Enhancing Privacy in Federated Learning via Dual Obfuscation of Gradients and Training Images
联邦学习允许各方在不共享原始数据的情况下协作训练模型，但近期研究表明，攻击者可以从共享的模型更新中重建训练图像，即梯度泄漏攻击。为缓解此问题，本文提出了一种双重混淆方法，通过联合混淆更新信息和训练图像来增强对图像重建攻击的鲁棒性。该方法结合
2026-08-21 归档
今日共收录 1701 条安全情报，包含 827 个 CVE，444 篇安全通告，以及 120 篇研究论文。
← 返回归档列表A Federated Learning Framework for Privacy-Preserving Oral Cancer Screening on Smartphones
该论文提出了一个基于联邦学习（Federated Learning, FL）的隐私保护口腔癌筛查框架，旨在解决医学AI模型训练中数据获取困难与隐私合规的痛点。口腔临床图像因患者隐私和法规限制难以集中获取，联邦学习允许多个机构在不共享原始数据
Redactable blockchains and polynomial equations
该论文针对区块链数据治理中的‘可编辑区块链’（redactable blockchain）提出了新的后量子安全构造工具。可编辑区块链允许在特定授权条件下修改或删除链上已确认的数据，同时保持后续区块的完整性验证能力，这对于合规要求（如被遗忘权
FedGuard-DC: Privacy-Preserving Federated Load Forecasting and Cyber-Attack Detection for Data-Center Loads in Transmission Systems
随着大型数据中心（DC）负载的快速增长，电力系统面临可见性、隐私和网络物理安全方面的全新挑战。系统运营商需要关于这些快速变化负载的准确短期信息，但数据中心运营商可能不愿共享原始兆瓦级测量数据，因为这类数据会泄露敏感的工作负载和利用率模式。本
ABEAT: Efficient and Anonymous Encryption for ABE-based Dynamic Group Communication
本文提出 ABEAT，一种基于属性基加密（ABE）的高效匿名动态群组通信系统。研究背景是：在需要多人对多人（many-to-many）保密通信的场景（如应急响应）中，既需要灵活的群组动态组建与调整，又必须保护消息接收者的匿名性。现有基于 A
Toward Quantum Advantage in Learning Parities with Structured Noise via Lower Bound Optimization of the Condition Number
该论文研究带结构噪声的奇偶性学习问题（LPSN）如何通过量子计算获得优势。LPSN 可归约为求解非线性布尔系统，在量子计算中通常被转化为 Macaulay 线性系统，并用量子线性系统算法求解，但该过程的效率严重受制于矩阵的条件数。作者提出一
Malformer: A Multi-Modal Malware Detector Using Transformers
传统恶意软件检测系统通常依赖单一表示（模态），如二进制字节、反汇编代码或图像等，难以识别新型威胁，且某些模态提取依赖于反汇编成功率，引入额外失效模式。已有工作尝试通过集成更多模态或更判别性表示来提升分类性能。本文提出 Malformer，一
A 12-Step Process for Industrial Internet of Things (IIoT) Forensics
该论文针对工业物联网（IIoT）环境中的数字取证（DF）挑战，提出了一套完整的十二步取证流程（TSP）。随着制造业、医疗、交通等关键基础设施中IIoT设备的广泛部署，传统数字取证方法难以应对其复杂性、规模性和异构性。论文首先分析了IIoT在
Who Can Make the Action Happen? An Authority-Decomposition Framework for High-Risk Automated Systems
该论文针对高风险自动化系统中权限与因果关系错配的问题，提出了一种基于行动相对性的权威分解框架。传统上，系统用“已授权”“已批准”“特权”等标签描述组件状态，但这些标签无法回答一个基本因果问题：究竟哪些行动者组合能够实际触发关键后果性操作（即
Decisive Margins in Differentially Private Voting
本文针对差分隐私（DP）在投票场景中的应用，研究随机噪声导致选举结果不准确的问题。当选举竞争激烈时，隐私注入的噪声可能改变最终获胜者。作者提出用“获胜边际”作为精确性度量，即私有机制以高概率复现非隐私规则结果所需的最小边际值。他们系统研究了
