域的研究人员和工程师阅读。

本文提出了一种名为NETCAP的新型防御机制，旨在防止企业网络环境中攻击者利用窃取的访问令牌（如JSON Web Token、OAuth 2.0令牌）进行未经授权的资源访问。当前令牌机制虽然简化了身份验证流程，但存在严重安全隐患：授权主机内所有进程均享有同等的环境信任，且令牌生命周期较长，使得恶意进程可轻易劫持令牌并伪装成合法用户。这一问题广泛影响多种协议，并已导致多起现实安全事件。NETCAP的核心思想是为每个授权进程引入不可伪造的、与进程绑定的能力（capability）。这些能力被持续嵌入到进程发往目标资源的网络流量中，用于验证身份，并频繁刷新。这种进程身份与能力的绑定确保即使令牌被恶意进程窃取，由于缺乏有效能力，攻击者也无法通过身份验证。为应对高流量请求，NETCAP基于可编程交换机和eBPF设计了创新的数据平面架构，通过多种优化技术支持能力的在线生成和嵌入，从而以线速处理大量流量且开销极低。广泛评估表明，NETCAP能在多种协议和真实应用场景下保持线速网络性能，额外开销可忽略不计，同时有效防护这些应用免遭令牌窃取攻击。本研究主要贡献包括：提出进程级能力绑定机制、设计高性能数据平面实现、以及通过实验验证其有效性。适合对网络安全、访问控制、数据平面可编程性感兴趣的研究人员和工程师阅读。

本文研究差分隐私随机梯度下降（DP-SGD）中，使用数据打乱（shuffling）替代传统泊松子采样（Poisson subsampling）时隐私保证的准确性。传统DP-SGD通过泊松子采样随机选择每轮训练批次，但打乱因计算开销低、兼容性好而被广泛采用，然而其理论隐私保证的紧致性仍是开放问题。现有实践常直接用泊松子采样的隐私分析来评估打乱下的模型，可能导致隐私保证被高估。为此，作者提出了面向打乱DP-SGD的新型审计程序，以量化理论隐私界限与实际泄露之间的差距。实验设置包括不同批次大小、隐私预算和威胁模型。结果表明，使用打乱的DP模型隐私保证被高估达4倍，且这种差距在不同参数和威胁模型下并不均匀。进一步研究发现，打乱过程的两种常见变体导致隐私泄露增加至多10倍。本文强调了在缺乏严格分析方法时，使用打乱替代泊松子采样存在的隐私风险。适合研究差分隐私、机器学习隐私保护的研究者和工程师阅读。

本文针对信息泄露漏洞（如架构级或推测执行中的越界/未初始化读取）提出了一种基于类型的数据隔离（TDI）方案。现有基于数据隔离的保密性解决方案通过静态点对点分析为内存对象着色（如敏感与非敏感），并对加载操作进行插桩以在运行时强制颜色匹配。然而，保守的点对点分析会导致过度近似，损害安全性或进一步降低性能。TDI将不同颜色的内存对象隔离到独立的内存区域，并通过高效的编译器插桩将加载操作约束至目标颜色区域，从而将插桩从加载操作转移到指针算术操作。这种基于区域的设计支持积极的推测感知性能优化，并消除了对点对点分析的需求。TDI的颜色管理灵活：既可采用类似先前工作的少色方案（如2种颜色），也可采用基于基本类型分析的多色方案（每种对象类型一种颜色），后者提供细粒度数据隔离，无需注释，并强制等效于理想（上下文敏感）类型点对点分析的强颜色匹配不变式。实验结果表明，TDI在SPEC CPU2006和nginx上的平均性能开销低于10%，能够高效支持强安全不变式。

本文提出SPIRAL协议族，用于实现单服务器私有信息检索（PIR）。核心创新在于组合使用两种基于格的同态加密方案：Regev加密方案和Gentry-Sahai-Waters（GSW）加密方案，并引入了新的密文转换技术，使得两种方案可以高效互转，从而在通信和计算之间实现新的权衡。实验表明，与先前系统相比，基础版SPIRAL在多种数据库配置下同时实现了查询大小降低至少4.5倍、响应大小降低1.5倍、服务器吞吐量提升2倍。变体SPIRAL-STREAMPACK针对流式场景优化，在超过百万条记录的数据库上达到1.9 GB/s的服务器吞吐量（先前协议为200 MB/s），速率达到0.81（先前为0.24）。对于大规模记录（如私有视频流），估计SPIRAL-STREAMPACK的货币成本仅为无隐私基准（客户端直接下载记录）的1.9倍。该工作适用于对隐私保护数据库查询有需求的场景，如医疗记录检索、金融数据查询等。

