Improving LLM-Based SSH Honeypots Through Prompting and Fine-Tuning

该论文研究了如何通过提示设计与监督微调来改进基于本地 LLM 的 SSH 蜜罐的 shell 模拟准确性。研究背景是：现有 LLM 蜜罐通常依赖闭源云模型（如 GPT-3.5）以获得高度真实的 shell 交互体验，但云模型带来部署层面的问

历史摘要 · 未重新核验 · arXiv cs.CR

Grav: Page editors can inject arbitrary script into rendered pages via the Twig sandbox's assets.addJs/addCss allowlist, escalating to super-admin

## Summary Grav 2.0 renders editor-authored Twig in page content by default and relies on the Twig content sandbox to c

历史摘要 · 未重新核验 · GitHub Advisory

AGFlow 三洞审计：补丁追着漏洞跑，有个版本掉队了

AGFlow 三洞审计：补丁追着漏洞跑，有个版本掉队了

历史摘要 · 未重新核验 · 先知社区

Windows11 0day内核提权漏洞分析与利用（CVE-2026-62737）

CVE-2026-62737

Windows11 0day内核提权漏洞分析与利用（CVE-2026-62737）

历史摘要 · 未重新核验 · 先知社区

Tracking the Trend in How Speech Synthesizers Deceive People

该论文针对语音合成技术快速发展带来的深度伪造音频检测难题，系统性地评估了人类与自动检测器在识别现代语音合成工具生成内容时的表现。研究选取了2019年（RTVC）、2022年（YourTTS）和2024年（ElevenLabs）三个不同时期发

历史摘要 · 未重新核验 · arXiv cs.CR

VQC-ZTI: Variational Quantum Control for Zero Trust Protection of the Tactile Internet

触觉互联网将网络事件与物理执行直接耦合，因此安全决策必须在提升风险识别精度的同时不干扰控制链路。本文提出 VQC-ZTI（Variational Quantum Control for Zero Trust Protection of th

历史摘要 · 未重新核验 · arXiv cs.CR

Securing Filesystems for Confidential Computing

本文提出 ShieldFS，一个面向机密计算场景的 POSIX 兼容文件系统，旨在解决可信执行环境（TEE）中持久化存储的安全问题。在机密计算模型中，即使应用代码和内存受到 TEE 保护，磁盘存储仍面临恶意云提供商发起的回滚、重放、分叉和篡

历史摘要 · 未重新核验 · arXiv cs.CR

Inadvertent Context Leakage in Language Models

本文研究了大语言模型在上下文中包含敏感用户数据时存在的无意信息泄露问题。作者指出，AI 代理（如日程管理、健康记录、财务数据处理等场景）必须在上下文中持有用户秘密，而现有研究主要关注模型是否会直接拒绝提取或显式泄露这些秘密。本文提出一个新问

历史摘要 · 未重新核验 · arXiv cs.CR

Chameleon: Robust Defense Against Tor Website Fingerprinting via Many-to-Many Traffic Morphing

该论文针对 Tor 网站指纹攻击（Website Fingerprinting, WF）提出了一种健壮的防御方法 Chameleon。WF 攻击通过分析加密流量的侧信道特征（如数据包大小、方向、时间等）来推断用户访问的网页，严重威胁匿名通信

历史摘要 · 未重新核验 · arXiv cs.CR

Privacy-Preserving Detection of Rare Disease-Associated Cell Subsets via Secure Multi-Party Computation

该论文提出了一种基于安全多方计算（MPC）的隐私保护框架，用于在分布式医疗场景下训练和推理稀有疾病相关细胞亚群检测模型。研究背景是：单细胞高通量数据（如质谱流式或单细胞测序）可帮助识别频率低至0.01%的疾病相关细胞亚群，对白血病、病毒感染

历史摘要 · 未重新核验 · arXiv cs.CR

A Meta-Study on Replication Papers in Usable Security & Privacy

本文是一篇关于可用安全与隐私（Usable Security & Privacy）领域中重复研究（Replication Studies）现状的元研究（Meta-Study）。该领域相对年轻且快速扩张，但研究标准仍在完善中，尤其是重复验证方

历史摘要 · 未重新核验 · arXiv cs.CR

Survival of~the~Stealthiest: Evolving Low-Entropy Ransomware via~Genetic Algorithms

