Evaluation of Adversarial Robustness in Arabic Language Models
本研究评估了五种最先进的阿拉伯语语言模型（包括MARBERT、AraBERT等）在多种对抗性攻击下的鲁棒性。攻击分为字符级（如插入变音符号）、词级（如操作连词）和句子级（如释义）。实验发现：字符级插入变音符号可使模型准确率下降高达92%，且
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A Structuration Approach to Theorizing Cybersecurity Practice: The STARC Model
该论文针对当前网络安全实践的理论基础不足问题，提出了一个名为STARC（Structuration Theory Adaptation for Resilient Cybersecurity）的理论框架。研究背景指出，网络安全实践在分析师、
SignDeepSC: A Semantic Signature-based Approach for Robust Semantic Communication
该论文研究深度语义通信（DeepSC）系统在物理层面临的中继攻击威胁。攻击者可以注入扰动以扭曲传输信号的语义含义。作者提出SignDeepSC架构，通过引入一个基于感知器（perceiver）的语义签名，在辅助低速率信道上传输源特征的紧凑向
Optimistic Verifiable Claims: A Blockchain Protocol for Conditionally Confidential Bidding in Decentralized Manufacturing
本论文针对去中心化制造中一个核心的预契约僵局问题：服务提供方（Provider）必须查看设计文件才能精准定价，而消费者（Consumer）因担心知识产权泄露而不愿分享文件。为此，作者提出了乐观可验证声明（OVC）协议，一种基于区块链的解决方
Anti-Backdoor Coreset Selection via Cumulative Entropy
该论文提出一种针对深度神经网络后门攻击的训练阶段防御方法——基于累积熵的反后门核心集选择（Anti-Backdoor Coreset Selection）。先前的工作通常从被污染的完整训练集中学习一个无后门模型，但往往牺牲自然准确率或无法抵
From Profiling to Parameterization: Physics-Guided Acoustic Eavesdropping via Smartphone Accelerometers
本论文提出一种名为 LEAKFORGE 的设备无关框架，将跨设备加速度计侧信道窃听问题转化为物理引导的数据生成问题。核心发现是：设备特定的漏泄并非任意，其主导变化局限于一个受约束的音频到加速度计传递函数族。LEAKFORGE 通过采样该函数
SafeStats: Efficient 2PC Protocols for Data Statistic-Related Functions
SafeStats 是一个面向安全两方计算（2PC）场景的统计函数高效协议工具包。研究背景是：对医疗记录、金融交易等敏感数据集进行统计分析对决策至关重要，但直接分析会引发严重隐私问题。现有2PC工作虽设计了通用的安全基本运算（加、乘等）或机
SafeFlow: Semantic Information-Flow Control for Blocking Malicious Propagation in Multi-Agent Systems
本研究聚焦于多智能体系统（MAS）中的一项关键安全隐患：恶意目标可以被分解为局部看似合法的子任务，从而规避单个智能体的检测，导致有害目标逐步实现。作者指出，这一问题本质上是语义信息流的安全问题，而非简单的单轮提示分类问题。为此，他们提出了
Characterizing and Mitigating the Effects of Device Temperature on RF Fingerprinting Accuracy
射频指纹识别（RFFP）通过提取发射信号中因硬件制造差异而引入的独特特征，实现设备身份认证，具有无需额外硬件、隐蔽性强等优势。然而，现有RFFP方法普遍忽略了一个关键问题：设备温度（包括内部功耗发热和环境温度变化）会显著改变硬件特性，导致射
ScoreShield: Differentially Private Release of Similarity Scores
本文针对向量嵌入（如文本、图像、音频）的余弦相似度分数发布中的隐私泄露问题，提出了一种名为ScoreShield的差分隐私（DP）机制。在许多现代应用中（如生物识别、检索增强生成RAG），系统通过API返回相似度分数用于排序和验证，但这些分