Arm TrustZone 是移动设备上硬件支持的可信执行环境（TEE）的事实标准，旨在隔离安全计算与普通世界（即常规操作系统）。然而，实际部署的 TEE 通常是专有、难以审查且众所周知的不安全：过去几年中，全球数百万设备的 TEE 及其托管的可信应用（TA）屡次被证明容易遭受控制流劫持等攻击。更关键的是，运行在 Arm TrustZone 安全世界中的代码可以完全访问普通操作系统的内存。自 2013 年 Thomas Roth 首次提出基于 TrustZone 的 rootkit 以来，攻击研究社区在此类 rootkit 上的进展似乎停滞。TrustZone rootkit 的最大挑战在于安全世界无法解释普通世界的内存数据。本文提出了一种机制，通过运行时自动逆向工程内核数据结构，从安全世界实现对 Linux 内核的恶意子版本并绕过基本保护机制。作者提供了一个完全可工作的概念验证 rootkit，驻留在 Arm TrustZone 中，以演示所提出的机制。他们评估并展示了该 rootkit 在不同版本的 Linux 内核上（尽管数据结构发生变化）的兼容性。研究结果表明，TrustZone rootkit 是可行的，且可能在内核更新后仍然存活，这提醒我们：信任未经审查的专有供应商代码可能带来真实危险。

随着DRAM制程微缩，Rowhammer攻击威胁日益严重。现有缓解方案多需修改内存控制器，兼容性差。本文提出ProTRR，首个具备形式化安全保证的DRAM内目标行刷新（Target Row Refresh）方案。ProTRR在DRAM芯片内部实现，无需改动控制器，但受限于DRAM协议的同步特性，同一时刻能保护的行数有限。为此，ProTRR采用主动刷新策略，优先刷新最可能发生比特翻转的行。然而，攻击者可能利用未刷新行发动攻击。作者构建了Feinting攻击，并证明在ProTRR策略下该攻击是最优的。随后，ProTRR通过配置参数抵御Feinting攻击。为降低硬件开销，ProTRR提出一种新型频繁项计数方案，利用Feinting攻击的特性，在容忍的DRAM脆弱性、计数器数量与额外刷新次数之间实现可证明最优的灵活权衡。基于ASIC实现与周期精确仿真的评估表明，ProTRR能为当前及未来DRAM技术提供有原则的保护，且性能、功耗和面积影响可忽略。ProTRR完全兼容DDR4及DDR5的刷新管理（RFM）扩展。

该论文针对物联网智能锁设备，从信息物理安全角度提出了一种利用有意电磁干扰（IEMI）实现‘无线尖峰攻击’的方法。作者首先对一款市售智能锁进行逆向工程，识别其电子控制电路的关键攻击点（如电源线、信号线等），然后设计了特定的攻击信号波形，通过外部电磁场耦合到锁具内部电路，从而在无需物理接触或认证的情况下触发开锁动作。论文详细阐述了攻击向量开发的全流程：从硬件拆解、电路分析、信号注入点到波形设计与发射。实验成功演示了对目标锁具的非授权开锁。该研究揭示了IoT设备在电磁兼容性（EMC）方面的潜在脆弱性，即传统上认为安全的物理隔离可通过电磁手段被绕过。作者强调，此类攻击对智能家居安全构成威胁，并呼吁厂商在设计中考虑电磁屏蔽与滤波等防护措施。论文适合信息安全研究员、硬件安全工程师以及智能家居设备厂商阅读。

无人机开源飞控 PX4-Autopilot堆栈溢出漏洞 CVE-2025-15150

MongoDB内存泄漏 CVE-2025-14847(MongoBleed)

1Panel 代理证书验证绕过导致任意命令执行漏洞(CVE-2025-54424)

ModelContext Inspector 未授权访问漏洞(CVE-2025-49596)

llamaindex SQL 注入漏洞(CVE-2025-1750)

Screen 本地权限提升漏洞(CVE-2025-23395)

Zabbix认证后SQL注入漏洞(CVE-2024-42327)

ProjectSend认证绕过漏洞(CVE-2024-11680)

PyTorch库RPC框架反序列化RCE漏洞(CVE-2024-48063)

Grafana认证后DuckDB-SQL注入漏洞(CVE-2024-9264)

SPIP BigUp Unauthenticated RCE(CVE-2024-8517)

Rejetto HFS 远程命令执行漏洞(CVE-2024-39943)

Apache HugeGraph-Server Command Execution In Gremlin（CVE-2024-27348）

Zabbix 后台延时注入(CVE-2024-22120)

CrushFTP 认证绕过漏洞（CVE-2024-4040）

Alert for CVE-2026-21992

Alert for CVE-2025-61884

Alert for CVE-2025-61882

Alert for CVE-2024-21287

Alert for CVE-2022-21500

Alert for CVE-2021-44228

Linux 内核提权 CVE-2026-31431(copy-fail)

Alert for CVE-2026-35273

【安全通告】Fastjson 远程代码执行漏洞风险通告（CVE-2026-16723）

【安全通告】Redis 远程代码执行漏洞风险通告（CVE-2026-66373）

该研究聚焦于AI代理电商平台的安全问题，指出当前安全研究主要集中在模型层面（如提示注入和模型对齐），而实际上更严重的威胁存在于代理与电商服务之间的协议层。协议层漏洞是结构性的：攻击确定性高，与底层模型无关，因此无法通过模型改进来消除。研究者在三个主流平台上发现了33个此类漏洞，均能以100%的攻击成功率（ASR）复现，且这些漏洞模式在不同平台间重复出现，表明是系统性问题而非孤立bug。其中三个漏洞可串联实现端到端的支付劫持。作者提出了结构性攻击与模型依赖性语义攻击的分类法（taxonomy），并构建了两个工具：AIP-Bench（代理交互协议基准测试），据称是首个针对代理电商安全确定性基准；PCAT（协议级电商代理信任），一种平台无关的防御机制，可将五类结构性攻击中的四类（RC-1、RC-2、RC-4、RC-5）攻击成功率降至零，剩余RC-3（可观察凭证通道）降为仅警告，且无需修改任何平台代码。研究强调代理电商的安全必须从协议层而非仅模型层进行防护。

