Coca-Cola confirms data theft in Fairlife ransomware attack
The Coca-Cola Company has confirmed that hackers stole data from its dairy subsidiary, Fairlife, during a ransomware att
2026-07-28 归档
今日共收录 1224 条安全情报，包含 453 个 CVE，382 篇安全通告，以及 98 篇研究论文。
← 返回归档列表Ernst & Young data breach claimed by ShinyHunters extortion gang
The ShinyHunters extortion gang has claimed responsibility for a recently disclosed Ernst & Young data breach, saying it
Shadow AI agents are multiplying. Here's how to find and secure them.
Shadow AI agents are rapidly spreading across enterprise platforms, often without IT or security visibility. Nudge Secur
New GitHub, PyPI Policies Boost Supply Chain Security
Dependabot gets a three-day cooldown window before opening pull requests, and PyPI rejects file uploads to releases olde
PTC Windchill Vulnerability Exploited in Ransomware Campaign
The critical unsafe deserialization flaw allows attackers to execute arbitrary code remotely, without authentication. Th
Coca-Cola Confirms Data Breach After Fairlife Ransomware Attack
The Anubis cybercrime group has taken credit for the attack and is threatening to leak data. The post Coca-Cola Confirms
From Signals to Behaviors: Evidence-Based Android Malware Detection
本文针对Android恶意软件检测中长期存在的难题——准确区分恶意与良性应用，提出了一种基于证据的行为导向检测方法Praxis。传统检测方法依赖学习特征或局部代码片段等行为的代理信号，容易将外观异常但无害的应用误判为恶意，且难以捕捉伪装成正
Isolated but Exposed: Persistence-Based Memory Extraction Attack on LLM Agents
本文研究了基于LLM的智能代理（Agent）在长期记忆（LTM）隔离机制下的安全漏洞。在现有系统架构中，每个用户的LTM通过唯一标识符隔离，以防止跨用户数据泄露，但这种隔离的假设被证明不充分。作者发现工具接口（tool interface）
Rendering on Real Silicon: GPU Render-Timing as a Passive, AI-Resistant CAPTCHA Signal
该论文提出了一种基于客户端GPU渲染时间动态的新型CAPTCHA信号，作为传统行为验证码和密码学认证的替代方案。传统CAPTCHA易被AI解出，而行为分析或硬件认证存在隐私或注册成本。作者利用WebGL渲染工作负载下GPU的物理时序行为来区
Agentic Permissions Policy Algebra for Taint Confinement in LLM Agents
该论文提出了一种名为 APPA（Agentic Permissions Policy Algebra）的信息流控制框架，旨在解决自主 LLM 代理在处理混合机密性数据时面临的提示注入攻击和推理错误带来的安全风险。传统的动态信息流控制（IFC
When LLM Defenses Backfire: Characterizing Safety, Performance, and Cost Trade-offs
本文针对大型语言模型（LLM）的防御机制进行了系统性研究，重点分析了防御措施在提升安全性的同时所带来的副作用权衡。研究从三个维度衡量副作用：性能影响（模型在标准任务上的表现）、对良性输入的过度拒绝（over-refusal）以及推理成本（计
DeepFaith: Evidence-Grounded LLMs for Faithful Incident Reporting in Multi-Stage APT Defense
高级持续性威胁（APT）因其多阶段和隐蔽性而难以检测和解释。现有的自主防御系统利用溯源图和基于学习的模型进行检测和缓解，但其输出主要面向机器，分析人员难以解读。大型语言模型（LLM）为报告生成提供了有前景的界面，但常常产生幻觉或弱证据支持的
Just Testing, Move Along: Evasion of LLM-based System Log Interpretation by Prompt Injection
该论文研究了大型语言模型（LLM）在安全运营中心（SOC）日志分析场景中的安全性问题。随着LLM被用于解释系统日志以辅助分析师检测恶意活动，攻击者可能通过向日志条目中注入上下文信息或显式指令来操纵模型的判断，从而规避检测。目前，针对此类对抗
A Cybersecurity MLPS Large Language Model with Multi-Path Retrieval Fusion
本文针对中国网络安全等级保护（MLPS）标准分析依赖人工和规则工具、难以在复杂场景下提供稳定一致合规分析的问题，提出了一种集成多种检索策略的大语言模型（LLM）框架。该框架结合了层次检索、树状检索和基于分词匹配的检索，旨在保持检索覆盖率的同
The Illusion of Secure LLM Code: Closing the Security Gap via Iterative Reprompting
本文评估了五种主流AI编码助手（如GPT-4等）在生成认证代码时的安全性，采用双模态评估框架：静态代码分析（结合NIST SP 800-63B指南）和动态渗透测试。研究设计了四种提示策略：基础提示（Basic）、安全提示（Secure）、基
HiTMS: A High-Throughput Multi-Stream Linguistic Steganography Framework
该论文提出了一种名为HiTMS的高吞吐量多流语言学隐写术框架。传统的生成式语言学隐写术通常采用单流模式，即通过一次提示响应嵌入完整秘密信息。这种方式存在两个主要缺陷：缺乏对批量多流推理的协议支持，且简单地将多个流合并到同一批次无法隐藏槽位占
Mission-Level Runtime Assurance for LLM-Assisted ISR Swarms over a Verification-Aware Fabric
本文针对LLM辅助自主机器人蜂群在协同情报、监视与侦察（ISR）任务中的保障失败问题展开研究。传统保障方法关注单平台合规性，但跨平台组合行为可能导致使命级违规，例如禁止目标被分散至多个平台以规避单平台限制，或集体预算悄然超支。单平台防护机制
Do LLMs Know Their Vulnerable Scenarios?
该论文研究了安全对齐的大型语言模型（LLM）在特定场景下拒绝有害请求的能力被削弱的问题。现有红队测试方法通过观察攻击结果来发现有效场景，但缺乏对场景如何削弱拒绝行为的机制性理解。同时，机械可解释性研究已刻画了拒绝方向和越狱相关特征，但未解释
False Prophets: On the Security of World Models in Agentic Systems
本文研究了大型语言模型驱动的自主代理系统中世界模型的安全性。世界模型是一种环境模拟器，用于预测代理行为的潜在结果，从而提升任务执行精度。然而，论文发现世界模型可能被攻击者利用，通过注入错误预测来误导代理执行有害操作，进而引发安全与隐私风险。
Poster: Rethinking Security in LLM Code Generation through Real-World Risk Scenarios
本文重新审视了大型语言模型（LLM）在代码生成中的安全性，指出当前基准测试大多依赖于明确指定的安全需求，无法反映真实开发场景中提示词经常模糊或不完整的情况。作者从开发者视角出发，识别了三种导致LLM生成代码出现安全漏洞的代表性风险场景：歧义