A Lightweight Fault-Detection Scheme for Barrett Modular Multiplication Using Multiple Conditional Reduction Paths
本文针对格基后量子密码（PQC）和全同态加密（FHE）硬件加速器中的 Barrett 模乘（BMM）单元提出了一种轻量级故障检测方案。在 PQC 与 FHE 中，多项式乘法是最耗费资源、时间和能量的核心操作，而 BMM 因硬件友好和高效的模
2026-08-12 归档
今日共收录 1910 条安全情报，包含 1065 个 CVE，437 篇安全通告，以及 97 篇研究论文。
← 返回归档列表Beyond Detection Accuracy: Measuring Explanation Cost, Stability, and Utility for Resource-Aware IoT Intrusion Detection
该研究指出，现有机器学习入侵检测研究往往只侧重预测准确率，并将解释生成视为零计算开销的后处理步骤，这一假设在资源受限的物联网入侵检测场景下并不成立。为此，作者联合评估了预测有效性、解释成本、局部解释稳定性以及选择性解释在二分类物联网入侵检测
Overcoming Data Scarcity and Confidentiality in Hardware Assurance via Synthetic Generation
该论文针对硬件保证（Hardware Assurance）中扫描电子显微镜（SEM）图像自动分析所面临的数据稀缺与保密性双重挑战，提出了一种隐私保护的合成数据生成流水线。在硬件安全验证中，SEM用于检查纳米级结构，但构建大规模高质量数据集需
Generative AI for Encrypted Traffic Analysis: Synthetic Dataset Generation and Classifier Evaluation
本文聚焦于加密流量分析中两个核心挑战：加密通信导致的数据可见性不足，以及可用数据集中异常流量样本的固有类别不平衡。作者提出利用生成式人工智能（GAI）技术来构造真实且类别均衡的合成加密流量数据集，以补充真实数据集并缓解异常样本稀缺的问题。研
ANTMAN: An Efficient and Interpretable RTL-Level Run-Time Detection Framework for Stealthy Branch Predictor Attacks on BOOM
该论文提出了一种针对 RISC-V BOOM 处理器上隐蔽分支预测器攻击的 RTL 级运行时检测框架 ANTMAN。研究背景是：微架构侧信道攻击的运行时检测在 RISC-V 平台上远未被充分探索，相比 x86 和 ARM 存在明显空白。现有
DiffSafeMerge: Mitigating Backdoor Inheritance in Diffusion Model Merging
本文针对无条件扩散模型（如去噪扩散概率模型）检查点合并场景中存在的后门继承问题展开研究。在当前的模型融合实践中，通常假设合并的多个公开检查点都是可信来源，但事实上，攻击者可能上传一个被植入“休眠后门”的恶意检查点。该后门在模型正常生成时不可
Economic Impact Assessment of Denial-of-Service and Time-Delay Attacks on Advanced Metering Infrastructure
先进计量基础设施（AMI）在现代电力系统中扮演关键角色，通过提供近实时的用电数据支持运营规划和负荷估计。然而，AMI通信网络容易遭受拒绝服务（DoS）和时间延迟攻击（TDA）等网络攻击，这些攻击可能危及数据可用性。本文基于Mininet仿真
You Are Not My Teammate: Behavioral Fingerprint-based Detection of Suspicious Account Misuse
本文针对竞技类多人在线战术竞技（MOBA）游戏（如《英雄联盟》）中日益严重的账户滥用问题，提出了一种基于行为指纹的检测方法。与以往研究聚焦于游戏机器人（game bots）或打金（gold farming）不同，MOBA 游戏的核心目标是对
VUPER: Verified ASN.1 UPER Parser
ASN.1 是一种广泛使用的接口描述语言，而 UPER（非对齐打包编码规则）是其关键的编码规则之一，尤其在蜂窝网络和车联网（V2X）通信等安全关键领域应用广泛。为确保这一基础基础设施的正确性与安全性，本文提出了 VUPER——一个用于生成经
Telemetry and Concealment in Self-Adapting Generative AI: Logging Architecture, Adversarial Model Hiding, and the Limits of Detection