本文针对微软Active Directory（AD）的攻击图加固问题，提出了多项基于博弈论和优化的决策模型。现有工作面临三大挑战：一是多数模型假设攻击图静态，而实际AD环境高度动态；二是防御措施局限于撤销漏洞（边删除），主动防御机制研究不足；三是并非所有修复措施都可实施，需要集成系统管理员反馈。为解决这些问题，作者首先提出基于最小化最短路径数量和域管理员可达节点数量的蜜罐/诱饵放置模型。其次，考虑AD图的动态/时间特性，引入一种防御策略，目标是通过优化诱饵部署位置最大化最坏情况下的响应时间。第三，提出自适应优先级模型，向IT管理员查询高风险攻击路径以进行干预。最后，引入端到端的自适应优先级模型，通过学习管理员对类似风险特征的边的决策，最小化管理员的审批工作量。实验表明，所有模型涉及的计算问题在理论上都是难解的。本文贡献在于提供了实用的、考虑动态性和可实施性的AD安全加固框架。

软件物料清单（SBOM）不仅作为组件清单被使用，还作为依赖图用于漏洞分类、可达性过滤和影响分析，这些操作都需要遍历SBOM中声明的边。然而，目前缺乏对真实世界SBOM中声明依赖图的大规模实证研究。本文对来自Wild SBOMs数据集的78,612个真实SBOM文件（其中77,092个可解析）进行了首次大规模特征分析。研究发现，这些SBOM分为三类：52.9%的SBOM未声明任何依赖边（不满足NTIA关于依赖关系的最小元素要求）；8.8%的SBOM声明了依赖块，但大部分组件仍然是孤立的（退化状态），对于其中包含至少50个组件的SBOM，中位孤立组件比例为93%，而作者用Syft生成的11个容器镜像SBOM的孤立比例高达95-98%；仅38.3%的SBOM形成了连接良好的图。进一步分析表明，边声明的行为取决于生成工具而非所描述的软件（不同工具的无边率从0%到100%不等），而用于声明图不完整性的规范级机制（CycloneDX compositions）仅被0.10%的SBOM使用。作者指出，在前两种状态下，消费者常见的推断“没有路径意味着不可达”是一种不合理的封闭世界假设，因为SBOM本身就是不完整的。在生产级漏洞优先级排序系统中，用退化检测器保护的显式“未知”级别替代原有的否决机制，可将已知被利用漏洞（KEV）的召回率从0.600提升至0.950（受控重新评分），并在终端到终端实时运行中达到0.957，且不会引发警报洪泛。本文开源了流式扫描器和每个SBOM的拓扑数据集。

本文首先通过实证研究量化了从修复提交到详细漏洞报告可用之间的长时间延迟。针对这一窗口期，现有自动化PoC生成方法（如PoCGen）依赖于已经存在的详细漏洞报告，无法直接利用。为此，作者提出了PoCEvolve，一种漏洞感知的提示进化框架，能够直接从漏洞修复提交生成PoC利用。PoCEvolve通过评估不同维度漏洞相关上下文（如推断的脆弱API和代码覆盖率信息）的有用性，来指导提示进化，从而生成更有效的利用生成提示。在SecBench.VFC.js基准上，PoCEvolve使用GPT-4o-mini实现了58.4%的PoC生成成功率，相对改进20.7% over PoCGen，200.0% over LLM基线；使用更先进的Qwen3.7-Plus模型达到85.3%。当详细漏洞报告可用时，PoCGen成功率71.7%，PoCEvolve提升11.1%。本文的主要贡献在于提出了一种不依赖详细报告即可从补丁生成PoC的方法，填补了安全补丁发布后的信息空白。

该论文针对IPv6地址的临时性和随机性带来的安全挑战展开研究。由于IPv6客户端地址难以预测，攻击者难以进行全互联网扫描，但先前工作表明，低权限实体可以轻松加入基于志愿者机制的NTP池，通过部署NTP服务器收集大量活跃的IPv6客户端地址。本文提出了一套系统性的方法论，不仅能严格识别这种地址收集行为以及收集地址的实体，还能刻画这些实体随后如何使用这些地址。研究者在一年的时间内，向全球所有NTP池服务器发送带有唯一标识的IPv6客户端地址查询，并监控后续针对这些地址的任何活动。通过关联分析，他们识别出22台NTP池服务器（分布在4个主要集群），这些服务器属于更大的监控基础设施，利用收集的地址进行侦察、端口扫描以及服务和漏洞枚举。为了更深入地理解这种行为在法律和伦理上的灰色地带，研究者与NTP池运营者以及一家运营地址收集和扫描集群的网络安全保险公司进行了沟通。最终，NTP池已将所提出的系统集成到其监控基础设施中，以移除此类恶意NTP服务器；该保险公司也改变了其运营策略，增加透明度并提供明确的退出机制。本文的主要贡献包括：一套可用于自动检测NTP池中地址收集和后续扫描行为的方法；对全球NTP池生态系统的长期测量；以及通过与利益相关方合作推动的实际改进。

