Picture the Epsilon: Pursuing Identity-Level Privacy Guarantees for Images
本文研究图像到图像的人脸生成器（如 FaceFusion 和 InstantID）在身份层面的隐私保证问题。实际应用中，人们常将生成输出与源图像的视觉差异视为隐私保护的证据，但这种直观判断缺乏形式化依据。作者针对预训练的黑盒人脸生成器，系统
2026-08-19 归档
今日共收录 2403 条安全情报，包含 1575 个 CVE，408 篇安全通告，以及 120 篇研究论文。
← 返回归档列表Digital Twin-Based Intrusion Detection for Vehicle Powertrain CAN Bus Systems
本文提出了一种基于数字孪生（Digital Twin, DT）的入侵检测系统（IDS），用于检测车辆动力总成控制器局域网（CAN）总线中的隐蔽攻击。传统的汽车CAN总线IDS主要关注消息时序、频率或序列的异常，无法检测在保持正常通信模式的同
SentryBus: A Multi-Vantage Observability Model and Validated Instrument for I2C Sensor-Interface Manipulation
本文提出并验证了一种针对 I2C 传感器接口操纵的多视角可观测性模型与检测仪器 SentryBus。研究背景是：医疗物联网设备、无人机和网络物理系统等传感器驱动系统通常只信任到达嵌入式处理器的测量值，而位于传感器与处理器之间数字接口上的攻击
ECO-ID: Event-Camera based Optical System for Secure Multi-User Ultra-Low Latency Identification
该论文提出了一种名为 ECO-ID 的事件相机光学系统，用于在多用户、超低延迟场景下进行安全身份识别。研究背景是时间关键的交互系统（如虚拟现实、游戏、工业控制等）需要极低延迟的设备识别，而传统方法（密码、二维码、RFID/NFC）分别受限于
Steering the Flow: Inverting Face Recognition Models via Gradient-Guided Flow Matching
该论文研究的是针对人脸识别系统的模型逆向攻击（Model Inversion Attacks, MIAs），其目标是重建目标身份的训练代表样本，从而暴露面部识别模型中的关键安全漏洞。现有方法通常依赖间接或高度随机的引导，难以稳定地将生成轨迹
Rigorous Statements and Proofs of the Lemmas in Simon's Algorithm for the Dihedral Coset Problem and Their Underlying Hypothesis
本论文针对 Simon 最近提出的一个关于二面体陪集问题（Dihedral Coset Problem）的所谓多项式时间量子算法进行了严格的数学分析。原算法依赖四个引理，其中三个仅有证明草图，本文为这三个引理分别给出了无歧义的陈述和完整证明
DSPrompt: Dynamic Soft Prompt Defense Against M-RAG Corruption
本文提出一种针对多模态检索增强生成（M-RAG）系统的防御框架 DSPrompt。多模态 RAG 系统在检索外部知识时，容易受到对抗性数据投毒攻击：攻击者构造恶意样本，使其嵌入向量在向量空间中与良性条目对齐，从而被检索器误召回，诱导模型生成
Recovering Process Variables from Industrial Network Traffic via Search-Based Optimization
本文研究工业网络流量中过程变量（PV）的恢复问题。在工业信息物理系统（CPS）中，过程感知安全监控需要依赖过程变量作为证据，但现有监控基础设施通常只记录历史数据库中的部分 PV 值，导致大量运行时 PV 值无法被观测。为弥补这一可见性缺口，
Trusted Hardware Acceleration for Function Secret Sharing
函数秘密共享（FSS）是实现安全推理、私有信息检索（PIR）等隐私保护系统的关键构建模块，但现有软件实现存在密钥生成开销大、通信频繁和数据移动成本高等问题，限制了其在实际场景中的部署。本文提出了分布式函数加速器（DFA），一种面向FSS核心
Decorrelation Is Not Complementarity: Skill, Not Lineage, Governs Trusted-Monitor Ensembles
本文针对可信监控（trusted monitoring）中集成多样性来源的问题展开研究。可信监控的核心思想是：用一个廉价且受信的模型，去给一个更强但不可信模型的行为打分，从而提供安全监督；而多个这样的监控器组成集成，能在相同成本下超过单个更