本文提出了一种新型勒索软件执行范式，将攻击过程建模为基于搜索的软件工程（SBSE）优化问题，并利用遗传算法（GA）在严格限制统计偏差（相对系统基线活动）的前提下优化数据加密过程。传统勒索软件往往依赖大规模快速加密，容易被现代端点检测系统立即

历史摘要 · 未重新核验 · arXiv cs.CR

TGL-APT: Temporal Graph Learning with Graph Distillation for Efficient APT Investigation

本文针对高级持续性威胁（APT）检测与调查中存在的证据稀疏、图规模庞大、时序关联困难等问题，提出了一种基于时间图学习与图蒸馏的自适应调查框架 TGL-APT。传统方法在完整溯源图（provenance graph）上进行学习时，攻击相关证据

历史摘要 · 未重新核验 · arXiv cs.CR

Enhancing Privacy in Federated Learning via Dual Obfuscation of Gradients and Training Images

联邦学习允许多个客户端在不共享原始数据的情况下协作训练模型，但近年研究表明，攻击者可以从共享的模型更新（梯度）中重建训练图像，造成严重隐私泄露。针对这一威胁，本文提出了一种双重混淆方法，同时混淆梯度更新和训练图像，以增强对图像恢复攻击的鲁棒

历史摘要 · 未重新核验 · arXiv cs.CR

A Federated Learning Framework for Privacy-Preserving Oral Cancer Screening on Smartphones

该论文提出并实现了一个面向智能手机口腔癌筛查的联邦学习（FL）框架，旨在解决医疗AI领域因数据隐私法规和患者数据敏感性导致的高质量临床影像获取困难的问题。传统集中式训练需要汇聚分散在各医疗机构的患者数据，这存在严重的隐私泄露风险，而联邦学习

历史摘要 · 未重新核验 · arXiv cs.CR

Redactable blockchains and polynomial equations

本文研究可编辑区块链（redactable blockchains）中的认证数据结构构造问题，并提出了新的后量子安全工具。传统区块链具有不可篡改性，但这一特性在某些场景（如数据合规、被遗忘权、恶意内容删除）中成为障碍。可编辑区块链允许在保持

历史摘要 · 未重新核验 · arXiv cs.CR

Aray: Deterministic-First Synthesis of Benign Artifacts for YARA Validation

YARA规则易于分发，但用于验证正匹配的恶意软件样本却难以共享，给存储、持续集成、灾难恢复演练和可复现的扫描器验证带来麻烦。构造替代固定件（fixture）并不仅仅是嵌入字面量：YARA条件可能组合多种结构，如备选分支、计数、偏移、整数读取

历史摘要 · 未重新核验 · arXiv cs.CR

Linguistic Holonomy and Statistical Watermarks: Inner Geometry of Meaning-Preserving Transformations

本论文针对语言模型统计水印在语义保持变换下的鲁棒性问题展开理论分析。现有研究通常通过比较改写前后文本的语义相似度（即“端点”度量）来评估改写对水印的破坏程度，但作者指出这种端点度量是错误的统计量。受数学中纤维丛和和乐（holonomy）概念

历史摘要 · 未重新核验 · arXiv cs.CR

Beyond the Transcript: Detecting Covert Co ordination in Latent Multi-Agent Communication

该论文聚焦于多智能体语言模型（LLM）在连续隐藏状态空间中的潜在通信问题。这类通信不体现在公共文本转录中，可能被用于隐蔽的有害协调，例如在拍卖中串通压低报价。作者提出了一种名为 Verifiable Latent Alignments (V

历史摘要 · 未重新核验 · arXiv cs.CR

FedGuard-DC: Privacy-Preserving Federated Load Forecasting and Cyber-Attack Detection for Data-Center Loads in Transmission Systems

本文提出 FedGuard-DC，一个面向输电系统中大型数据中心（DC）负荷的联邦学习（FL）框架，旨在解决隐私保护下的负荷预测与网络攻击检测问题。随着数据中心负荷快速增长，系统运营商需要短时准确信息，但数据中心运营商因担心泄露敏感的工作负

历史摘要 · 未重新核验 · arXiv cs.CR