An Attack on High Rate McEliece Cryptosystems Using Generalized Reed Solomon Codes with Weight $2$ Mask
本文针对基于广义 Reed-Solomon (GRS) 码的 McEliece 密码系统变种提出了一种攻击方法。由于原始 McEliece 方案使用 GRS 码已被证明不安全，许多变种将排列矩阵替换为行权和列权更大的矩阵 M，但私钥仍然基于
TYPO: Instruction-Dense Visual Jailbreaks against Commercial Closed-Source Image-Generation Models
本文发现商业图像生成模型（如GPT-Image-2、Nano Banana Pro等）虽然能够生成包含可读文本的高质量图像（如海报、信息图等），但这一能力也引入了新的安全漏洞：模型可能会拒绝直接输出有害文本，却允许在生成的图像中呈现同样的有
Modeling Local Exploit Hazard - A Bayesian Framework for Quantifying Exploit Risk and Operational Efficiency
本文提出了一种本地利用危险模型（Local Exploit Hazard Model），这是一个贝叶斯框架，旨在将诸如利用预测评分系统（EPSS）等全局利用可能性模型（ELM）输出的全局概率，转化为组织自身资产的每日利用危险率。该模型通过概
BettiSplit: Topology-Guided Privacy-Aware Split Learning Against Feature Inversion and Gradient Leakage
该论文针对分割学习（Split Learning）中因划分点选择不当导致的严重隐私泄露问题，提出了一种基于拓扑引导的隐私感知框架。作者通过逐层分析，发现分割学习中的隐私风险在神经网络的各层之间高度不均匀，存在从几乎不可重建到高保真（SSIM
VulnGym: Evaluating Vulnerability Management Strategies against Advanced Persistent Threats
该论文提出 VulnGym，一个用于评估漏洞管理策略的模拟工具。针对企业网络面临的 APT 攻击，传统漏洞评分标准（如 CVSS）无法捕捉随着时间推移攻击者在网络中逐步渗透时的修补策略效果。VulnGym 使用强化学习（RL）训练攻击者模型
Near-Tight Theoretical Bounds for Incentive Compatibility in Bitcoin Mining
本文研究比特币挖矿中的激励相容性问题，即诚实挖矿何时是理性的选择。该问题对工作量证明区块链的激励机制设计至关重要。此前，Sapirshtein等人利用马尔可夫决策过程（MDP）计算了激励相容性阈值的计算性上下界，结果接近最优；Kiayias
Occluded Oculus: Operationalizing Stylistic Obscurement
该论文提出了一种名为 TraceTarnish 的对抗性文体混淆方法，旨在通过攻击文体分析系统来保护文本作者的匿名性。研究背景是：文体分析（stylometry）技术能够根据写作风格识别作者身份，被广泛用于取证、安全和监控领域，但这也威胁到
Trusting-Trust Attack against an Entire Linux Distribution through Binary Manipulation
本文展示了Ken Thompson提出的著名的"trusting-trust"攻击不仅限于编译器，还可以通过二进制操作扩展到普通构建工具。作者以GNU strip（一个既不检查也不生成源代码的普通构建实用程序）为目标，仅通过对已完成ELF文
Quantum-Level Crosstalk Characterization of a 16x16 MEMS Optical Switch for Dynamic Quantum Communications
本文针对商用16x16 MEMS光开关在动态量子通信应用中的量子级串扰特性进行了全面表征。研究采用超导纳米线单光子探测器（SNSPDs）测量各通道间的串扰水平，并将实验数据与诱骗态BB84量子密钥分发（QKD）协议的理论影响分析相结合。实验
Agentic Cloud Decoys: A Deception-Driven Framework for Autonomous Intrusion Investigation
本文提出了一种名为 Cloud Decoy AI Agent 的框架，旨在解决云环境中入侵调查的难题。云遥测数据量庞大，攻击者常通过合法身份、联合会话令牌和云原生 API 进行活动，使其与日常管理操作难以区分，导致安全分析人员需要花费大量时