SPIP BigUp Unauthenticated RCE(CVE-2024-8517)
CVE-2024-8517
SPIP BigUp Unauthenticated RCE(CVE-2024-8517)
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CVE-2024-8517
SPIP BigUp Unauthenticated RCE(CVE-2024-8517)
CVE-2024-39943
Rejetto HFS 远程命令执行漏洞(CVE-2024-39943)
CVE-2024-27348
Apache HugeGraph-Server Command Execution In Gremlin(CVE-2024-27348)
CVE-2024-22120
Zabbix 后台延时注入(CVE-2024-22120)
CVE-2024-4040
CrushFTP 认证绕过漏洞(CVE-2024-4040)
CVE-2026-21992
Alert for CVE-2026-21992
CVE-2025-61884
Alert for CVE-2025-61884
CVE-2025-61882
Alert for CVE-2025-61882
CVE-2024-21287
Alert for CVE-2024-21287
CVE-2022-21500
Alert for CVE-2022-21500
CVE-2021-44228
Alert for CVE-2021-44228
CVE-2026-31431
Linux 内核提权 CVE-2026-31431(copy-fail)
CVE-2026-35273
Alert for CVE-2026-35273
该论文首次系统研究了针对CDN上HTTP/3协议的拒绝服务(DoS)攻击。研究背景是:CDN广泛部署HTTP/3以提高性能,但源站可能仍使用HTTP/1.1,这种协议异构性可能被攻击者利用。核心洞察是:当CDN使用HTTP/3接收客户端请求
本文针对大型基础模型驱动的商业多模态内容审核 API 的鲁棒性进行了大规模黑盒评估。研究背景是:传统任务专用分类器在审核覆盖率和上下文理解上有限,而新兴的基于基础模型的多模态审核服务声称能提供更广泛、更强的安全过滤能力。作者选取了三家成熟的
本文研究脉冲神经网络(SNN)中的一种新型后门攻击——"时间投毒"(Temporal Poisoning),属于干净标签(clean-label)攻击范畴。与以往依赖脏标签(dirty-label)的后门攻击不同,该方法仅对目标类别的训练样
这篇论文研究脉冲神经网络(SNN)在推理阶段面临的能耗安全威胁。SNN 通过稀疏的二值尖峰事件传递信息,相比传统人工神经网络在神经形态硬件上可实现极低能耗,因此常被用于持续运行、电池供电的边缘设备。然而,这种效率优势也带来新的攻击面:海绵攻
本文针对 6G 使能的医疗物联网(Healthcare IoT)场景中边缘网关的流量控制问题展开研究。在医疗物联网中,边缘网关不仅需要转发常规遥测数据,还必须保证罕见但时间敏感的报警消息的极低延迟。然而,即使是短暂的流量突发也可能导致最坏情
本文针对智能交通系统中基于图神经网络(GNN)的交通流量预测模型,重新审视了其对抗鲁棒性。作者认为先前研究采用的威胁模型不切实际,如假设攻击者拥有完整模型知识或进行全局非目标扰动,因此对攻击和防御的评估均有偏差。实际攻击者通常只能利用有限知
本文提出 Flock,一种基于哈希的 SNARK(简洁非交互式零知识证明)系统,旨在大幅加速大批量布尔计算(尤其是标准密码学哈希函数评估)的证明生成。在许多 SNARK 应用中,证明大量 SHA-256、Keccak、BLAKE3 等哈希评