A Calibrated and Explainable Bimodal Machine Learning Framework for Hybrid Intrusion Detection
该论文针对现代通信系统中入侵检测面临的两个关键挑战：未知攻击的检测能力不足以及极端数据不平衡导致的稀有威胁类别识别困难，同时现有黑盒机器学习模型缺乏可解释性，难以在实际安全运营中落地。作者提出了一种双模态框架，将已知类别的精确分类与开放集泛
Quantum-Safe Web Service Architecture Using Time-Based One-Time Passwords
本研究聚焦于构建量子安全（Quantum-Safe）的 Web 服务架构，以应对未来量子计算对现有密码体系的潜在威胁。传统多因素认证中，一次性密码（OTP）常与用户名/密码结合用于网站登录，以区分人类用户与自动化代理；但在系统间自动连接与互
Coverage Is Not Containment: A Fundamental Limit of Admission-Time Defenses Against Coordinated Poisoning of Vector Retrieval
本文研究检索增强生成（RAG）系统中的投毒攻击与防御局限。RAG 通过从向量库检索段落作为上下文来回答问题，因此任何能够添加文档的人都有可能操纵答案。一种近期的防御方案是在文档摄入时进行过滤，拒绝任何行为类似“枢纽”的文档。作者证明这种过滤
Fast Simulation Algorithms for OLH using Binomial Modeling
本文针对本地差分隐私（LDP）中广泛使用的优化局部哈希（OLH）协议，提出两种基于二项分布建模的快速仿真算法（2-Binom 和 3-Binom）。现有 OLH 仿真通常需遍历所有用户和整个域，计算复杂度为 O(nd)，其中 n 为用户规模
A contribution to the critique of blockchain censorship
本文研究区块链审查攻击（blockchain censorship attack）的博弈论基础及其在权益证明（PoS）网络中的均衡影响。作者首先回顾了已有文献[21]中提出的审查攻击模型，该模型表明参与攻击是验证者的占优策略。在此背景下，论
Benchmarking Quantum Machine Learning for Power-System Attack Detection: Evaluation Choices Decide the Outcome Before the Models Do
本论文针对电力系统网络攻击检测中的机器学习模型鲁棒性问题，系统评估了量子机器学习（QML）方案与传统经典模型在对抗环境下的表现，并提出一个关键方法论论点：评估者自身的选择会先于模型决定基准测试的结论。研究在公开的密西西比州立大学/ORNL
A Lifecycle-Oriented Detection and Defense Framework for Price Manipulation Attacks in DeFi
本文针对去中心化金融（DeFi）中频繁发生的预言机价格操纵攻击，系统性地研究了攻击模式、漏洞类型、风险评估、自动检测与防御策略。作者基于预言机生命周期理论，构建了一个覆盖物理层、协议层和应用层的三层攻击树，用于分析攻击链，并识别出数据选举阶
Beyond Single-Vulnerability Evaluation: Closing the Engineering Decision Gap Between C Retrofits and Native Safety
本文针对C语言内存安全加固研究中普遍存在的“单漏洞类孤立评估”问题，提出了一种全新的跨语言比较评估范式。过去数十年，研究者提出了许多针对C语言的内存安全回填机制，但这些机制几乎总是在孤立条件下、针对特定漏洞类型进行评估，导致实际工程实践中难
Maintaining IoT Device Identification under Concept Drift via Budget-Aware Traffic Labeling
本文针对物联网（IoT）设备类型识别在概念漂移下的性能退化问题展开研究。在企业和ISP网络中，通过被动流量分析识别IoT设备类型已成为安全管理的重要手段。然而，随着设备行为随时间和环境变化，基于机器学习（ML）的分类器性能会逐渐下降，即出现
External Sinkhole Attack Detection in Large-Scale WSNs Using Metaheuristic Feature Selection
本文研究大规模无线传感器网络（WSN）中外部汇聚节点攻击（sinkhole attack）的检测问题。汇聚节点攻击会通过伪造路由信息吸引网络流量，严重破坏网络功能。传统检测方法在高密度、大规模部署场景下面临特征维度高、计算开销大、误报率高等