Dueling Deep Q-Learning for Intrusion Detection
本文提出一种基于深度强化学习的入侵检测系统（IDS）新方法。传统IDS多采用监督式机器学习，虽然有效，但难以适应新的攻击类型。作者采用基于奖励的dueling Q-learning模型，将网络架构分为价值流（value stream）和优势
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Benchmarking Cyberattack Detection in Electric Vehicle Charging Infrastructure with Benign User Updates
电动汽车充电基础设施（EVCI）的网络安全检测面临一个独特挑战：用户在后激活阶段对请求电量（energy）和离开时间（departure time）的合法修改变更，与充电操纵攻击（charging manipulation attacks）
SegPAR: Class-Centric Decision-Based Sparse Attack for Semantic Segmentation
本文针对语义分割任务中稀疏决策式黑盒攻击研究不足的问题，提出了一种新的攻击框架 SegPAR。作者首先将分类领域中代表性的决策式黑盒稀疏攻击方法迁移到语义分割场景，建立了该未充分探索设置下的基准。通过实验发现，现有方法基于图像中心的像素累积
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）与全同态加密（FHE）硬件加速器中的巴雷特模乘（Barrett Modular Multiplication, BMM）单元提出了一种轻量级故障检测方案。格基PQC方案（如Kyber、Dilithium）已被
Synthesizing Probabilistic Saturating Counters with Differentially Private Formal Guarantees
该论文研究现代处理器中分支预测器的侧信道泄露问题。分支预测器通常使用饱和计数器（saturating counter）来维持分支历史状态，经典的饱和计数器是确定性的，攻击者可通过 Prime+Probe 等缓存侧信道攻击操纵计数器状态并推断
Beyond Detection Accuracy: Measuring Explanation Cost, Stability, and Utility for Resource-Aware IoT Intrusion Detection
该研究针对物联网（IoT）入侵检测中机器学习模型的可解释性问题，指出以往研究过度关注预测准确率，而将解释生成视为零计算成本的附加步骤。本文提出一种联合评估框架，同时衡量预测有效性、解释生成成本、局部解释稳定性以及选择性解释策略，以填补操作化
A Bird's-Eye View on Security Considerations in RFCs
该论文对互联网工程任务组（IETF）发布的RFC（Request for Comments）文档中的‘安全考虑’（Security Considerations）章节进行了首次大规模实证分析。RFC是互联网核心协议的标准、备忘录及相关技术文
Full-Key Recovery and Forgery from One MQOM v2.1 Signature
这篇论文提出针对 MQOM v2.1 签名方案的完整密钥恢复攻击。MQOM 是 NIST 额外数字签名过程第 3 轮候选方案，其安全性基于多变量二次（MQ）难题和隐藏叶子承诺等结构。攻击者只需获得一个合法签名，即可恢复出完整的签名密钥，并能
Sound Enforcement of Dynamic Release Information Flow Policy-Full Version
本文研究信息流分析在动态安全策略下的强制执行问题。信息流分析是评估机密性和完整性的常用方法，但现有技术大多假设安全策略是静态的，即数据保密等级不会改变，这与实际系统中安全需求动态变化的现实存在根本差距。已有研究尝试通过反分类（declass
ANTMAN: An Efficient and Interpretable RTL-Level Run-Time Detection Framework for Stealthy Branch Predictor Attacks on BOOM
该论文针对 RISC-V 架构中微架构侧信道攻击的运行时检测问题展开研究。与 x86 和 ARM 相比，RISC-V 在此领域的研究明显不足，特别是对于利用分支预测器内部历史表状态的新型攻击，这类攻击能够绕过传统的数据和指令缓存，具有极强的
DiffSafeMerge: Mitigating Backdoor Inheritance in Diffusion Model Merging
