FARI: Robust One-Step Inversion for Watermarking in Diffusion Models
本文提出一种面向扩散模型图像水印的快速鲁棒反演框架 FARI (Fast Asymmetric Robust Inversion)。基于反演的水印验证是认证扩散生成图像的有效手段，但实际应用中受限于反演过程既慢又容易出错。现有方法过度优化内
2026-08-01 归档
今日共收录 1220 条安全情报，包含 330 个 CVE，503 篇安全通告，以及 110 篇研究论文。
← 返回归档列表Graph Is the Verifier: Agentic Reinforcement Learning for Interprocedural Vulnerability Detection
该论文提出 VulAgentRL，一个基于代码属性图（CPG）的智能体强化学习框架，用于跨过程漏洞检测。真实世界的漏洞往往跨越多个函数，但大多数基于学习的检测器孤立地分类每个函数：在对真实 CVE 的抽样中，71.7% 的脆弱函数需要来自函
Fingerprint-Driven Automation: Coupling Reconnaissance with POC Verification
该论文聚焦于网络安全对抗中的侦察（Reconnaissance）环节，指出侦察是攻击链中最关键的第一步，其准确性、效率和全面性直接影响后续的漏洞发现与利用。作者首先分析了现有侦察工具存在的典型问题：信息采集精度不足、隐蔽性差、耗时过长、工具
Borrowed Strength: Best-of-N Search over a Code EncodingBreaks Self-Check Jailbreak Defenses
本文研究了一类称为“自我检查”（self-check）的大语言模型（LLM）越狱防御机制，并针对其中最强的方法 SAGE 提出了组合攻击的可行性。SAGE 在已发表成果中声称平均防御成功率高达 99%，但作者发现，将两种单独对 SAGE 几
Guarding Organizations Against Malware Risk: A Novel Graph-Based Malware Detection Method
随着组织数字化转型的推进，网络安全风险日益扩大，恶意软件已成为一种普遍且具有破坏性的威胁。现有基于字节的机器学习（ML）恶意软件检测方法虽然广泛应用，但容易受到对抗性行为的影响，攻击者可通过操纵原始字节来逃避检测。相比之下，基于图的方法通过
Recover, Decode, Reguard: Guard-Agnostic Defense Amplification againstEncoded VLM Jailbreaks
本文研究视觉语言模型（VLM）的安全对齐问题，聚焦于一种被作者称为“解码鸿沟”（decode gap）的漏洞：现有的安全分类器（guard）通常基于输入的表面形式而非语义进行判断，因此攻击者可以将有害请求重新编码为集合论、形式逻辑、稀有语言
A Controlled Candidate-Set Benchmark for Offline Satellite-Security Plan Decomposition
本论文针对卫星安全领域中的安全规划分解问题，提出了一种受控候选集基准测试方法。在某些安全开发场景中，需要本地模型将高层目标转化为有序且可检查的行动计划。作者设计了一个低秩分解适配器，并发布了一个无泄漏的语料库，包含24个手工编写的卫星安全案
Learning the Word Problem: Geodesic Lengths and Cryptographic Applications
本文研究数学与计算机科学交叉领域中的“字问题”（Word Problem），即判断一个群中给定字是否表示单位元的问题。字问题已有超过一个世纪的研究历史，最初推动组合群论发展，近年来成为后量子密码（PQC）中重要的困难性假设基础。尽管一般群的
On Exercising Governance Power in Decentralized Autonomous Organizations
本文研究去中心化自治组织（DAO）中治理权力的行使机制及其安全影响。DAO 是一种通过智能合约管理区块链协议的治理实体，其治理合约明确规定了利益相关者如何提出、表决和执行协议变更。作者指出，治理合约的设计选择对 DAO 及其管理的智能合约的
Toward Standardized Cross-Vendor Agent Tool Trust Management in Autonomous Networks
该论文针对自治网络（Autonomous Networks）Level 4-5 中跨厂商 AI Agent 协作的安全信任问题展开研究。在高级别自治网络中，AI Agent 需要跨厂商边界调用各类管理工具，且无需人工干预。然而，现有 3GP
