TikTok Reaches $400 Million Settlement With US Justice Department Over Children’s Privacy
TikTok will pay $300 million immediately and another $100 million after an order vacates an earlier consent decree again
2026-08-25 归档
今日共收录 1135 条安全情报，包含 329 个 CVE，404 篇安全通告，以及 111 篇研究论文。
← 返回归档列表SecOPD: Mitigating Adaptive Prompt Injections by On-Policy Distillation
该论文聚焦于AI智能体面临的首要安全威胁——提示注入（Prompt Injection）。当智能体访问网站、文件或邮件等外部数据时，攻击者可在数据中嵌入恶意指令（如“忽略之前所有指令并执行攻击者任务”），从而操纵智能体行为。现有防御方法通过
Lessons from the Hardware Hacking Competitions: Verification Techniques, Findings, and Insights
本文系统研究了基于开放硬件黑客竞赛的 SoC 安全验证方法，旨在从实战竞赛中提炼可复用的安全验证技术与经验。作者提出了一个多策略漏洞分析框架，将仿真验证、形式化验证、静态 lint 分析、大语言模型辅助的 bug 检测以及覆盖率引导的混合模
On Predicting Vulnerability Severity Using In-Context Learning: An Industrial Case Study
该论文报告了一项工业环境下的案例研究，旨在利用上下文学习（In-Context Learning）直接基于易受攻击的 C/C++ 代码片段预测 CVSS v3.1 严重性评分，从而克服传统人工分诊在规模化漏洞披露下的扩展性瓶颈，并规避将敏感
ExplainGuard: A Zero Trust Framework for Post-Hoc Explanation Integrity Guarantees in Blackbox XAI Models
本文提出一个针对黑盒可解释人工智能（XAI）模型解释完整性保障的新型防御框架 ExplainGuard。研究背景是：随着机器学习模型在金融、医疗、司法等高风险场景中的广泛应用，SHAP、LIME 等可解释性方法已成为满足法规合规与建立信任的
InjecMEM: Memory Injection Attack on LLM Agent Memory Systems
随着大语言模型（LLM）智能体在实际系统中的广泛部署，记忆子系统正成为其默认组件，用于提供持久化个性化和交互连续性。然而，这种新引入的抽象层可能带来新的安全漏洞。本文提出了一种名为 InjecMEM 的新型记忆注入攻击范式，攻击者只需进行一
When "Do Not" Is Not Deny: Security Rules in CLAUDE.md vs Built-In Controls
该论文研究 Claude Code 中安全规则表达的语义鸿沟问题。在 CLAUDE.md 文件中，“do not” 是一种自然语言指令，由模型在运行时解释；而 Claude Code 的 deny 是内置控制机制，能在代理执行动作之前直接阻
Adversarial Entropy Inflation Against Gumbel-Based Inference Verification
本文研究基于 Gumbel 的推理验证机制在防御 LLM 权重窃取（weight exfiltration）时的安全性边界。该机制通过仅允许那些可能源于 GPU 正常非确定性（nondeterminism）的 token 选择来约束隐写信道
CyberFactory: Scaling Cyber Security Capabilities with Instances from the Wild
本文提出 CyberFactory，一个面向网络安全的统一开源框架，旨在弥合闭源大模型（如 Mythos）与开源模型在网络安全能力上的差距。现有开源方案存在三个主要局限：前沿开放权重模型未能提供可复现的网络安全训练方案；开源训练方案聚焦于孤
Verification-Guided Specification Synthesis with Large Language Models for Intrusion Detection Rules
该论文提出了一种基于大语言模型（LLM）的验证引导规格合成框架，用于从HTTP请求流量直接生成Suricata入侵检测系统（IDS）规则。当前针对物联网（IoT）设备的攻击持续增长，但将观测到的攻击流量转化为可部署的IDS规则仍主要依赖人工