本文研究了密码学模型认证（CMC）协议中的安全假设与实际部署之间的差距。隐私保护的机器学习审计协议允许审计员评估模型的准确性或公平性，而无需暴露模型内部或训练数据，因此特别适用于医疗、金融等敏感领域。然而，现有安全定义通常仅保证模型在固定审计数据集上的行为，未能确保这些保证推广到同一分布的其他数据集。作者展示了这一漏洞允许模型提供者通过精心设计训练数据来攻击基于零知识证明（ZKP）的CMC方案：可以生成一个在审计时表现正常（如准确率>99%），但在实际部署中表现异常（如准确率<30%）的模型。为了弥补这一差距，作者形式化了针对CMC框架的严格密码学安全概念，提出了一个通用协议模板，并证明了其满足这些要求。实验结果表明现有方法存在隐患，并为设计安全的隐私保护机器学习审计协议提供了指导。

本文给出了一种在plain-model下、一次性信息论安全的高效不可克隆加密方案，用于一个经典比特的加密。该方案克服了先前工作中存在的安全性损失大或加解密效率低的问题：Bhattacharyya和Culf（Nature Physics, 2026）以及Bhattacharyya、Broadbent和Culf的方案要么安全损失为1/poly(λ)，要么需要低效的加解密操作。本文同时避免了这两点，并首次在plain-model下构造了基于伪随机函数态（Bartusek和Goldin）的多重安全（many-time secure）1→2不可克隆加密方案，适用于任意多项式长度消息。核心思路：密钥是n量子比特上均匀随机的非恒等无相位Pauli算子，比特a被加密为该Pauli算子的随机(-1)^a本征态。方案是指数安全的：证明两个接收者都成功恢复比特的概率至多为1/2 + 1/2 * sqrt(2^n/(4^n-1)) = 1/2 + O(2^{-n/2})。根据Broadbent、Culf和Rochette的下界，这是n量子比特密文所能达到的最好概率界（除常数因子外）。主要概念创新在于精确利用Pauli群的交换-反对换平衡结构（光谱意义上）。证明虽然复杂但完全是初等的，使用了标准谱界技术。关键技术工具是一个独立的线性代数引理，非正式地关联了两个不同算子的正定性，每个算子都反映了直觉：如果两个接收者各自能异常频繁地解密，则他们必须频繁地不一致。文章指出，GPT-5.6 Sol Ultra在与作者的扩展对话中发现了该证明并起草了初稿，但作者对本文的正确性负全责。本文适合量子密码学、量子信息理论、密码学基础方向的研究人员阅读。

推测解码是一种无损加速方案，通过草稿模型与目标模型之间的动态token级对齐实现推理加速。然而，这种语义等价的保证隐藏着严重的操作漏洞：草稿-目标对齐可被系统性攻击。本文提出ADSD，据我们所知，这是首个通过推动草稿概率质量朝向目标模型不太可能接受的token来破坏验证器接受的提示后缀攻击。ADSD使用Soft-Collapse——一种基于非对称推测接受规则推导出的验证器对齐替代目标，以及一个防止明显任务破坏的目标保持目标。ADSD成功生成了高效的对抗后缀。在GSM8K数据集上，我们的攻击使平均样本时间增加62.3%，同时保持了任务质量。我们进一步证明该漏洞存在于不同领域、推测解码策略和模型架构中。

该论文针对自主AI代理在有限人类监督下执行操作、调用工具和访问受保护资源时，现有身份认证与授权机制缺乏加密证据来证明特定代理发出的具体请求在特定执行上下文中满足适用策略的问题，提出了一个研究假设：代理授权可以形式化为一个加密可验证的关系（记为 R_{CVA}），该关系联合绑定代理主体、具体授权请求、执行上下文以及策略满足性，同时选择性保留私有授权属性的机密性。论文引入了一个初步的加密可验证代理授权（CVA）形式化抽象，定义了一组紧凑的安全属性，包括授权健全性、主体绑定、请求绑定、策略绑定和重放抵抗，并基于 Groth16 zk-SNARK 构造实现了一个可执行的零知识证明概念验证，实例化了模型的选定元素。此外，论文识别并形式化了身份绑定、授权请求绑定和运行时执行绑定之间的结构分离，将其视为安全代理系统设计中的一个核心开放问题（当前代理安全框架未明确解决），并提出了一个可证伪的研究议程来解决该问题。该工作为未来构建可审计、可验证的AI代理授权系统提供了理论基础和初步实现方向。

