Over 24,000 exposed server BMCs leak password hash via decades-old flaw
More than 24,000 internet-exposed servers are leaking authentication password hashes due to a 20-year-old vulnerability
2026-07-29 归档
今日共收录 1422 条安全情报，包含 510 个 CVE，504 篇安全通告，以及 114 篇研究论文。
← 返回归档列表Data breach at medical billing firm MCBS affects 1.26 million people
Healthcare billing company Medical Computer Business Services (MCBS) has disclosed that a 2025 network breach exposed th
JFrog Confirms OpenAI Models Exploited Artifactory Zero-Day Before Hugging Face Breach
JFrog has confirmed that OpenAI models exploited a zero-day in self-hosted Artifactory while trying to reach the open in
Act Security Emerges from Stealth to Fight the Patch Problem
Act Security tackles the spiraling patch problem caused by AI’s ability to find new vulnerabilities in existing cloud en
Critical Arista VeloCloud Orchestrator Vulnerability Exploited as Zero-Day
Impacting on-premises deployments, the OS command injection allows attackers to access privileged internal functionality
The Mirage of LLM Guardrails: A Case Study in AI-Assisted Medical Note Manipulation
本文研究大型语言模型（LLM）在医疗场景中内置安全防护的鲁棒性问题，以AI辅助医疗记录篡改为具体案例。作者做出了四项贡献：第一，开发了一个可复现的篡改流水线，利用公开的医疗记录模板，通过商用LLM替换患者姓名、提供者身份、日期和医疗条件，跨
From Role Prompt to Infinite Thinking: Exploiting Persona Conditioning for Inference Cost Attacks in LLMs
本研究揭示了大语言模型（LLM）在推理效率方面的一个新漏洞：模型在维持角色一致性（persona consistency）时，即使导致低效推理和过度生成，仍会遵守所分配的角色并重复相应行为。基于此，作者提出了RolePlay框架，一种任务感
Architectural Backdoors in Vision-Language Model Supply Chains via Representation Steering
本文研究视觉-语言模型（VLM）供应链中的安全问题。VLM通常通过模型供应链部署，即预训练检查点、架构定义、文本编码器和导出的计算图由第三方分发并复用在多个下游服务中。这种复用模式创建了一个关键的安全信任边界：VLM部署不仅继承了学习参数，
Mission-Level Runtime Assurance for LLM-Assisted ISR Swarms over a Verification-Aware Fabric
该论文针对LLM辅助自主机器人蜂群在执行协作情报、监视与侦察（ISR）任务时面临的组合保证失败问题，提出了一种三层（平台/小队/任务）组合运行时验证框架。首先，论文指出现有的单平台防护机制无法检测跨平台违规行为，例如多个平台各自执行合规动作
From Signals to Behaviors: Evidence-Based Android Malware Detection
该论文针对Android恶意软件检测问题，指出现有方法基于表面信号（如学习特征或代码片段）进行检测，容易产生误报和漏报，因为偏离代理信号并不等同于恶意。作者提出行为导向的检测方法，并实现系统Praxis。Praxis采用假设-确认-判断流水
Stemma: Induced Decision Regions Reveal LLM Provenance
该论文研究大型语言模型（LLM）的溯源测试问题，即判断待测模型是否源于某个已知源模型。现有黑盒方法通常基于响应级别的特征（如文本风格、输出分布）推断模型关系，但这些特征在模型微调或部署环境变化时容易发生偏移，从而影响溯源的可靠性。为克服这一
Mapping CVEs to MITRE ATT&CK Techniques: A Curated Gold-Set Classifier and the Limits of LLM-Assisted Label Expansion
本文提出了一种可复现的流水线，用于从自由文本漏洞描述中将通用漏洞披露（CVE）映射到MITRE ATT&CK企业技术。传统上，这种映射依赖于CWE->CAPEC->ATT&CK的推导链，但该链存在表格扩展假象。作者通过量化这些假象，并在一个
Bits and Memories: Measuring Verbatim Extraction Across LLM Quantization
该论文研究了语言模型量化（quantization）对训练数据逐字提取（verbatim extraction）风险的影响。已有研究主要关注量化对成员推断（membership inference）隐私风险的影响，但作者认为成员推断并非公众
The Disruptive Impact of Large Language Models on Capture the Flag Competitions and the Path Toward Fair Play
该论文研究了大型语言模型（LLM）对夺旗赛（CTF）的颠覆性影响。CTF是网络安全领域最有效的实践训练之一，涵盖密码学、Web漏洞利用和二进制漏洞利用等技能。然而，LLM现在能够以最小的人工输入解决越来越多的挑战，引发了关于公平性、排名有效
Hybrid Analysis for Secure MCP Tool Use in LLM Agents
随着大语言模型（LLM）智能体的快速发展，它们被广泛应用于各类实际任务中。为了标准化智能体与外部环境的交互，模型上下文协议（MCP）工具应运而生，并已成为事实标准，被广泛集成到这些系统中。然而，MCP工具的使用也引入了新的安全风险：攻击者可
ContractHIL-HLS: Contract-Aligned Multi-Agent Workflow with Hardware-in-the-Loop Feedback for HLS Design
本文提出了ContractHIL-HLS，一种面向高层次综合(HLS)工程的合同对齐多智能体工作流。该工作流的主要贡献包括三个方面：首先，引入结构化合同作为语义对齐和任务执行工件，将自然语言需求转换为显式接口、约束、验证检查和回滚规则；其次
Decision-Level Hijacking: Injecting Cognitive Bias into Large Language Models via Bit-Flip Attacks
本文提出了一种针对大型语言模型（LLM）的新型攻击范式——决策级劫持（Decision-Level Hijacking）。该攻击旨在通过向模型注入认知偏差，间接操控下游决策者的判断与行为，而无需触发禁止内容或降低模型功能性。作者发现位翻转攻
ALIBI: Adaptive Agentic Attacks on LLM-Based Vulnerability Detectors via Adversarial Code Comments
本文研究了基于大型语言模型（LLM）的漏洞检测器在面对对抗性注释攻击时的脆弱性。随着LLM越来越多地应用于安全关键任务（如漏洞检测和代码审查），它们对源代码中自然语言上下文的依赖暴露了一个此前未被充分探索的攻击面：对抗性代码注释。这些注释可
Agentic Permissions Policy Algebra for Taint Confinement in LLM Agents
本研究提出了一种名为APPA（智能体权限策略代数）的信息流控制（IFC）框架，旨在解决自主LLM智能体在处理混合机密性数据时面临的安全挑战。传统污点跟踪方法会永久污染智能体上下文，严重限制下游功能。APPA通过引擎管理的上下文分支和前瞻性获
Early Detection of Distributed Backdoors in Multi-Agent LLM Systems: A Characterization Study
本文研究多智能体LLM系统中的分布式后门攻击的早期检测问题。传统安全检测每次只检查单个智能体的行为，无法识别跨多个智能体分发的恶意载荷——攻击者通过投毒工具在观察中隐藏加密片段，将载荷分散到多个智能体，在运行结束后由外部步骤重组并执行。作者