FBI: Hackers target online accounts to steal nude photos
The FBI warns that cybercriminals are targeting adults' and children's social media and other online accounts to steal s
2026-08-13 归档
今日共收录 1881 条安全情报，包含 959 个 CVE，493 篇安全通告，以及 113 篇研究论文。
← 返回归档列表The Threat Hiding in Your Hiring Process: How Fake Remote Workers Get In
Fake remote workers can exploit gaps between hiring checks, device delivery, and account access to enter organizations u
Hackers leverage new Microsoft SharePoint exploit in attacks
Hackers have already begun using a proof-of-concept (PoC) exploit for a critical Microsoft SharePoint vulnerability, pub
Signal adds new security feature to thwart man-in-the-middle attacks
Signal has introduced Automatic Key Verification, a new security feature that gives users a new way to ensure their enc
New Microsoft Defender 'ShieldBreak' zero-day grants SYSTEM privileges
Nightmare Eclipse has released a new Microsoft Defender zero-day exploit named "ShieldBreak" after Microsoft released th
Lazarus Exploits Windows Zero-Day to Gain SYSTEM Access and Deploy Backdoor
The North Korean threat actor known as Lazarus Group has been attributed to the zero-day exploitation of a newly patched
Over 2,500 Organizations Impacted by LiteLLM Supply Chain Attack
LiteLLM was compromised through the Trivy hack and abused to distribute information-stealing malware to its users. The p
Governing the KV Cache: Preventing Timing Side-Channel Leakage in Multi-Tenant LLM Inference
本文研究多租户大语言模型（LLM）推理场景中 KV 缓存引发的时序侧信道泄露问题。KV 缓存是现代 LLM 推理的关键吞吐优化手段，通过跨请求复用前缀来加速生成；但在多租户部署中，该缓存被多个租户共享，攻击者可以利用缓存命中延迟差异，重建其
ToolHazard: Scaling Adversarial Environments for Security Evaluation and Alignment of LLM-based Agents
ToolHazard 提出了一种可扩展的对抗性环境合成框架，用于对集成外部工具的 LLM 智能体进行安全评估与对齐。现有研究主要依赖人工构建或复用环境、基于随机 LLM 的工具模拟以及预定义的注入位置，难以在更广泛领域内开展规模化安全研究。
Stealing Reasoning Traces from Proprietary LLM APIs
本论文揭示了领先大模型提供商（如 Anthropic、OpenAI、Google）在客户端加密存储推理轨迹（chain-of-thought）的设计中存在的严重架构漏洞。这些提供商为了隐藏模型逐步推理过程以保护知识产权并限制信息泄露，不是将
Repeated-Game Security for Restaking-Based Verifiable Inference
本文研究基于再质押（restaking）协议的可验证大语言模型（LLM）推理安全问题。这类协议通过经济惩罚机制（slashing）取代了 zkML 的高昂证明成本或 TEE 的硬件信任假设，从而以较低成本实现推理的可验证性。现有安全性论证通
Convergent Detour Hijacking: Task-Preserving Resource Amplification in Skill-Based LLM Agents
该论文研究基于技能（skill-based）的大语言模型（LLM）智能体在依赖第三方技能时面临的安全风险。现代 LLM 智能体常通过自然语言描述进行技能选择，并使用技能指令体（instruction body）来指导任务规划，这种渐进式披露
How China-Origin Vision-Language Models Move from Refusal to Reframing in State Alignment
本文系统研究了源自中国的多模态视觉-语言模型（VLM）在涉及政治敏感话题时，如何从显式拒绝转向隐性重构（reframing）的状态对齐行为。此前已有研究证明中国原生的文本大模型存在国家对齐的扭曲现象，但多模态系统中的表现尚未被系统检验。作者
The Next Challenge for Agentic Cybersecurity: A Realistic, Contamination-Free Reverse Engineering Benchmark
本文提出一个针对智能体网络安全的新挑战：目前 AI 智能体在源代码可用场景下的安全能力提升迅速，但现实中大量关键软件（如恶意软件、固件、专有应用）仅以二进制形式存在，需要先进行逆向工程（RE）恢复程序语义才能进一步分析。然而，评估智能体的逆
AI Guardrail Survival under Single-Cycle Agentic Self-Summarization
本文研究长期运行的智能体（agent）在上下文压缩（context compaction）过程中，安全规则（safety rule）如何丢失或退化。以往研究（如 Governance Decay）表明，在压缩时直接丢弃安全约束会导致多种模型
An Empirical Study of Output-to-Input Loops for Black-Box Backdoor Detection in Fine-Tuned Open-Weight LLMs
本文研究微调开源权重大语言模型（LLM）中的后门检测问题。在公共模型仓库中，任何人都可以上传微调后的模型并声称其安全性，而带有后门的模型在普通输入下表现正常，直到触发隐藏触发器。用户在缺乏训练数据、干净参考权重或触发短语的情况下，几乎无法在
Backdoor Decontamination Dynamics in LLM Agents
该论文研究开源权重 LLM 智能体在后门注入后的净化（decontamination）动态问题。攻击者可通过微调在模型中植入后门，且触发条件在测试阶段可能永远不会被满足，导致传统评测无法发现。防御者通常不知道原始触发条件，因此无法直接进行反
Agent Safety Should Be a Runtime Contract
本文对当前 AI 安全范式提出根本性挑战。主流方法（如 RLHF、DPO、宪法式 AI）在训练阶段将安全作为模型属性注入，但论文认为对于能够执行代码、修改文件、发送消息、操作数据库的自主智能体，这种训练时安全在结构上不足。作者主张，智能体安
On Understanding, Identifying, and Mitigating Vulnerabilities in Agentic Large Language Models
本文是一篇针对智能体大语言模型（Agentic LLM）安全性的系统性文献综述。研究背景在于，大语言模型已从无状态的对话接口演进为具备多步规划、工具调用、代码执行和持久记忆能力的自主智能体。当这些智能体以真实权限运行——如调用API、修改文
From Prompt Injection to Web Exploitation: Revisiting Classic Vulnerabilities in LLM-Integrated Applications
本文研究了大语言模型（LLM）集成到 Web 应用后引入的一类新型安全风险，称之为“LLM 介导的 Web 攻击”（LLM-mediated web attacks）。随着聊天机器人、工具调用流水线和智能体工作流日益普及，用户输入不仅影响模