本文针对单记名可转移投票（STV）这一多席位偏好比例选举系统，研究其边际计算问题。STV选举的边际是指改变获胜者集合所需的最小选票操纵数量。精确计算边际或其合理下界，对于实施风险限制审计（RLA）至关重要，因为边际知识可用于评估选举结果是否受到偶然错误或故意操纵的影响。现有的边际下界算法虽然可行，但在实际选举中计算的下界往往过低，导致基于不匹配的风险限制审计难以实用。作者在已有算法基础上提出了显著改进：通过优化搜索策略、剪枝技术和数据结构，使得在真实STV选举数据上能够计算出更高的下界。实验表明，改进后的算法能有效提升下界值，从而让基于不匹配的RLA在更多选举场景中变得可行。该研究为选举安全审计提供了更实用的工具，有助于验证选举结果的正确性。

本文研究基于图复制（graph-based replication）的分布式存储系统中的私有信息检索（Private Information Retrieval, PIR）问题。在传统G-PIR中，客户端需通过查询-响应协议从服务器获取文件，且不向任何数据库泄露文件索引，目标是最大化速率（总下载量的倒数）。先前工作假设完美信息论隐私（零泄露），但本文首次系统研究弱隐私约束下的图存储PIR，即Graph-based Weak Private Information Retrieval（G-WPIR）。作者提出一种适用于任意图的G-WPIR方案，该方案采用最小子包化（minimal subpacketization）以符合文件大小约束，并通过简单的概率查询实现来平滑调节速率与隐私之间的权衡。方案在两种常见泄露度量——互信息泄露（mutual information leakage）和最大泄露（maximal leakage）下刻画了可达的速率-隐私权衡曲线。此外，针对完全图和完全二分图两类特殊图结构，对方案进行扩展并推导了相应的权衡关系。本文贡献在于：1）正式定义了G-WPIR问题模型；2）泛化通用方案并给出性能分析；3）为实际系统设计提供了理论指导，证明放松隐私要求可显著提升检索效率。读者对象为信息安全、编码理论及分布式系统领域的研究人员。

本文研究意图驱动去中心化交易所（如CoW Protocol）中解决者（solvers）的奖励机制如何影响市场结构和价值捕获。研究者利用CoW Protocol的CIP-74治理提案作为自然实验，该提案于2025年12月8日生效，将固定的解决者奖励上限改为与协议收入挂钩的奖励上限，并引入了按交易量收取的从价费（ad-valorem volume fee）。通过分析395天内的每日解决者份额数据，研究者发现改革按订单规模重新分配了交易价值：小订单的集中度下降，大订单的集中度上升（四个订单价值桶的Spearman rho=1.00，精确置换检验p=0.042），且该模式在剔除最大解决者后依然稳健。总体交易额集中度上升（成交量加权赫芬达尔指数HHI从0.176升至0.241），主要由头部解决者驱动；但按交易数量计算的集中度下降（计数HHI下降0.060）。研究者提出了一个简单的解决者经济学模型来解释此模式：从价费具有竞争中性，而与收入挂钩的奖励上限提高了库存丰富的解决者在大订单上的边际收益，这与Chitra等人（2024）的受限进入预测一致。对照组（UniswapX）未发现类似变化。平均执行质量无显著变化（约7个基点的边界）。利用2026年2月费用削减的三重差分估计方向一致但统计功效不足。研究表明奖励设计可量化地重新分配意图市场中价值的捕获者，而不影响用户获得的平均价格。

本研究聚焦于不可追踪加密货币（如匿名币）的设计对系统同步性能的影响。作者将两种主流设计形式化为线性不可追踪资产转移对象（LUAT）和常量不可追踪资产转移对象（CUAT），并在共识层次中定位它们。LUAT通过保留整个掩码集并添加空值标记来记录已花费账户，导致账本随每次交易增长；其共识数为2，高于标准资产转移的1，且具有无饥饿特性。CUAT则消耗并替换整个掩码集，实现恒定状态，但若两个交易的掩码集相交则不能同时生效。论文通过冲突图形式化该约束，并区分弱不可追踪性和强不可追踪性：弱不可追踪性下，即使单轮协议，共识数也无界；强不可追踪性下，共识数由掩码集大小的二次方精确界定。CUAT不具备无饥饿特性。结论指出，两种设计以不同方式为隐私付出代价：LUAT消耗存储，CUAT消耗同步和公平性。该研究为分布式系统、密码学和区块链领域的学者提供了理论框架，有助于理解隐私与性能之间的根本权衡。

CVE-2026-57989 是 Microsoft Edge（基于 Chromium）中的一个源验证错误漏洞。该漏洞源于浏览器未能正确验证跨源请求的来源，攻击者可以利用此缺陷通过诱导用户访问恶意网站或点击恶意链接，从而在跨站场景下未经授权地披露敏感信息。根据 CVSS 3.1 评分，该漏洞得分为 7.4（高），攻击向量为网络，攻击复杂度低，无需权限，但需要用户交互（如点击链接），且影响范围涉及机密性（高）和范围（已变更），但完整性和可用性不受影响。目前该漏洞尚未被列入已知利用清单（KEV），也未在野活跃利用的公开报告。受影响版本尚未明确，但建议用户及时关注 Microsoft 安全公告并安装最新更新。防御措施包括：启用自动更新、限制对边缘浏览器的网络暴露、实施内容安全策略（CSP）以及加强用户安全意识培训，避免点击可疑链接。

