Beyond the Model: Harnessing Frontier AI for Stronger Cyber Defense
Beyond the Model: Harnessing Frontier AI for Stronger Cyber Defense
今日共收录 803 条安全情报,包含 111 个 CVE,370 篇安全通告,以及 71 篇研究论文。
← 返回归档列表Beyond the Model: Harnessing Frontier AI for Stronger Cyber Defense
make smarter security investments and mitigate future risks
Inside Astaroth's New Spambot Component
Falcon Platform IOAs Arrive in Falcon Next-Gen SIEM to Identify New Threats
CrowdStrike 2026 Threat Hunting Report: Exploitation Window Closes as AI Use Accelerates
Secure Agent Harness Execution: Preventing EscapeAug 04, 2026
Expanding AI Benchmarks in Cybersecurity Beyond Vulnerability DiscoveryAug 06, 2026
CrowdStrike Threat Hunts for Shell Command Obfuscation on VMware ESX
Google is a Leader in the IDC MarketScape: Worldwide Cybersecurity Consulting Services 2024 Vendor Assessment
August 2026 Patch Tuesday: One Exploited Zero-Day and 62 Critical Vulnerabilities Among 415 CVEsAug 11, 2026
Cryptocurrency hardware wallet provider SafePal is warning of a data breach affecting about 39,798 customers after a fla
Claude is experiencing a major outage, with users reporting login problems and degraded performance across several Anthr
Multiple distributed denial-of-service (DDoS) attacks targeted the Threema secure messaging service earlier this week, c
A new information-stealing malware called AmnesiaStealer, which targets macOS users via ClickFix attacks, includes a str
本文针对迭代式大语言模型(LLM)驱动的 Infrastructure-as-Code(IaC)修复过程中的安全退化问题进行了实证研究。研究背景是:当前主流做法采用迭代反馈循环来改进 LLM 生成的 IaC 配置,例如使用 Checkov
基于原则的监管(如英国FCA的规则)依赖“公平、清晰、不误导”等主观标准,难以用二元谓词自动检查。随着LLM-as-judge被用于此类评估,其自身可信度成为关键问题。本文提出从四个轴衡量LLM裁判:准确性、释义鲁棒性、对抗鲁棒性和校准。作
本论文提出并实现了一个可复现的流水线,用于从地下犯罪论坛 HackForums 中提取并验证与非法交易相关的比特币地址。现有的比特币标记数据集大多依赖于社区举报、区块链启发式规则、事件专项收集或商业标注流程,这些构建方法通常不可公开复现,且
随着大语言模型(LLM)代理的操作能力不断扩展,其引入的安全威胁也日益复杂。运行时防御通过在代理执行循环中集成安全机制,已成为缓解这些风险的有效方法。然而,现有的运行时防御严重依赖人工设计的干预措施,缺乏构建和维护这些防御的原则性框架。本文
本文提出了一种基于语义感知的软件漏洞检测方法 SETYPE,旨在解决传统静态分析仅依赖语法规则建模漏洞的局限性。传统方法通常由安全专家手工编写不安全编码模式的规则,但这类规则往往忽略代码中的深层语义信息,例如变量名和函数名的含义。随着软件系
该论文提出了一种名为 STINER 的方法,用于从社交媒体平台 X(原 Twitter)自动提取战略性网络威胁情报(CTI)。战略性 CTI 关注高层级洞察,例如识别受攻击的行业、将攻击归因于特定勒索软件团伙、评估数据泄露规模等。X 平台目