Not In My Git Yard: Catching Backdoors at Commit and Release Time
该论文针对开源软件供应链中代码级后门注入的威胁提出了一种自动化检测方法 Lily。代码级后门是一种隐蔽的代码改动，通过秘密触发器授予隐藏权限，难以被发现。此前针对广泛使用项目的后门注入尝试（如恶意提交、被篡改的发布包、受污染的第三方依赖）往
2026-08-02 归档
今日共收录 946 条安全情报，包含 146 个 CVE，466 篇安全通告，以及 75 篇研究论文。
← 返回归档列表Agent Harness Distillation: Inference-Time Harness Extraction and Exploitation in Autonomous Multi-Agent Systems
该论文研究基于大型语言模型（LLM）的自主多智能体系统（AMAS）在推理时框架（inference-time harness）的知识产权泄露风险。AMAS（如 Hermes）依赖推理时框架来协调推理与行动，这些框架需要大量工程投入和计算资源
Safeguards Based on Copyable Context Cannot Provide Reliable Safety for LLMs
该论文针对大型语言模型（LLM）安全防护机制的根本性局限展开研究。现有安全防护通常在模型回答前基于请求本身判断是否允许输出，但这种方式无法考虑回答的实际用途。对于双重用途任务，同一份答案既可能帮助授权专业人员，也可能被攻击者利用；而攻击者可
RoguePrompt: Dual-Layer Encoding for Self-Reconstruction to Circumvent LLM Moderation
本文针对大型语言模型（LLM）在安全审核机制下仍可被提示词越狱（jailbreak）的问题，提出了一种名为 RoguePrompt 的多阶段攻击流水线。研究背景是：尽管主流 LLM 部署了内容审核与安全控制，攻击者仍可通过精心构造的提示词绕
Cybersecurity Detection Classification with Reasoning-enabled Language Models
本文针对安全运营中心（SOC）中常见的告警疲劳问题展开研究。在实际环境中，安全检测系统每天产生的大量告警远超分析人员可处理的范围，因此自动化的告警分诊（triage）至关重要。现有方法通常直接提示或微调大语言模型（LLM）输出分诊标签，但并
Emerging Challenges in Threat Modeling for GenAI-Augmented Systems: A View from the Trenches
本文针对生成式人工智能（GenAI）日益融入软件系统后，传统威胁建模方法（如 STRIDE）在评估 GenAI 特有风险方面的不足，开展了一项面向中小企业（SME）的探索性评估研究。研究首先通过快速文献综述筛选出三种 GenAI 感知的威胁
Piggybacking on Perception: Stealthy Concurrent Audio Prompt Injections against Multimodal LLM Agents
本文研究多模态大语言模型智能体在连续音频交互场景下面临的新型提示注入攻击。作者指出，多模态智能体通过麦克风持续接收环境声音，而用户语音中不可避免地混有环境噪声，这为恶意音频指令的注入提供了隐蔽通道。与针对语音设备的传统声学攻击不同，该工作提
Don't Trust the AI Ecosystem: Analyzing Privacy Leakage in Compromised Open-Source Components
本文提出了一种新型的AI供应链攻击方法GradLock，针对现有模型反演攻击在训练后优化中面临的泛化瓶颈问题。传统模型反演技术通常依赖从模型输出中迭代恢复私有数据，但在高维数据集上往往只能得到通用特征，难以还原特定身份信息。GradLock
CHARGE: Leveraging CWE Hierarchies for Hardware Security SystemVerilog Assertion Generation
本文提出 CHARGE，一个面向未验证 RTL 模块的自动化安全属性生成框架，结合 CWE（通用弱点枚举）与大型语言模型（LLM）来推断安全行为并生成 SystemVerilog 断言（SVA）。核心创新在于利用 CWE 条目的层级化结构作
On-Policy Distillation for LLM Safety: A Routing Approach to Template-Robust Realignment
本文针对大型语言模型（LLM）在微调过程中存在的安全漏洞展开研究。作者指出，恶意数据提供者可以将有害行为嵌入下游训练语料，导致模型在保留专业技能的同时，按照要求违背人类价值观。现有的安全重对齐防御通常面临三大局限：一是容易造成模型对专业技能
MemSecBench: Tracking Agent Memory Poisoning from Persistence to Consequence and Repair
本文针对大语言模型驱动的智能体（Agent）中记忆系统存在的安全风险，提出了一款新型任务驱动型基准 MemSecBench。在现有 Agent 应用中，记忆系统使智能体能够存储并复用过往交互信息，但这也为攻击者创造了机会：精心构造的恶意指令
AgentSnare: Learning to Delay, Divert, and Defuse Autonomous Penetration Agents
该论文针对大语言模型（LLM）驱动的自主渗透测试代理提出了一种新型动态欺骗防御系统 AgentSnare。LLM 代理通过“观察-行动”循环与工具交互：代理选择动作，工具返回观察结果，代理再基于观察继续决策。这种依赖关系使得防御方可以注入欺
Before Agents Speak: Pre-hoc Failure Risk Inference in Multi-Agent Systems
该论文聚焦于基于大语言模型的多智能体系统（MAS）在协作推理与决策中面临的新型系统性风险：局部幻觉可能沿着智能体之间的通信链路传播，在交互中被放大，最终触发级联故障。现有防御手段大多属于事后（post-hoc）范式，即只有在不安全行为已经出
Forecasting Trajectory-Level Safety Risks in Black-Box Multi-Turn Interactions
随着大语言模型（LLM）从独立助手演化为自主智能体，其安全挑战已从单点风险转向长时序轨迹中的风险演化。在多轮交互中，恶意意图可以被拆解到多个看似无害的轮次，再通过交互轨迹逐步重组，最终引发安全故障。现有防御手段大多是反应式的，只能检测已经发
SecRespond: Benchmarking AI Agents for Real-World Post-Compromise Incident Response
本文提出了 SecRespond，据作者称这是首个用于评估大语言模型（LLM）智能体在后渗透（post-compromise）事件响应工作流中能力的基准测试。当前大多数网络安全基准测试聚焦于攻击发生前的“预渗透”场景，智能体被放置在一个干净
[下载]IDAPro v9.4.260714(hotfix)+汉化补丁+新版py注册机
[下载]IDAPro v9.4.260714(hotfix)+汉化补丁+新版py注册机
[原创] 别傻了，你的引擎加密挡不住"不讲武德"的邪修 —— XA 内存盲打补丁，记偏移秒改的实战套路
[原创] 别傻了，你的引擎加密挡不住"不讲武德"的邪修 —— XA 内存盲打补丁，记偏移秒改的实战套路
Nginx远程代码执行漏洞分析与利用（CVE-2026-42530）
CVE-2026-42530
Nginx远程代码执行漏洞分析与利用（CVE-2026-42530）
Adobe Campaign Classic CVSS 10.0 Flaw Could Run Code Without User Interaction
CVE-2026-48449
Adobe has released security updates to address a maximum-severity security flaw in Campaign Classic (ACC), its enterpris
Open Security Benchmark: Towards Autonomous Enterprise Cyber Defense
该论文聚焦于企业自主网络防御中的关键挑战：如何信任由智能体（Agentic AI）完成的安全态势感知、评估与决策。作者指出，当前企业安全环境是私有的、跨厂商且高度关联的，没有一个公开、可查询的共享环境能用于端到端评估此类智能体，这构成了“环