ClickFix Attacks Deliver macOS Stealer That Can Drain Crypto Wallets
ClickFix-style attacks are being used to deliver a Go-based malware capable of stealing cryptocurrency assets, as well a
2026-08-08 归档
今日共收录 1332 条安全情报，包含 443 个 CVE，483 篇安全通告，以及 115 篇研究论文。
← 返回归档列表UNC6671 Vishing Attacks Target Personal Phones to Steal SaaS Data
A recent wave of cyber attacks targeting financial services, private equity, and professional services is attributed to
Malware Can Abuse Windows Hello for Business Keys for Persistent Entra ID Access
Entra ID researcher Dirk-jan Mollema demonstrated that malware already running in a signed-in Windows session can silent
TeamPCP Linked To Redis Attacks Dating Back To 2020 And Later Supply Chain Campaign
A new analysis has uncovered that the threat actor tracked as TeamPCP has been active on the cybercrime scene as far bac
Robust Context-Aware Detection of Malicious Instructions in Text
本文针对大型语言模型（LLM）在作为智能体（agent）执行复杂任务时面临的间接提示注入（IPI）攻击问题，提出了一种鲁棒的上下文感知恶意指令检测方法。现有检测器主要存在两个局限：一是缺乏段级别的查询相对性检测，即未将检测结果与用户的原始查
RustGo: Fairly Directed Greybox Fuzzing for Enforcing Rust Memory Safety
Rust 语言通过所有权等严格安全策略提供内存安全保证，但在 unsafe Rust 代码中，这些策略并未完全生效，仍可能存在内存安全漏洞。虽然 unsafe 代码通常只占整体代码的一小部分（例如 10%），但现有模糊测试工具往往对整个代码
Towards a Risk Assessment of Malicious Skill Files in Coding Agents
自主编码代理正日益嵌入企业软件工作流，并被授予对连接系统的委托权限。其中，代理技能接口是核心架构组成部分：代理动态加载的指令与脚本文件夹，用于特化其行为。然而，该接口也显著扩大了攻击面，使得恶意 shell 命令能够隐藏在看似无害的自然语言
Checked-In Secret Detection: Strings Are All You Need
源码中的硬编码密钥是常见且危险的安全隐患，攻击者一旦发现即可直接利用。传统基于正则表达式的检测方法依赖预定义模式，难以应对无固定形态的密钥，导致准确率和召回率不理想。近期的研究尝试利用代码上下文进行检测，因为围绕候选字符串的代码往往能揭示其
DeepInvert: Semi-Supervised Embedding Inversion Against Obfuscated Language Models
本文针对云上语言模型服务中基于混淆（obfuscation）的隐私防御机制展开系统性的安全性评估。近年来，为降低提示词在传输和推理过程中泄露敏感信息的风险，研究者提出了多种轻量级防御方案，如 ObfusLM、SentinelLMs、Text
AI Forensics Across White-, Grey-, and Black-Box Access: A Process Model and Research Agenda for Post-Incident Investigation of AI Systems
该论文系统性地探讨了人工智能系统的取证调查问题。随着AI系统越来越多地参与决策和行动，事后调查其行为原因、系统组件及供应链责任成为重要挑战。当前AI取证研究分散，多聚焦于特定系统类型、工件或分析技术，缺乏统一框架。作者提出以调查者的访问权限
When Experience Becomes Instruction: Trajectory Poisoning in Self-Evolving Agent Skill Systems
该论文聚焦于自进化技能（Self-Evolving Skill, SES）系统中的投毒攻击问题。在SES系统中，代理（agent）会将执行轨迹蒸馏为持久化技能，使得不可信的经验能够被转化为可信的指令，为攻击者提供了潜在的攻击面。作者提出一种
Hardware Design and Security in the Era of Chiplets and LLMs
该论文由纽约大学阿布扎比分校、德州农工大学等机构的研究者撰写，聚焦半导体行业正在经历的双重变革：一是从单片系统级芯片（SoC）向异构2.5D chiplet系统的迁移，二是将大语言模型（LLM）集成到电子设计自动化（EDA）流程中。尽管这两
Hardware Keystores for AI Agent Signing Workflows: A Zero-Trust MCP Enforcement Architecture
该论文针对 AI 代理在执行密码学操作（如签署 Git 提交、API 调用认证、签发证书）时私钥存放不安全的问题展开研究。当前主流做法是将私钥存储在软件可访问的位置，如明文文件、环境变量或容器内存中，任何具有足够读取权限的进程都能提取原始密
MMAligner: Safeguarding Multimodal Large Language Models through Representation Calibration
该论文研究多模态大语言模型（MLLMs）的安全一致性问题。作者发现，这类模型面对纯文本的不安全提示时通常会拒绝，但当相同语义以多模态形式（如文本配图）输入时，却可能生成有害内容。现有防御手段包括外部护栏（额外推理开销且未修复模型内在缺陷）和
ChainClaw: A Layered Agent Framework for Reliable On-Chain Execution
在区块链环境中，通用大语言模型代理的传统假设失效：交易一旦上链便不可逆转，链上状态动态变化且存在恶意参与方。因此，代理必须具备实时响应事件、避免不可逆错误、以及准确感知链上状态的能力，而现有工具增强型代理缺乏对这些特性的显式建模。为此，本文
DreamGuard: Efficient Runtime Guardrail for LLM Agents via Risk-Aware World Model
本文提出 DreamGuard，一种面向 LLM 智能体的主动式运行时防护机制。随着大语言模型智能体越来越多地调用外部工具并交互真实世界系统，其不安全行为可能对外部状态、用户数据和下游服务造成不可逆的后果。现有运行时防护手段通常在动作执行前
Breaking Customized LLMs for Coding: Automated Red Teaming for Instruction Backdoor Attacks
本文研究了大模型定制平台（如通过系统提示词嵌入指令来构建代码智能任务专用模型）引入的新攻击面：指令后门攻击（Instruction Backdoor Attacks）。现有攻击存在两个关键缺陷：一是依赖容易被平台或用户检测的显式触发模式；二
Behavioral Residualization for Unsupervised Intrusion Detection in Automotive CAN Networks
现代车辆广泛采用控制器局域网（CAN）总线，其设计以低成本和实时性为首要目标，但缺乏消息认证和加密机制。攻击者一旦获得物理或远程访问权限，即可注入任意帧，因此入侵检测系统成为纵深防御中的重要环节。已发表的CAN入侵检测系统大多依赖基于存在性
Agent Against Agent: An Agentic System for Automatic Prompt Injection Red Teaming
本文提出了一种名为 PIMiner 的智能体系统，用于对大型语言模型（LLM）智能体进行自动化的提示注入红队测试。提示注入攻击对 LLM 智能体的安全性构成严重威胁，而高效且有效的红队测试对于评估这些风险以及收集训练数据以改进防御至关重要。
Gradient Immunity: Null-Space Resistance to Malicious Fine-Tuning
该论文针对已发布的对齐大语言模型（LLM）在下游恶意微调下仍易受攻击的问题展开研究。现有防御主要面向微调即服务（FTaaS）范式，或依赖下游用户遵循额外安全流程，无法直接适用于作者所研究的场景：提供商发布部分受保护的开放权重模型（PPOW）