Falcon Cloud Security July 2026 Release: Helping Security Teams Move Faster in the Cloud
Falcon Cloud Security July 2026 Release: Helping Security Teams Move Faster in the Cloud
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PriSrv+: Privacy and Usability-Enhanced Wireless Service Discovery with Fast and Expressive Matchmaking Encryption.
本文提出了 PriSrv+，一个面向现代无线网络（如 5G、IoT）和资源受限环境的增强隐私与可用性的服务发现协议。无线服务发现是设备动态发现并通信的基础过程，但现有方案在隐私保护、表达力、可扩展性和效率上存在不足。PriSrv+ 建立在
Small Cell, Big Risk: A Security Assessment of 4G LTE Femtocells in the Wild.
该研究对商用 4G LTE 毫微微蜂窝基站（Femtocell）进行了系统性的安全评估，揭示了这类小型基站设备在真实世界部署中存在的严重安全风险。研究团队采集并分析了多款在市场上销售的 4G LTE Femtocell 固件与硬件，从攻击面
CoLD: Collaborative Label Denoising Framework for Network Intrusion Detection.
本文针对网络入侵检测中标签噪声问题展开研究。标签噪声会导致模型错误分类和检测精度下降，现有去噪方法往往缺乏对网络流量的深层理解，盲目重构标签分布以过滤含噪样本，因而性能次优。作者从因果关联视角揭示了噪声标签对入侵检测模型的影响机制，指出性能
A Framework for Designing Provably Secure Steganography.
本文提出一个用于设计可证明安全的隐写术（Steganography）的通用框架。隐写术是将秘密信息嵌入到看似无害的载体数据（如图像、文本、网络流量）中，以实现隐蔽通信的技术。传统隐写方法往往依赖启发式或经验性设计，缺乏严格的安全保证，容易被
D-DAE: Defense-Penetrating Model Extraction Attacks.
本文提出了一种名为 D-DAE 的防御穿透式模型提取攻击框架，旨在突破基于扰动查询结果的模型提取防御。近年来研究表明，机器学习模型易受模型提取攻击：攻击者仅通过查询黑盒受害者模型，即可训练出一个性能接近的替代模型。为抵御此类攻击，防御方往往
Revisiting Training-Inference Trigger Intensity in Backdoor Attacks.
本文重新审视了后门攻击中训练阶段与推理阶段触发强度（trigger intensity）的关系问题。现有研究通常假设训练和推理使用相同的触发模式，或仅关注推理阶段的触发强度，而忽略了训练阶段触发强度对攻击效果的影响。作者系统性地研究了训练-
SNAP: Efficient Extraction of Private Properties with Poisoning.
本文研究针对机器学习模型训练数据隐私的“属性推断攻击”（Property Inference Attack）问题。此类攻击旨在从已训练模型中提取训练数据集的全局统计属性（如某类样本占比、数据分布特征），对共享数据参与训练的机构或个人构成隐私
Research Report: Synthesizing Intrusion Detection System Test Data from Open-Source Attack Signatures.
本研究报告聚焦于入侵检测系统（IDS）测试数据的自动生成问题。IDS作为网络基础设施的第一道防线，通过解析数据包并根据用户提供的规则（通常基于已知恶意流量示例）来识别恶意流量。然而，由于测试数据往往涉及敏感信息，难以获取，导致新规则的评估十
No Privacy in the Electronics Repair Industry.
该研究聚焦北美电子维修行业中的用户隐私泄露问题。电子设备维修服务商提供从软件安装到硬件维修的各类服务，用户通常需要将设备及访问凭据（如密码、PIN等）交给技术人员，这可能使个人数据面临未经授权的查看风险。作者设计并实施了一项包含四个部分的综
Automatic Detection of Speculative Execution Combinations.
该论文针对现代处理器中推测执行机制的安全分析问题展开研究。现代处理器为提升性能，采用了多种推测执行机制，例如分支预测、内存依赖推测、数据值推测等，这些机制会推测性地执行不同类型的指令。攻击者可能同时利用多种推测机制，在单个瞬态执行窗口内触发
Poirot: Probabilistically Recommending Protections for the Android Framework.
该论文标题为《Poirot: Probabilistically Recommending Protections for the Android Framework》，从标题可以推断，研究聚焦于Android框架的安全防护推荐问题。And
Perception-Aware Attack: Creating Adversarial Music via Reverse-Engineering Human Perception.
本文提出了一种新颖的“感知感知攻击”框架，用于生成对抗性音乐样本，在保持攻击有效性的同时，尽可能降低人耳感知到的音频质量损失。传统对抗性机器学习攻击通常只关注通过添加微小噪声扰动来欺骗音频分类器（如语音识别、说话人识别、音乐版权检测），但很
Poster: An Analysis of Privacy Features in 'Expert-Approved' Kids' Apps.
该论文对被称为“专家认可”的儿童应用（Kids' Apps）中的隐私功能进行了系统性分析。研究背景在于，儿童应用通常声称符合隐私保护标准，但实际实现可能存在较大出入，而家长往往依赖应用商店的评级或专家推荐来做出选择。作者提出了一种静态与动态
vm2: NodeVM `builtin: ['*']` exposes `os` and `dns` — process-wide observability reads AND writes that hijack the host (sibling class of GHSA-9g8x-92q2-p28f)
# NodeVM `builtin: ['*']` exposes `os` and `dns` — process-wide observability reads AND writes that hijack the host (sib
无人机开源飞控 PX4-Autopilot堆栈溢出漏洞 CVE-2025-15150
CVE-2025-15150
无人机开源飞控 PX4-Autopilot堆栈溢出漏洞 CVE-2025-15150
MongoDB内存泄漏 CVE-2025-14847(MongoBleed)
CVE-2025-14847
MongoDB内存泄漏 CVE-2025-14847(MongoBleed)
1Panel 代理证书验证绕过导致任意命令执行漏洞(CVE-2025-54424)
CVE-2025-54424
1Panel 代理证书验证绕过导致任意命令执行漏洞(CVE-2025-54424)
ModelContext Inspector 未授权访问漏洞(CVE-2025-49596)
CVE-2025-49596
ModelContext Inspector 未授权访问漏洞(CVE-2025-49596)
llamaindex SQL 注入漏洞(CVE-2025-1750)
CVE-2025-1750
llamaindex SQL 注入漏洞(CVE-2025-1750)