IriSig-Spoof: A Real-World Benchmark for Time-Robust Satellite RF Fingerprinting and Spoofing Detection
本文针对低地球轨道（LEO）卫星互联网面临的安全威胁，特别是卫星信号欺骗和身份伪造问题，提出并构建了一个真实的卫星射频指纹（RF Fingerprinting, RFF）基准数据集 IriSig-Spoof。作者指出，LEO 卫星通信已成为
Denoising-Aware Inversion: Revealing Privacy Risks in Noise-Protected Text Embeddings
本文研究噪声保护下的文本嵌入向量反演攻击及其隐私风险。稠密文本嵌入因语义丰富且紧凑，被广泛用于数据挖掘、检索和下游机器学习系统，但近期的嵌入反演攻击表明，攻击者可以从嵌入向量中恢复原始文本的大量敏感信息。常见的防御手段是向嵌入向量添加高斯噪
VQC-ZTI: Variational Quantum Control for Zero Trust Protection of the Tactile Internet
触觉互联网 (Tactile Internet) 将网络事件与物理执行直接耦合, 例如远程手术、工业自动化等场景, 任何安全决策的延迟或扰动都可能影响物理层面的安全和稳定性。因此, 在零信任框架下, 安全机制必须在不干扰控制路径的前提下提高
Beyond Distortion Robustness: Rethinking Severe Cropping as Erasure-Resilient Message Embedding
该论文研究图像中的鲁棒消息嵌入问题，传统方法基于“失真鲁棒性”范式，假设嵌入信号在空间上仍然存在，只是被噪声、模糊或压缩降质。然而，严重裁剪（severe cropping）会直接移除载体图像的一部分，导致部分嵌入载荷完全消失，而非仅仅信号
0xPass: A Secure Protocol for Universal Cross-Chain Accounts
该论文提出了 0xPass，一个面向通用跨链账户的模块化协议架构。研究背景是：通用账户允许用户通过单一接口管理异构区块链生态中的资产并执行操作，但这一便捷性引入了认证、授权、交易签名、密钥托管、账户恢复和去中心化等安全与信任挑战。0xPas
XNET: Intelligent Dynamic Sampling for High-Speed Network Security Monitoring
该论文提出 XNET，一种面向高速网络（如 100GbE 常见于现代企业网络）的智能动态采样系统，旨在解决网络速度增长与安全监控可扩展性之间的矛盾。传统随机丢包采样会降低流量质量，导致隐蔽在低速率流量中的安全事件（如 APT/恶意软件命令与
Model Card for OpenAI Privacy Filter
本文介绍 OpenAI 提出的 Privacy Filter 模型卡，该模型是一个紧凑的双向 token 分类模型，用于在非结构化文本中检测和脱敏（redact）个人身份信息（PII）与密钥（secrets）。与常见的自回归大语言模型不同，
Tail exponents of conditional guesswork via the method of types
该论文研究条件猜测（conditional guesswork）的尾部指数问题，属于信息论与概率论交叉领域。作者针对独立同分布随机序列的猜测问题，在考虑逐元素相关的边信息（side-information）的情况下，利用类型计数（type-
Diff-DDoS: Realistic Cyber-Physical Attack Synthesis and Robust Detection for 5G-Enabled CPS Using Tabular Diffusion Models
该论文针对5G赋能的网络物理系统（CPS）中DDoS检测这一关键问题展开研究。现有深度学习检测器面临两个主要挑战：一是标注攻击数据稀缺，二是传统基于手工规则或固定缩放因子生成的合成攻击样本与真实场景分布不一致，导致模型在面对适应性强、分布保
Advancing Inclusivity in Cybersecurity Education: Integrating Intersectionality to Enhance Student Engagement in Australian Higher Education Curriculums Strategies, Barriers, and Future Directions
本研究聚焦澳大利亚高等教育中的网络安全教育包容性问题，探讨如何通过整合交叉性（intersectionality）视角来提升女性、性别多元以及文化和语言多元（CALD）背景学生的参与度。研究指出，这些群体因语言障碍、教育资源受限和社会孤立等