The Trust-Free Aggregation Layer of the Unicity Infrastructure
Unicity是一种新型区块链基础设施，旨在支持用户在链下进行点对点代币交易，同时防止代币状态的分叉（即双重支付），并最大程度降低区块链本身的复杂性和存储开销。该架构的核心是聚合层（Aggregation Layer），一个类似Layer
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eMicro: Real-Time Multi-Hop Access Control for Microservices with eBPF
现代云应用常由数千个微服务组成，服务间交互形成复杂的请求路径。传统的服务间访问控制只限制单个服务到服务的请求，无法防止多跳攻击，其中每一跳看似合法但整体路径违反安全意图。这种缺陷使系统面临未授权访问和数据泄露的风险。本文提出eMicro，一
Kerckhoffs-Compliant Watermarking for Physical Design IP Protection: From Placement to Routing
该论文针对现代超大规模集成电路（VLSI）物理设计（PD）知识产权（IP）的版权保护问题展开研究。物理设计IP包括由精心调优的PD流程产生的优化单元布局、时钟分配和布线决策，是芯片设计公司的重要资产。随着EDA工具访问日益广泛，对布局布线数
When Do PEFT Adaptations Leak Structure? Measuring Black-Box Structural Bounds in Public-Base Model Services
针对当前广泛部署的公共基础模型服务，许多服务商会在基础模型上附加私有参数高效适配（PEFT，如LoRA）以实现定制化。这种模式存在一种差分信息泄露风险：由于基础模型是公开可用的，攻击者或审计者可在本地运行同样的基础模型，并通过比对服务输出与
Towards Decentralized Searcher Competition in MEV Markets
本文研究区块链最大可提取价值（MEV）市场中的中心化问题，特别是从搜索者（searcher）竞争的角度切入。现有研究多关注构建者、验证者和区块构建市场，而本文聚焦于搜索者之间的竞争。作者构建了一个异质性模型，其中搜索者在机会覆盖范围和执行效
HoRFFI: High-Openness RF Fingerprint Identification with a Similarity-Enhanced Variational Information Bottleneck
射频指纹识别（RFFI）是一种通过分析无线设备发射信号的硬件固有特征来识别设备身份的技术，常用于无线设备认证。然而，在实际部署中，RFFI系统需要能够注册新授权设备，同时拒绝从未见过的未知设备，而特征提取器通常仅基于少量标注的基础设备类别进
Hidden Ciphers and Where to Find Them: Static Discovery and Assessment of Cryptographic Assets in Software
现代软件系统普遍依赖密码学来保障数据安全、身份认证和信任建立，但大多数组织往往缺乏对源代码、配置、依赖项和密码学文件中已部署密码资产的系统性视图。这种可见性缺失使得安全治理和量子迁移规划变得十分困难。本文提出了一种静态方法来发现和评估软件系
Web Cache Overflow: Exploiting Imprecise Keys for Cache Degradation and Beyond
Web缓存是现代Web应用扩展性的关键组件，它通过将频繁访问的对象存储在更靠近客户端的位置来减少延迟和源站负载。缓存系统本质上是一个关联数组，使用由HTTP请求字段构成的缓存键来跟踪存储的对象。然而，缓存键往往由网站运营商不精确地定义，这可
MOAT: Model-Agnostic Randomized Transformations for preventing Efficiency Degradation Attacks on ViTs
视觉变换器（Vision Transformers, ViTs）在资源受限环境中部署时，通常采用token剪枝技术来降低计算成本而不显著影响精度。然而，研究人员发现攻击者可以针对这些token剪枝机制发起定向攻击，故意破坏其效率优势，导致模
Adaptive Intrusion Detection System using Transformer-Based Neural Networks and Continual Learning Approach with Adversarial Investigation
