SP2UBI: Secure and Privacy-Preserving Usage-Based Insurance
本文提出 SP2UBI，一个面向按使用量计费保险（UBI）的安全与隐私保护框架。传统车险依赖静态参数（如驾驶员年龄、事故次数），而 UBI 通过驾驶行为动态定价，这依赖于智能交通系统采集的高分辨率远程信息处理数据。然而，这些数据可能暴露用户
2026-08-04 归档
今日共收录 1122 条安全情报，包含 327 个 CVE，410 篇安全通告，以及 104 篇研究论文。
← 返回归档列表How Benchmarks and Evaluation Protocols Shape Conclusions in Provenance-Based Intrusion Detection
本论文针对基于来源的入侵检测系统（PIDS）性能评估中常用的基准测试和评估协议可能对结论产生误导的问题展开研究。作者在符合审计、标签和校准要求的前提下，选择了公开数据集，并重点关注经过审计的DARPA TC E3数据集，采用统一评估协议：将
No Single Neuron of Failure: Distributed Safety Alignment Against White-Box Attacks
随着开源权重基础模型的快速发布，安全威胁正从黑盒越狱转向更精细的神经元级白盒攻击。攻击者能够直接定位并操纵模型内部与安全行为相关的神经元，从而绕过安全对齐。然而，现有的大模型安全对齐方法通常只关注少量关键神经元，导致模型存在脆弱的安全单点故
AdaptoNet: Modular Foundation-Adaptive Neural Networks for Cyber-Physical Attack Detection in Power Grids
本文针对电力网络中的网络-物理攻击检测问题，提出了一种名为 AdaptoNet 的模块化自适应神经网络。研究背景是：针对电网的攻击往往将物理破坏与数据篡改相结合，例如在特定区域阻断测量数据并同时引发线路跳闸，从而破坏电网的稳定运行。作者首先
Reputation-driven Cooperation in Lattice-based Decentralized Federated Learning through Evolutionary Game Theory
该论文针对去中心化联邦学习（DFL）中因缺乏中央协调者而易受机会主义行为影响的问题，提出了一种基于演化博弈论（EGT）的新型框架。现有DFL研究通常假设智能体具备完全理性且策略静态，这不符合实际场景。论文的主要贡献有三点：第一，在格点网络结
A Unified Benchmark for Privacy-preserving Vector Search
该论文针对隐私保护向量搜索领域缺乏统一评估基准的问题，提出了一个标准化的实验比较框架。向量搜索是语义搜索、推荐系统和检索增强生成（RAG）的核心技术，但服务方在查询过程中会同时看到查询向量和匹配的语料库，造成用户和语料库所有者的隐私泄露。已
Decoy Images Amplify Caption-Mediated Defenses Against Encoded Jailbreaks
该论文研究视觉语言模型（VLM）中图像输入与现有黑盒防御之间的一种反直觉交互：将一个与编码越狱提示无关的诱饵图像配对，可以显著降低攻击成功率（ASR）。作者在五个前沿VLM、两种编码攻击家族和三种黑盒防御上进行了实验，发现原本对纯文本编码输
CallScreenBench: Benchmarking On-Device Models as Phone Secretaries
本文提出 CallScreenBench，一个用于评估端侧小型语言模型作为手机秘书（即代替机主接听未知来电）能力的基准测试。这类模型通常为 0.6 到 4B 参数并经过 4-bit 量化，已具备一定的自主执行任务能力。与多数智能体基准不同，
Registry Descriptions Go Stale Unevenly: An 89-Day Measurement of Model Context Protocol Drift, and Why Drift-Ranked Re-Auditing Under-Covers It
本研究针对模型上下文协议（MCP）生态系统的注册表描述漂移问题进行了长期测量。现有安全研究通常对注册表进行单时间点审计，但未评估这些描述的有效期。作者在88.6天内重建了120个官方MCP注册表的观测，覆盖19,099个不同服务器（从3,5
An AI Approach to Verified Production Cryptographic Libraries
本文提出 CryptoProver，一种基于人工智能的系统，旨在从高级 API 契约自动合成内部规范与 Verus 校验的证明，从而对生产级密码学库进行形式化验证。传统上，生产密码库的正确性验证非常困难，现有基于语言模型的证明系统只能处理给