NoteGen before 0.32.0 grants the Tauri shell plugin shell:allow-execute capability for bash, python, and python3 with arbitrary arguments in the default desktop capabilities. JavaScript running in the application webview can therefore invoke plugin:shell|execute to run attacker-controlled operating system commands with the privileges of the NoteGen process. In combination with script execution in

NoteGen before 0.32.0 renders AI chat responses with markdown-it configured with html:true and injects the result into the DOM via dangerouslySetInnerHTML in chat-preview, without HTML sanitization and with CSP set to null. Attacker-controlled content that reaches the model prompt (for example a malicious skill REFERENCE.md that instructs the model to emit HTML) can cause the model response to inc

A vulnerability was determined in perwendel spark up to 2.9.4. This vulnerability affects the function staticFiles.externalLocation of the file src/main/java/spark/resource/ExternalResourceHandler.jav of the component SparkJava. Executing a manipulation can lead to symlink following. It is possible to launch the attack remotely. The exploit has been publicly disclosed and may be utilized. The proj

In the Linux kernel, the following vulnerability has been resolved: net: nexthop: Increase weight to u16 In CLOS networks, as link failures occur at various points in the network, ECMP weights of the involved nodes are adjusted to compensate. With high fan-out of the involved nodes, and overall high number of nodes, a (non-)ECMP weight ratio that we would like to configure does not fit into 8 bi

In the Linux kernel, the following vulnerability has been resolved: net/sched: cls_api: Handle TC_ACT_CONSUMED in tcf_qevent_handle tcf_classify() can return TC_ACT_CONSUMED while the skb is held by the defragmentation engine (e.g. act_ct on out-of-order fragments). When that happens the skb is no longer owned by the caller and must not be touched again. tcf_qevent_handle() did not handle TC_AC

datamodel-code-generator prior to version 0.70.0 contains a code injection vulnerability that allows attackers who control input schemas to achieve remote code execution by supplying a malicious customBasePath value containing embedded newlines and a dot-free Python expression. The crafted value is emitted verbatim into a generated 'from ... import ...' statement without identifier validation, cau

Android 安全公告发布了一则关于 Compatibility Test Suite (CTS) 的更新，但公告内容未提及任何具体的安全漏洞、CVE 编号或严重性评级。CTS 是 Android 平台用于验证设备兼容性的测试套件，旨在确保设备与 Android 框架的兼容性。本次更新可能涉及测试用例的调整、修复或新增，以提升测试覆盖率和准确性。由于缺乏漏洞细节，无法确定是否存在安全修复。建议用户关注 Android 官方公告以获取更详细的信息。

Android 兼容性定义文档（CDD）是 Android 生态系统的核心规范，它详细定义了设备必须满足的硬件、软件和 API 要求，以确保应用在所有 Android 设备上的一致性和兼容性。该文档由 Google 维护，定期更新以反映新的技术要求和平台演变。虽然本输入未提及具体安全漏洞，但 CDD 对于安全防护至关重要，因为它规定了安全功能（如加密、权限模型、安全启动等）的强制实施标准。设备制造商必须遵循 CDD 才能获得 Google 移动服务授权，因此该文档直接影响到 Android 设备的安全基线。若设备未正确遵守 CDD，可能导致安全漏洞或应用兼容性问题。

该输入是 Android 安全公告网站上的一个工具、构建和相关参考页面，标题为 'Tools, build, and related reference'。页面内容主要提供 Android 源码构建流程、开发工具链的文档参考，不包含任何安全漏洞、CVE 或补丁信息。该公告未列出任何 CVEs，也未指定供应商或产品，严重级别为未知。因此，该页面不是传统的安全公告，而是面向开发者的参考资源。

Android 安全公告发布了最新的兼容性定义文档（CDD），该文档定义了 Android 设备必须满足的软硬件兼容性要求，以确保应用在不同设备上的一致行为。本次更新可能涉及新的安全要求、隐私保护或功能变更，但公告本身未披露任何具体漏洞或 CVE 编号。CDD 是 Android 生态系统的基础文档，影响所有运行 Android 系统的设备，但本次公告不包含紧急安全修复。

Android 安全公告是 Google 定期发布的官方安全更新，涵盖 Android 操作系统的安全补丁。本次公告于 2026 年 7 月 27 日发布，但公告摘要中未提供具体的漏洞描述、CVE 编号或严重性评级。由于缺乏详细内容，无法确知本次修复的具体安全缺陷。建议用户查阅官方页面以获取完整信息。

Apple 官方于 2026 年 7 月 27 日发布安全公告，建议用户更新 Mac 上的软件。该公告未提供具体的漏洞详情或 CVE 编号，但通常这类更新旨在修复已知的安全问题。苹果定期推送安全更新以防范潜在攻击，用户应尽快安装以保持系统安全。由于缺乏详细技术说明，无法确定此次更新修复的具体漏洞类型或影响范围，但遵循官方升级指引是维护设备安全的最佳实践。

