Microsoft confirms GitHub is down worldwide
GitHub is down for some users as a widespread outage is causing errors across the website, API, Actions, Pull Requests,
2026-08-18 归档
今日共收录 810 条安全情报，包含 28 个 CVE，396 篇安全通告，以及 98 篇研究论文。
← 返回归档列表Windows Server 2022 reaches end of mainstream support in 60 days
Microsoft has reminded IT administrators that Windows Server 2022 is rapidly approaching its mainstream end date of Octo
Philips and GE investigating Clop ransomware data theft claims
Tech giants General Electric (GE) and Philips have also confirmed they're investigating claims that the Clop ransomware
French tax authority data breach affects 678,000 individuals
The French Ministry of the Economy and Finance has disclosed a data breach after an attacker accessed the General Direct
Cavern C2 Uses DNS and Google Apps Script to Blend Into Legitimate Traffic
Cybersecurity researchers have traced the continued evolution of the Cavern (aka Cav3rn) command-and-control (C2) framew
Extracting and Verifying Illicit Bitcoin Addresses from Underground Forum Discussions
本研究针对现有比特币非法地址数据集的构建方法缺乏可复现性和证据不充分的问题，提出了一种可复现的流水线，用于从地下网络犯罪论坛 HackForums 的十五年历史帖文中提取并验证与非法交易相关的比特币地址。该流水线结合了大型语言模型（LLM）
CompoSkill: Compositional Skill Chain Attacks from Individually Scanner-Passing LLM Agent Skills
本文研究自主AI智能体（Autonomous AI Agents）在执行长时程任务时，通过市场下载技能（skills）所引入的组合式安全风险。现有安全机制通常对每个技能单独进行扫描（per-skill scanner），若每个技能包都通过安
SysEvolve: An AI-native, safe, autonomous adversarial attack-defense co-evolutionary system
这篇论文聚焦于大语言模型（LLM）带来的网络安全攻防不对称问题：攻击正在趋于自主执行，而防御仍高度依赖人工分析，导致攻防失衡。作者认为，这种不对称的根本原因在于攻防双方在三个层面的“进化”陷入停滞。为此，他们提出“共同进化”（co-evol
Conjunctive Poisoning in AI Supply-Chain Applications
本文研究的是大语言模型（LLM）与视觉-语言模型（VLM）在推理流水线中的一种新型供应链投毒风险。作者指出，现代AI系统常通过提示词包装器（如模板、后处理脚本）和配置元数据（如JSON/YAML文件）共同塑造模型输出。虽然模型权重和二进制文
Securing AI-Generated Code: A Just-in-Time Vulnerability Detection and Remediation Pipeline
本文提出了一种面向 AI 辅助开发场景的自动化安全评估流水线，旨在解决大规模 AI 生成代码中普遍存在的安全漏洞检测与修复效率问题。研究背景是：AI 编程助手生成漏洞代码的比率较高，但缺乏能够以开发速度运行并基于真实威胁上下文进行修复的自动
A Four-Axis Trustworthiness Benchmark for LLM-as-Judge in Principle-Based Regulation
原则性监管（如“公平、清晰、不误导”或“提供良好结果”）属于评判性标准，无法简化为二元谓词。随着大型语言模型（LLM）被越来越多地用作裁判，其实际评估质量变得至关重要。本文提出，任何此类裁判都必须从四个维度进行评测：准确性（accuracy
Topological Attribution Distance (TAD): Revealing Segment-Level RAG Influence on LLM Output Geometry for Incident Log Analysis
随着大语言模型（LLM）在网络安全管理中的部署越来越普遍，安全分析师依赖其快速决策，但对生成结果的信任成为关键问题。尤其在智能体（Agentic AI）集成到运营系统后，对模型生成的证据归因和来源追踪变得必不可少，因为当自治代理做出决策（无
What to Remember, What to Reveal: Privacy-Aware Memory for Conversational Agents
该论文研究对话智能体长期记忆中的隐私保护问题。现有长期记忆架构主要优化个性化效用，却忽视了不必要地存储和复用隐私属性（如个人身份信息 PII）所带来的风险。简单删除敏感值会损害系统效用，因此隐私保护需要覆盖敏感值的全生命周期，而非仅对单条记
LLMs for Zero-Shot Threat Detection via Structured Risk Indicators
该论文提出了一种基于大语言模型（LLM）的两阶段零样本威胁检测框架，旨在从异构安全日志中检测内部威胁和高级持续性威胁（APT）。研究动机在于传统监督学习方法依赖大量标注数据，且难以适应新型攻击模式；而现有基于LLM的端到端分类方法直接处理原
DCI: Dependency Confidence Index for Assessing Open-Source Dependency Trustworthiness
本文针对软件供应链安全中开源依赖选择困难的问题，提出了一种名为依赖置信指数（Dependency Confidence Index, DCI）的复合形成性指数。DCI 将九个经验加权信任因子组合成一个归一化的综合评分，用于辅助依赖选择决策。
Proving the Utility of Large Language Models in Cybersecurity Simulations: A Comprehensive Examination
本文研究如何利用大型语言模型（LLM）增强网络安全模拟，以应对网络威胁频率和复杂度的持续上升。核心思路是用 YAML 作为结构化表示语言来建模复杂网络拓扑，使 LLM 驱动的流水线能够自动创建合成环境、发现潜在漏洞，并辅助强化学习（RL）智
Security Assessment of DeepSeek Harness with A.I.G: Evaluating Resistance to Indirect Prompt Injection
本文针对 DeepSeek Harness（DSH）这一大语言模型智能体框架，评估其对间接提示注入攻击的抵抗能力。研究使用腾讯开源的 AI-Infra-Guard (A.I.G) 作为评估工具，构建了包含 14,560 次受控执行的测试集，
Ventor-QTest: Threat-Model-Driven Verification of Vendor-Hosted LLM APIs
随着大语言模型（LLM）的广泛应用，第三方服务提供商部署开源权重模型并对外提供推理 API，已成为生态系统的重要组成部分。然而，如何审计这些托管 API 的推理质量仍是一个未解决的开放问题。本文首次将托管模型路由形式化为一个随机过程，并提出
SkillWatermark: An Embedded Skill Watermark of Progressive Privacy Inference via Benign Prompts
本文提出了一种名为 SkillWatermark 的新型攻击面，针对大语言模型（LLM）智能体的技能执行过程。作者观察到，LLM 技能在运行时会生成特定的网络流量模式，并据此设计了一套流水线：通过向技能描述中嵌入精心构造的约束项（称为水印）
Bounded Agents: Delegation Security for Multi-Agent AI Systems
本文针对基于大语言模型（LLM）的多智能体系统在权限委派中的安全缺陷，提出了一种名为 Agentic Principal Chain（APC）的授权架构。传统方法在会话开始时设定代理权限后便不再变化，每个请求独立评估，无法感知前后操作，导致