Assuming You Knew: Fixing an Epistemic Semantics for Flow Policies Using Agentic AI
该论文聚焦于程序信息流策略（flow policies）的语义精确化问题，特别是涉及选择性降级（selective downgrading）的高层安全需求。这类需求难以精确定义，而认识逻辑（epistemic logic）被证明是描述策略语
Similarity Weighted Aggregation with Global Differential Privacy for Federated Brain Lesion Segmentation
本文提出了一种面向医学影像分割任务的隐私保护联邦学习框架 DP-SimAgg。联邦学习允许多家医疗机构在不共享原始数据的前提下协作训练模型，但非独立同分布（non-IID）的客户端数据分布会降低聚合模型的性能，同时模型更新可能泄露患者敏感信
XR-PRISM: Data-Driven Privacy and Risk Impact Scoring Metric for Extended Reality in Healthcare
该论文提出了一种面向医疗保健场景中扩展现实（XR）技术的隐私与风险影响量化评分指标 XR-PRISM。研究背景是 XR 技术（涵盖虚拟现实 VR、增强现实 AR、混合现实 MR）通过沉浸式训练、远程会诊和患者康复等应用正在变革医疗行业，但其
Hardware-rooted attestation for AI-agent evidence: composing IETF RATS with action evidence packages
本文提出一种将硬件根信任与 AI Agent 软件层证据相结合的可信证明方案。作者指出，纯软件层的行为证据包（Action Evidence Package, AEP）——即由 Agent 运行时签名的、仅可追加的日志记录（包含操作内容、授
Robust Watermarks Meet Backdoored Models: Evading Diffusion Semantic Watermarks via Stealthy Backdoor
本文研究了扩散模型语义水印系统的一个关键安全漏洞。语义水印被广泛用于保护潜在扩散模型（LDM）生成的图像版权，但其检测流程依赖神经网络，这引入了被植入后门的攻击面。作者提出了 GhostVAE，一种通过在后变分自编码器（VAE）的编码器中植
Trimming: Decoupling Multiplicative Depth from Modulus Chains in RNS-CKKS via Rational Levels
本文提出了一种名为Trimming的新型细粒度层级管理机制，旨在解决RNS-CKKS同态加密方案中乘法深度受限于模数链结构的问题。近期提出的Grafting技术成功将缩放因子与密文模数解耦，实现了更灵活的精度管理，但乘法深度仍然从根本上受制
Exposed by Design: A Dynamic Security Assessment of Internet-Facing MCP Servers at Scale
本文首次对互联网上暴露的 Model Context Protocol (MCP) 服务器进行大规模动态安全评估。MCP 自 2024 年 11 月发布以来迅速普及，公共互联网上可检测到超过 21,000 个服务器实例。作者结合被动发现与主
Leak It: A Probabilistic Approach to Training-Data Extraction from Black-Box Language Models
本论文针对黑盒语言模型训练数据泄露问题，提出了基于概率视角的成员推断（MIA）审计方法，并批判了传统聚合指标（如ROC-AUC）的误导性。作者首先指出，现有的MIA评估常被无模型盲基线混淆，这类基线仅通过表面文本特征就能较好区分成员与非成员
Beyond Resilience: Antifragility in Critical Infrastructure Cybersecurity
本文针对关键基础设施（CI）网络安全中过度依赖“恢复力”而缺乏“反脆弱性”理论支撑的问题，提出了一种面向关键基础设施网络安全的反脆弱性理论（AFT）。该理论基于五状态弹性系统模型，并给出了一个有界的数学定义，核心是利用 Jensen 增益和
Bending the Curve: Operational Cyber Epidemiology for Ransomware
该论文将勒索软件事件重新定义为“暴发”而非单纯的检测问题，并提出一个运营网络流行病学框架，以流行病学方法改进事件响应。核心思想是将经典的易感-暴露-感染-移除（SEIR）模型适配到勒索软件事件管理中：其中“暴露”指潜在入侵与暂存阶段，包含在