本文针对持续自适应的生成式AI系统对传统模型风险管理（MRM）框架的冲击展开研究。传统MRM假定模型生命周期是静态的：模型开发、独立验证、部署后不再自主修改。然而，能够在生产部署期间持续更新自身权重的生成式AI系统从根本上违背了这一假设，使
SSHafe: A Real-Time SSH Brute Force Attack Detection and Novel Credential Rotation Standard
SSH 是远程系统管理的核心协议，但基于密码的认证使其成为暴力破解、字典攻击和凭据填充攻击的主要目标。传统的规则型防御工具（如 Fail2Ban）难以检测慢速、分布式或针对阈值规避的对抗行为，而常规的账号恢复机制（邮件链接、OTP、带外验证
Diversity Matters: Distributional Feature Coverage Sample Selection for Data-Efficient Backdoor Attacks
本文研究深度神经网络后门攻击中，在极低投毒率下如何选择毒药样本的问题。后门攻击通过污染训练数据，使模型在保持正常准确率的同时，对特定触发器输入产生恶意预测。当投毒率极低时，只有少量样本传递触发器与目标之间的关联，因此毒药样本的选择至关重要。
Context Is Not Authority: Structured Runtime Governance for Financial Market Agents
本文针对金融领域智能体（Financial Agent）中一个关键安全缺口：智能体可能将正确的上下文（context）转化为未授权的实际效果（effect），例如未经授权的客户承诺、交易或策略部署。作者提出 SAGE-Fin，一种面向金融场
Mind the Hook: Source-Level Auditing of Privacy Defenses in Retrieval-Augmented Generation
本文针对检索增强生成（RAG）系统中的隐私防御评估问题展开研究。当前的隐私评分多采用黑盒方式，由于不清楚被审计防御在管道中的具体作用位置（即活跃钩子），导致指标难以解释。为此，作者提出一种主动路径审计方法：首先，对检索、检索内容处理和生成三
From Noise to Meaning: Meaningful Secret Sharing with Tamper Detection for Facial Recognition
本文针对基于人工智能的人脸识别系统中敏感生物特征数据在训练与分发过程中的隐私保护问题，提出了一种结合视觉秘密共享（Visual Secret Sharing）与自适应最低有效位（LSB）隐写术的新型秘密共享方案。传统视觉秘密共享将人脸图像拆
Beyond Best Response: Quantal Stackelberg Deception as Insurance Against Attacker Misspecification
本文研究Stackelberg安全博弈（SSG）中的攻击者模型失配问题。传统SSG假设攻击者能完美观察防御者策略并选择最大化自身期望效用的目标，但在现实网络欺骗场景（如蜜罐/诱饵部署）中，攻击者常存在认知偏差、噪声或参数化错误，导致这一假设
Treating Statewide CORS Networks as Spatially Distributed Sensors for GNSS Integrity Monitoring under Unintentional and Deliberate Threats
该研究将美国各州交通部维护的连续运行参考站（CORS）网络视为一种空间分布式传感器系统，用于全球导航卫星系统（GNSS）的完整性监测。背景是智能交通系统日益依赖高精度定位与授时，而CORS网络本身持续观测多星座GNSS信号，能够反映区域电离
HaloMark: A Spectral Threshold for Embedding-Vector Watermarking under C2PA
本文提出 HaloMark，一种针对基础模型 embedding 向量的水印方案，旨在将 embedding 与 C2PA 内容来源标准进行密码学绑定。现有 C2PA 机制依赖资产的位级或感知身份，但 embedding 经过量化、投影、微
Robust Reputation-Driven Crowdsourced Federated Learning
本文关注众包联邦学习（Crowdsourced Federated Learning, CrowdFL）中的安全与信任问题。CrowdFL 通过众包范式允许开放、异构的参与者加入联邦学习，但现有基于声誉的激励机制虽然能提升参与者可靠性，却未
Velosiraptor: Code Synthesis for Memory Translation
操作系统（OS）的安全运行依赖对内存硬件（如 MMU、IOMMU）的正确配置，这为运行中的不可信应用提供隔离与完整性强约束。然而，硬件厂商不断推出新型地址转换与保护机制，其配置方式各异，导致 OS 开发者必须手动编写底层配置代码。这一过程既