本文针对网络入侵检测系统（IDS）在真实网络环境中面临的分布漂移问题，提出了一种基于Transformer的适应式入侵检测框架。传统IDS在固定流量快照上训练后，随着威胁分布变化会性能衰减；直接在新攻击上微调会导致灾难性遗忘，而从头重训练计
Innocent Panels, Hateful Stories: Evaluating and Detecting Hateful Intent in Multi-Turn Visual Story Generation
本论文针对多轮视觉故事生成中的仇恨内容检测问题展开研究。传统上，图画书和漫画被用来传播仇恨叙事，因为图像易于理解，甚至儿童也能看懂，历史上纳粹宣传图画书《Der Giftpilz》即为典型例子。随着前沿文本到图像（T2I）系统如 Gemin
UC, Categorically: Rigorous Diagrammatic Proofs
这篇论文将范畴论应用于安全协议的形式化分析，具体针对 Canetti 提出的通用可组合（UC）安全框架，针对静态参与者数量和会话数量的系统（即静态 UC）给出范畴论处理。作者提出四个方面的贡献：第一，利用字符串图（string diagra
Season: Spectrum-Aware Orthogonal Gradient Refinement for Transfer-Based Adversarial Attacks
本论文针对基于迁移的黑盒对抗攻击在异构深度学习架构之间迁移性差的问题展开研究。作者指出，卷积神经网络（CNN）倾向于依赖局部纹理特征，而视觉Transformer（ViT）则更依赖全局形状信息，这种特征偏好差异导致现有攻击算法在不同架构间的
Manipulation-Proof Oblivious Audits against Deceptive Model Providers
本文提出一种针对机器学习模型审计的防操纵协议，旨在解决模型提供方在审计过程中可能故意或无意地操纵评估结果的问题。在监管审计等场景中，审计行为通常会被声明或容易暴露，模型提供方可能借此推断审计所关注的敏感属性，并策略性地调整不同组别之间的资源
Adversarial Attacks for Good: A Survey of Proactive Protection across the Visual Content Lifecycle
这篇综述论文提出并系统梳理了“为善的对抗性攻击”（Adversarial Attacks for Good）这一新兴研究范式。其核心背景是：视觉内容一旦进入AI管线，所有者便很难再对内容被如何使用进行技术控制；虽然法律和监管手段可以应对滥用
Understanding Fault Tolerance of Adversarially Robust Pruned Models
本文针对深度神经网络（DNN）在资源受限的神经形态硬件上部署时面临的三个并发挑战——剪枝压缩、对抗输入扰动和硬件故障（如stuck-at-zero权重错误）——进行了系统的实证研究。尽管这些因素在已有文献中均被单独探讨，但它们的联合效应尚未
Open-World Darknet Traffic Recognition Under Leave-One-Service-Out Evaluation
本文针对暗网流量识别中现有方法依赖封闭世界（closed-world）评估、假设训练与测试阶段所有服务类别已知，从而严重脱离真实部署场景的问题，提出了一种开放世界（open-world）暗网流量分类框架。作者采用留一服务（leave-one
Securing Load Balancing over QUIC
该论文研究 QUIC 协议下的网络内负载均衡（in-network load balancing）安全问题。传统软件负载均衡成本高、性能有限，而基于可编程交换机 ASIC 的负载均衡可以在线速下通过哈希将每个流的初始包映射到后端服务器。然而
When Agents Learn to Be You: Benchmarking Privacy Leakage, Impersonation Risk, and Defenses in Persona Skills
该论文聚焦于大语言模型智能体中“人格技能（Persona Skills）”这一新型个性化机制的安全风险。人格技能将个人交互历史压缩为可移植、可执行的工件，供下游智能体复用。论文指出，这一过程将分散的个人信号集中化，并通过复用放大其影响，使传
Empirical Analysis of Evasion and Poisoning Against Malware Data Drift Detection
这篇论文针对恶意软件分类系统中的概念漂移问题展开研究。随着恶意软件不断演化，数据分布会发生漂移，导致分类器性能下降。为此，研究者开发了基于机器学习的数据漂移检测工具来监控输入数据分布的变化。然而，此类检测器与恶意软件分类器在设计目的和技术上