Beyond Over-Refusal: Defending Indirect Prompt Injection via Latent Instruction Manifolds
本文针对大型语言模型（LLM）集成到复杂生态系统（如代码代理）后所面临的间接提示注入（Indirect Prompt Injection, IPI）攻击问题，提出了一种新的防御方法。IPI 攻击利用 LLM 难以区分“指令”与“数据”的弱点
AdaptPrint: Response-Adaptive Fingerprinting of Black-Box LLM Services
本文提出了一种针对黑盒大语言模型（LLM）服务的响应自适应指纹识别方法 AdaptPrint。黑盒 LLM 服务虽已成为实际部署的主流范式，但其不透明性阻碍了安全风险的系统评估，也使得模型所有者的版权审计变得复杂。现有黑盒 LLM 指纹识别
SkillBloat: Token Amplification Attacks via Skill Injection in LLM Coding Agents
本文研究 LLM 编程智能体（coding agents）中的技能（skills）机制所引发的新型安全威胁。Agent skills 为编码智能体提供任务特定的指令、脚本和资源，但同时构建了一个受信任的指令通道，可能被恶意行为者滥用。作者提
Breaking the Assumptions: Auditing Input-Side Jailbreak Defenses Against Semantic Attacks
本文针对本地部署的大型语言模型（LLM）在越狱攻击下的输入侧防御机制进行了系统性审计。背景上，通过推理引擎（如Ollama）本地部署的模型缺少API服务中常见的审核与滥用检测模块，因此其安全性完全依赖所采用的防御机制，而这些防御的有效性又建
BanglaVeilGuard: Cross-Script Safety Benchmarking and Lightweight Guardrails for Bangla Large Language Models
本文针对孟加拉语大语言模型（LLM）的安全评估难题，提出了一套名为 BanglaVeilGuard 的轻量级安全基准与提示词防护方案。研究动机在于：现有安全基准大多以英语为中心或仅覆盖标准拼写形式，而孟加拉语用户日常写作常混用多种文字变体（
Enhancing User Resilience Against AI-Augmented Phishing: A Two-Stage Framework for Detection and Personalized Training
本文针对人工智能（包括智能体和深度伪造技术）的快速发展导致的网络钓鱼攻击门槛降低、攻击频率和复杂度显著上升的问题，提出了一种两阶段反钓鱼框架 CyberGLA。该框架的核心设计理念是结合技术防御与以用户为中心的安全教育，以应对现代钓鱼攻击融
TraceGrant: A Contract-Governed Security Framework for the Task-Effect Lifecycle of Networked LLM Agents
本文提出 TraceGrant，一个面向网络化大语言模型（LLM）智能体的合同化安全治理框架。网络化 LLM 智能体从电子邮件、云存储、日历、交易平台和 Web 服务检索信息以完成多步骤任务，这些任务会产生持久的外部效应。合法执行所需的内容
Vibe Coding and Web Application Security: A Twin-Prompt Study
本研究聚焦于“Vibe Coding”这一新兴开发范式，即通过自然语言提示由大语言模型直接生成完整Web应用程序，并探讨一个核心问题：在提示中显式加入安全需求说明，是否能够显著提升生成代码的安全性。作者设计了双提示词对照实验，选取六个功能各
Uncovering and Understanding Hidden Dependencies in the LLM API Reseller Ecosystem via Prefix-Cache Side Channels
LLM API 转售商已成为现代 LLM 服务的重要访问层，但多层转售导致供应链不透明：用户请求可能经过未披露的上游转售商，每个转售商都有可能检查或修改提示和响应，从而引发生态系统级别的机密性和完整性风险。现有研究仅审计单个转售商，缺乏对跨
Structural Inference in Undocumented Mobile Databases: A Reproducible Benchmark for Evaluating Agentic Reasoning in Digital Forensics
该论文研究智能体大语言模型在数字取证场景中对未文档化移动应用数据库进行结构推断的能力。数字取证分析越来越依赖智能体 LLM，但模型能否准确推断移动应用数据库内部的关系结构（如表间关系、连接属性和可执行连接路径）仍缺乏系统评估。在取证语境下，