Adversarial Deepfake Generation and an Investigation of Purification-Based Adversarial Detection
本文是团队"Go To Germany"参加ImageCLEF 2026深度伪造检测与生成任务的系统描述，并在官方任务之外额外开展了基于净化的对抗检测研究。在图像生成任务中，作者使用FLUX.1-dev与PuLID进行身份保持的人脸合成，并
Verifiable blind probabilistic error cancellation
量子错误缓解（QEM）是降低量子硬件噪声、避免空间开销的关键工具，但其可靠性依赖于噪声建模、标定与具体实现，因此在不可信量子硬件上的端到端安全性长期未得到解决。本文提出可验证的盲概率错误消除（VBPEC），这是首个在完全恶意敌手模型下集成Q
SignDeepSC: A Semantic Signature-based Approach for Robust Semantic Communication
该论文针对语义通信系统（如 DeepSC）在物理层面临的对抗攻击威胁展开研究。语义通信通过深度神经网络提取并传输语义信息，虽能大幅提升通信效率，但其底层神经网络容易受到对抗样本攻击。作者具体关注一种物理层中间人（MitM）攻击：攻击者在发射
Optimistic Verifiable Claims: A Blockchain Protocol for Conditionally Confidential Bidding in Decentralized Manufacturing
该论文提出了一种名为“乐观可验证声明”(Optimistic Verifiable Claim, OVC)的区块链协议，用于解决去中心化制造中的预签约僵局：服务提供商若不查看设计文件就无法准确报价，而消费者若分享设计文件则会暴露知识产权。O
Anti-Backdoor Coreset Selection via Cumulative Entropy
本文提出一种针对神经网络后门攻击的训练阶段防御方法。现有训练时防御通常从被污染的训练数据中隔离出良性子集，并仅用该子集训练无后门模型。作者将这一策略形式化为核心集选择问题，即“反后门核心集选择”。其核心观察是：有毒样本通常具有较低的预测不确
From Profiling to Parameterization: Physics-Guided Acoustic Eavesdropping via Smartphone Accelerometers
本文提出 LEAKFORGE，一个设备无关的框架，将跨设备加速度计窃听问题转化为物理引导的数据生成问题。作者指出，设备相关的泄漏并非任意，其主导变化局限于音频到加速度计传递函数的一个受限族。LEAKFORGE 通过采样该传递函数族，从普通语
SafeStats: Efficient 2PC Protocols for Data Statistic-Related Functions
本文针对安全两方计算（2PC）在统计函数支持上的空白，提出了 SafeStats 安全统计工具包。统计数据分析（如医疗记录、金融交易）对决策至关重要，但原始数据往往包含敏感信息，直接共享会带来严重隐私风险。现有 2PC 工作主要聚焦于通用安
Bayesian-Guided Cooperative RL Beamforming for Wireless Adversarial User Detection
本文针对下一代无线网络中通信系统需要同时保障高数据速率、效率和安全性这一核心需求，提出了一种基于贝叶斯引导的协作强化学习波束赋形框架，用于在存在恶意攻击者的动态无线环境中实现联合波束成形与安全感知决策。作者首先基于3GPP标准构建了无攻击场
Lilith: Backdoor Generalization under Training-Inference Trigger Shift
该论文提出了一种名为 Lilith 的黑盒后门攻击框架，首次系统研究“训练-推理触发器移位”下的后门泛化问题。现有后门攻击研究大多假设训练时使用的触发器与推理时完全一致，或仅考虑训练中已暴露的触发器变体、沿预定变换轴的扰动，而忽略了训练时学
Secure Aggregation for Privacy-Preserving Federated Learning on Clinical EEG Data
本文提出了一种面向临床脑电图（EEG）数据的隐私保护联邦学习框架，核心机制是基于掩码的安全聚合（masking-based secure aggregation）。联邦学习允许多家医疗机构在不交换原始EEG数据的情况下协作训练共享模型，但个