Self-Supervised Representations for Binary Program Clustering: From Empirical Study to Retrieval-Augmented Learning
该论文针对二进制程序聚类任务，首次系统性地研究了自监督学习（SSL）和表格表示学习（TRL）方法在该场景下的表现。恶意软件聚类是网络安全中威胁发现和家族演化分析的关键步骤，但以往SSL/TRL方法在此领域的研究几乎空白。作者在公开的Embe
2026-08-05 归档
今日共收录 766 条安全情报，包含 0 个 CVE，370 篇安全通告，以及 100 篇研究论文。
← 返回归档列表A Multi-Objective AutoML-based Efficient Intrusion Detection System for EV Charging Networks
该论文针对电动汽车充电系统（EVCS）日益与物联网（IoT）设备互联所引入的网络安全风险，提出了一种基于多目标自动化机器学习（MOO-AutoML）的高效入侵检测系统（IDS）。传统基于机器学习的IDS往往依赖人工设计模型，且仅以检测性能为
Vulnerability Detection in AArch64 Machine Code Using a Digital Twin
本文面向无源码场景下的 AArch64 机器码漏洞检测问题，提出了一种基于数字孪生（Digital Twin）的可解释检测方法。传统二进制分析手段往往依赖符号执行或模糊测试，计算开销大且难以覆盖多步利用模式；同时很多现有工具只报告孤立的危险
Pretraining on Call Graphs: When Binary Analysis Tasks Profit From Context
本文针对二进制函数嵌入模型（binary function embedding models）中引入调用图（call graph）上下文信息所带来的影响展开系统剖析。此类模型通过将二进制代码片段映射为向量表示，服务于代码搜索、漏洞检测、恶意
Diagnosing High-Performance BFT Consensus via Mixture Modeling of Block Time Distributions
该论文针对高性能拜占庭容错（BFT）区块链系统在实际运行中区块时间分布呈现复杂多模态特性的问题，提出了一种基于混合建模的诊断方法。研究背景在于，虽然高性能BFT共识（如基于HotStuff的协议）致力于实现高吞吐和低延迟，但受网络条件、流水
GalSAS-SDR-SIM: An End-to-End Simulation Platform for Galileo Signal Authentication Service
Galileo 卫星导航系统正在建设信号认证服务（SAS），将 E1 频段的开放服务导航消息认证（OSNMA）与 E6 频段的扩频码认证（SCA）相结合，以增强对欺骗攻击的韧性。由于 Galileo SAS 仍处于开发阶段，真实且可控的 S
Multi-Backbone Self-Supervised Ensembles for Audio Deepfake Detection and a Cross-Track Analysis of Generation-Detection Asymmetry
本文介绍“Go-To-Germany”团队参与ImageCLEF 2026音频深度伪造检测与生成任务的方案与结果。研究背景：深度伪造音频对身份认证、司法证据和金融安全构成现实威胁，而现有检测器对未知或对抗性生成样本的泛化能力尚待验证。该团队
Performance analysis of Machine learning algorithms for predicting malware
该论文针对传统基于签名的防病毒软件难以检测新型恶意软件的问题，提出了一种基于机器学习（ML）的恶意软件检测框架。研究选取了基准恶意软件数据集，对多种主流的分类算法——包括人工神经网络（ANN）、支持向量机（SVM）、XGBoost和Extr
From Viral to Void: Multi-Dimensional Behavioral and Contractual Analysis for Rug Pull Identification
本文针对以太坊上以 meme 币为代表的 Rug Pull（拉地毯）骗局检测问题展开研究。Rug Pull 具有部署成本极低、隐蔽性强、资金转移迅速且检测难度高等特点，传统的人工审核和固定规则难以满足实时预警需求，而现有检测方法普遍存在特征
SP2UBI: Secure and Privacy-Preserving Usage-Based Insurance
本文提出了一种名为 SP2UBI 的隐私保护型基于使用量保险（Usage-Based Insurance, UBI）方案。传统汽车保险依赖驾驶员年龄、事故次数等静态参数定价，而 UBI 基于驾驶行为定价，得益于智能交通系统的发展。然而，分析
How Benchmarks and Evaluation Protocols Shape Conclusions in Provenance-Based Intrusion Detection
该论文系统研究了基准测试与评估协议如何影响基于溯源（provenance）的入侵检测系统（PIDS）的性能结论。作者指出，许多 PIDS 在论文中宣称高检测性能，但这些结论往往对所选数据集和评估方式极为敏感。为了揭示这一依赖关系，他们在满足
No Single Neuron of Failure: Distributed Safety Alignment Against White-Box Attacks
该论文针对开放权重大模型面临的白盒神经元级安全攻击问题，提出了一种分布式安全对齐（Distributed Safety Alignment, DSA）方法。研究背景是：随着开放权重模型快速发布，安全威胁已从黑盒越狱转向神经元级白盒攻击——攻
Moving the Safety Barrier: Dynamic Routing Adaptive Alignment Against White-Box Attacks
本文针对大型基础模型（LFMs）在开放环境中部署时面临的新型安全威胁——白盒攻击。与传统的黑盒越狱不同，白盒攻击能够直接定位并破坏模型内部的安全神经元或安全路由，而现有防御方法通常依赖静态安全单元或固定的拒绝路径，在路由级别的白盒攻击下显得
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，以破坏网络物理系统的稳定性。作者重点研究了一类特定的数据拒绝攻击（data de
On the Performance of Malware Detection Classifiers Using Hardware Performance Counters
本文研究基于硬件性能计数器（HPC）的恶意软件检测方法。HPC 是处理器运行时采集的低层微架构活动数据，可反映应用行为。传统杀毒软件依赖特征匹配，难以应对未知威胁；硬件辅助检测作为补充，可增强系统安全。然而，HPC 检测面临挑战：处理器每个
Permission Denied: Policy-Graded Evaluation of Coding Agents in Hardened Environments
本文研究编码代理（coding agents）在受企业安全策略约束环境下的性能表现。现实场景中，编码代理通常运行在具有受限凭据、限制出站流量、只读文件系统和非 root 执行等安全控制的组织中，但现有基准测试（如 Terminal-Benc
Reputation-driven Cooperation in Lattice-based Decentralized Federated Learning through Evolutionary Game Theory
去中心化联邦学习（DFL）是一种无需中心服务器的隐私保护分布式机器学习范式，但缺乏中央协调器使得参与节点可能出现搭便车、不诚实协作等机会主义行为。演化博弈论（EGT）常用于分析这类行为的演化，然而先前研究往往假设智能体具有完全理性，且策略固
A Unified Benchmark for Privacy-preserving Vector Search
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。然而，默认情况下，提供查询服务的服务器既能看到用户的查询嵌入，也能看到匹配的语料库，这对查询用户和语料库所有者都构成隐私泄露。已有多种加密方案（如 SAP、EMVP、BNTM、
Decoy Images Amplify Caption-Mediated Defenses Against Encoded Jailbreaks
该论文报告了视觉语言模型（VLM）中图像输入与现有黑盒防御之间的一种反直觉交互。研究者发现，将一个编码的越狱提示与一张无关的诱饵图像配对，可以显著降低攻击成功率（ASR）。例如，在纯文本编码输入上几乎不改变ASR的字幕中介防御（ECSO），
CallScreenBench: Benchmarking On-Device Models as Phone Secretaries
该论文提出 CallScreenBench，一个用于评估端侧（On-Device）语言模型充当“电话秘书”能力的基准测试。研究背景是：随着可量化到数比特的小型语言模型在手机上运行，由其代表用户自动处理来电成为可能。与大多数基准测试中的智能体