苹果于2026年7月27日发布了针对iPhone和iPad的安全更新公告，建议用户立即升级设备上的软件版本。该更新通常包含对已知安全漏洞的修复，这些漏洞可能被攻击者利用以执行任意代码、提升权限或绕过安全限制。具体漏洞细节尚未公开，但鉴于苹果的更新策略，此次修复可能涉及多个组件，包括操作系统内核、WebKit或其它系统服务。用户应尽快通过“设置”>“通用”>“软件更新”完成升级，以确保设备免受潜在威胁。由于未披露CVE编号，无法进行更详细的技术分析，但苹果官方公告的权威性较高，建议防守方将此次更新列为高优先级任务。

该安全公告标题为“submit your research”，来自 Apple 官方安全发布页面（链接：https://support.apple.com/en-us/102549），但公告中未提供任何具体的漏洞详情、受影响产品、CVE 编号或严重性评级。摘要和正文内容缺失，因此无法判断是否包含实际安全修复。可能是用户提交研究项目的入口页面，而非具体的漏洞公告。建议定期检查 Apple 官方安全更新页面以获取最新信息。

Apple 官方发布了安全支持页面 'Get help with security issues' (URL: https://support.apple.com/en-us/111756)。该页面为通用帮助页面，当前未包含任何具体的漏洞披露、CVE 编号或受影响产品列表。防御方应持续关注 Apple 安全发布页面，以获取最新的安全更新信息。

Apple 发布了名为 'Background Security Improvements' 的安全更新，该更新属于系统安全增强功能，旨在提升设备的底层安全性。由于是官方安全公告，但未提供具体的 CVE 编号、受影响产品列表及严重性评级，因此该更新可能涉及多个操作系统组件或框架的加固，修复了潜在安全风险。用户应关注 Apple 官方支持页面以获取详细更新内容。

输入内容非安全公告，或无法解析。该条目标题为公安备案号，来源链接指向公安备案系统，未提供任何漏洞、威胁或安全建议相关的内容。

Pocsuite 是由知道创宇安全研究团队打造的一款开源远程漏洞测试框架，是团队发展的重要基石，长期维护以保障Web安全研究能力的领先。该框架主要用于安全研究人员进行漏洞验证和渗透测试，支持多种漏洞利用模式。然而，当前输入仅为框架介绍，不涉及任何具体漏洞、CVE或安全公告内容，因此无法提供漏洞相关的技术细节或影响评估。

输入内容为对知道创宇旗下Seebug漏洞平台的介绍，并未提供具体的漏洞公告或技术细节。Seebug平台收录了大量漏洞及PoC，是国内外知名的安全漏洞社区。但本次输入未包含任何CVE、受影响产品、严重性等具体漏洞信息，因此无法生成漏洞摘要。

知道创宇发布的是一则产品服务介绍，而非安全漏洞公告。该介绍宣传其网站安全防护方案，声称结合十年Web安全防护经验、多层安全防护体系、云端大数据和安全CDN加速，能够识别和拦截DDoS攻击、DNS攻击、CC攻击等恶意行为。但未提供任何具体的漏洞信息、CVE编号或安全建议。因此，该信息不构成安全公告，无对应修复措施。

输入内容为网站备案信息（京公网安备 11000002002063号），来源于360CERT，但实际指向公安部备案页面。不涉及任何安全漏洞、威胁或技术细节，因此无法生成有效的安全摘要。

此信息为360公司（360CERT）的电信与信息服务业务经营许可证（网出证（京）字第281号）公示，并非安全漏洞或安全事件公告。该许可证由北京市通信管理局颁发，证明360符合相关法规要求，具备经营资质。未涉及任何技术漏洞、攻击或安全风险。

该输入为360CERT的网文经营许可证信息（京网文〔2020〕6051-1195号），并非网络安全漏洞或安全公告。其来源为360CERT官网的资质页面，不涉及任何技术细节或安全修复。因此，本摘要无法提供漏洞相关分析，仅提醒用户注意该输入属于非安全内容。

输入内容为360CERT发布的一则信息，标题为“京ICP证080047号[京ICP备08010314号-6]”，来源为beian.miit.gov.cn（工信部备案管理系统），发布时间为2026-07-27。该信息并非安全公告或漏洞通报，而是ICP备案号相关记录。未提供任何漏洞详情、受影响产品、CVE编号或严重性评级。因此，本摘要无法生成有效的安全分析。

关于Microsoft ExchangeServer存在多个...

关于家用路由器DNS被恶意篡改导致异常跳转风险的提示

XMLRPC-C Library versions 1.07 through 1.67.01 are vulnerable to a reflected cross-site scripting (XSS) vulnerability in the error page component.

A flaw has been found in ggml-org llama.cpp e15efe0. This vulnerability affects the function transform of the file common/json-schema-to-grammar.cpp of the component JSON-Schema-to-GBNF Conversion. This manipulation causes allocation of resources. The attack may be initiated remotely. The pull request to fix this issue awaits acceptance.