本文提出 DiffSafeMerge (DSM)，一种针对无条件扩散模型检查点合并过程中后门继承问题的防御方法。研究背景是：当前 Hugging Face 等模型库中公开的扩散模型检查点可能存在被恶意植入的后门，当使用者下载多个检查点进行合
Economic Impact Assessment of Denial-of-Service and Time-Delay Attacks on Advanced Metering Infrastructure
该论文针对高级计量基础设施（AMI）在电力系统中的作用及其网络安全脆弱性展开研究。AMI通过提供近实时的用电数据支持电网运行规划与负荷估计，但其通信网络易受拒绝服务（DoS）与时延注入攻击（TDA）影响，导致数据可用性受损。作者基于Mini
You Are Not My Teammate: Behavioral Fingerprint-based Detection of Suspicious Account Misuse
该论文针对竞技类多人在线战术竞技（MOBA）游戏（如《英雄联盟》）中的账号滥用问题，提出了一种基于行为指纹的检测方法。与以往主要关注游戏机器人（game bots）和金币农夫（gold farming）的研究不同，MOBA 游戏的核心目标是
Telemetry and Concealment in Self-Adapting Generative AI: Logging Architecture, Adversarial Model Hiding, and the Limits of Detection
传统模型风险管理（MRM）指南假设模型生命周期是静态的：模型经过开发、独立验证和部署后，不再进行自主修改。然而，持续自适应的生成式AI系统——即在生产部署过程中会不断更新自身权重的模型——从根本上违背了这一假设，使得时点验证（point-i
SSHafe: A Real-Time SSH Brute Force Attack Detection and Novel Credential Rotation Standard
SSH（安全外壳协议）是远程系统管理的核心协议，但基于密码的认证方式使其面临大规模暴力破解、字典攻击和凭证填充攻击的威胁。传统基于规则的防御措施如Fail2Ban难以检测缓慢、分布式或自适应阈值的攻击者，而传统的账户恢复机制（如电子邮件链接
Diversity Matters: Distributional Feature Coverage Sample Selection for Data-Efficient Backdoor Attacks
本文研究数据高效后门攻击中的投毒样本选择问题。后门攻击通过污染训练数据，使模型在干净输入上保持正常精度，但在包含触发器（trigger）的输入上预测攻击者指定的目标类别。在极低投毒率（low poisoning rate）场景下，只有少数样
Mind the Hook: Source-Level Auditing of Privacy Defenses in Retrieval-Augmented Generation
该论文针对检索增强生成（RAG）系统中的隐私防御措施提出了一种基于源码的主动路径审计方法论。研究指出，黑盒隐私分数难以解释，除非明确被审计防御机制在系统管线中的实际挂钩点。为此，作者提出了主动路径审计方法：首先对检索、检索内容处理以及生成三
From Noise to Meaning: Meaningful Secret Sharing with Tamper Detection for Facial Recognition
本文面向基于AI的人脸识别系统中敏感生物特征数据在训练与共享过程中的隐私与完整性保护问题展开研究。现有视觉秘密共享（Visual Secret Sharing, VSS）方案将人脸图像分割为多个看似噪声的秘密份额，并分发至不同机构，但这类噪
Beyond Best Response: Quantal Stackelberg Deception as Insurance Against Attacker Misspecification
本文针对 Stackelberg 安全博弈（SSG）中攻击者完美理性这一不切实际的假设展开研究。在传统 SSG 中，防御者先公布策略，攻击者观察后选择最大化自身期望效用的目标；但在现实应用中，攻击者往往存在认知偏差、信息不完全或决策噪声，尤
HaloMark: A Spectral Threshold for Embedding-Vector Watermarking under C2PA
HaloMark 论文提出了一种针对基础模型嵌入向量的水印方案，解决现有内容溯源机制（如 C2PA）无法直接应用于嵌入向量的问题。C2PA 标准通常与具有稳定位级或感知身份的资产绑定，但嵌入向量在量化、投影、微调和窗口平均等常规操作下会发生