A vulnerability was detected in ggml-org llama.cpp d006858/e15efe0. This affects the function _visit_pattern of the file common/json-schema-to-grammar.cpp. The manipulation results in null pointer dereference. The attack can be launched remotely. The pull request to fix this issue awaits acceptance.

NoteGen before 0.32.0 grants the Tauri shell plugin shell:allow-execute capability for bash, python, and python3 with arbitrary arguments in the default desktop capabilities. JavaScript running in the application webview can therefore invoke plugin:shell|execute to run attacker-controlled operating system commands with the privileges of the NoteGen process. In combination with script execution in

NoteGen before 0.32.0 renders AI chat responses with markdown-it configured with html:true and injects the result into the DOM via dangerouslySetInnerHTML in chat-preview, without HTML sanitization and with CSP set to null. Attacker-controlled content that reaches the model prompt (for example a malicious skill REFERENCE.md that instructs the model to emit HTML) can cause the model response to inc

A vulnerability was determined in perwendel spark up to 2.9.4. This vulnerability affects the function staticFiles.externalLocation of the file src/main/java/spark/resource/ExternalResourceHandler.jav of the component SparkJava. Executing a manipulation can lead to symlink following. It is possible to launch the attack remotely. The exploit has been publicly disclosed and may be utilized. The proj

In the Linux kernel, the following vulnerability has been resolved: net/sched: cls_api: Handle TC_ACT_CONSUMED in tcf_qevent_handle tcf_classify() can return TC_ACT_CONSUMED while the skb is held by the defragmentation engine (e.g. act_ct on out-of-order fragments). When that happens the skb is no longer owned by the caller and must not be touched again. tcf_qevent_handle() did not handle TC_AC

In the Linux kernel, the following vulnerability has been resolved: net: nexthop: Increase weight to u16 In CLOS networks, as link failures occur at various points in the network, ECMP weights of the involved nodes are adjusted to compensate. With high fan-out of the involved nodes, and overall high number of nodes, a (non-)ECMP weight ratio that we would like to configure does not fit into 8 bi

A flaw has been found in nanocoai NanoClaw up to 2.0.64. Affected is the function handleAddMcpServer of the file src/modules/self-mod/request.ts of the component add_mcp_server. Executing a manipulation can lead to improper authorization. The attack may be launched remotely. The exploit has been published and may be used. This patch is called e5b928783d5c485637565eb07d2967922dfbf8d8. A patch shoul

datamodel-code-generator prior to version 0.70.0 contains a code injection vulnerability that allows attackers who control input schemas to achieve remote code execution by supplying a malicious customBasePath value containing embedded newlines and a dot-free Python expression. The crafted value is emitted verbatim into a generated 'from ... import ...' statement without identifier validation, cau

A vulnerability was detected in nanocoai NanoClaw up to 2.0.64. This impacts the function createChatSdkBridge.setup of the file src/channels/chat-sdk-bridge.ts of the component MCP Server Approval. Performing a manipulation results in improper authorization. The attack needs to be approached locally. The exploit is now public and may be used. The project was informed of the problem early through a

The Fluent Forms Pro Add On Pack plugin for WordPress is vulnerable to PHP Object Injection in all versions up to, and including, 6.2.6 via deserialization of untrusted input. This makes it possible for authenticated attackers, with Subscriber-level access and above, to inject a PHP Object. The additional presence of a POP chain allows attackers to change user passwords and potentially take over a

Paper专业的技术文章，安全经验的积累。Paper 栏目专注于安全技术文章的收录。我们推崇黑客精神，技术分享和热衷解决问题及超越极限，Seebug Paper 期待您的分享。

Cookie settings

Mozilla Monitor

The Mozilla Manifesto

Mozilla Foundation

Accessibility Policy

Create an Account

Instructions for subscribing to email notifications

Product Security Home

Security Bulletins

Priority and Severity Ratings

Newsletter Subscription

Adobe Security Notifications

多款Huawei产品DHCP拒绝服务漏洞

Linux kernel "drivers/usb/serial/whiteheat.c" 拒绝服务漏洞

Huawei Enterprise Information Engine SQL注入漏洞

Siemens COMOS 本地提权漏洞

Siemens RuggedCom ROS和ROX设备信息泄露

WL-330NUL远程命令执行漏洞

Tibbo Technology AggreGate远程代码执行漏洞

Symantec Endpoint Protection Manager-RU6-MP3任意操作系统命令执行漏洞

Joomla “Ja-Ka-Filter-And-Search” 组件 SQL 注入漏洞

京公网安备 11010502034610号

background updates

update the software on your Apple TV

update the software on your Apple Watch

update the software on your Apple Vision Pro

macOS Tahoe 26.4

macOS Sequoia 15.7.5

macOS Sonoma 14.8.5

macOS Tahoe 26.3

macOS Sequoia 15.7.4

macOS Sonoma 14.8.4

macOS Tahoe 26.2

macOS Sequoia 15.7.3

macOS Sonoma 14.8.3

macOS Tahoe 26.1

macOS Sequoia 15.7.2

macOS Sonoma 14.8.2

macOS Tahoe 26.0.1

macOS Sequoia 15.7.1

macOS Sonoma 14.8.1