Beyond the Editing Canvas: Evidence Divergence in OOXML-to-LLM Ingestion
大型语言模型（LLM）管道越来越多地将 Office Open XML（OOXML）文档（如 Word、Excel 和 PowerPoint 文件）作为一等证据，用于财务分析、合规审查和检索增强生成（RAG）等工作流。这类管道隐含假设语义完
2026-08-27 归档
今日共收录 918 条安全情报，包含 88 个 CVE，417 篇安全通告，以及 120 篇研究论文。
← 返回归档列表Are LLM-Enhanced GNNs Privacy-Safe?
该论文系统性地评估了由大语言模型（LLM）增强的图神经网络（GNN）在隐私安全方面的风险。近年来，LLM 通过将语义信息融入节点表示，显著提升了 GNN 在文本属性图任务上的性能，形成 LLM-enhanced GNNs 这一新兴范式。然而
LMSM: LLM Security Framework Inspired by Linux Security Modules
本文提出了一种名为语言模型安全模块（LMSM）的安全框架，旨在解决大语言模型（LLM）推理过程中多层防御仍被恶意提示绕过的问题。作者观察到，可解释性方法能够揭示模型内部生成路径中的信号，这些信号可用于安全强制，但本身并非安全控制。现有部署通
MMJailBench: A Factorized Benchmark for Disentangling Multimodal Jailbreak Vulnerabilities
多模态大语言模型（MLLMs）在实际应用中日益普及，但影响其越狱漏洞的具体因素仍缺乏充分理解。现有基准测试往往将恶意意图、提示框架、视觉语义和指令载体耦合在单个越狱实例中，掩盖了漏洞的特定来源。为此，本文提出 MMJailBench，一个因
FuzzingBrain-Bench V1: Evaluating Open-Ended Bug Discovery by LLMs
本文提出了 FuzzingBrain-Bench，一个用于评估大语言模型（LLM）在开源软件中发现软件缺陷能力的基准测试。现有评估通常要求模型生成触发预定义目标的 PoC 输入，但这可能忽略模型发现的其他有效崩溃，从而低估模型实际能力。该基
Prompt Structure Redistributes, Not Reduces: An Empirical Analysis of Security-Weaknesses in LLM-Generated Python Code
本文研究大型语言模型（LLM）生成的Python代码中，提示结构对安全弱点的实际影响。尽管结构化、面向安全的提示被广泛采用，旨在促使模型生成更安全的代码，但其效果是否仅体现于弱点存在与否的二元变化，尚缺乏系统验证。作者设计了五种逐步增强结构
SeriCrypt: An LLM-Driven Context-Aware Serialization Framework for Cryptographic Protocols
本文提出 SeriCrypt，一个由大语言模型驱动的、上下文感知的密码学协议序列化框架。在协议状态机学习、一致性测试和模糊测试中，构造语法正确且密码学有效的消息序列是关键前提。与明文协议不同，密码学协议涉及跨消息的复杂状态依赖和密码学计算约
Do System Prompts Leave Behavioral Fingerprints? A Large-Scale Empirical Study of Clone Detection via Output Similarity
本文研究了一个新颖且实际的问题：商业大语言模型（LLM）的系统提示词（system prompt）可以被以超过80%的成功率提取，并以零成本重新部署，但原提示词所有者无法验证某个可疑部署是否是其提示词的克隆。为此，作者提出了一种名为“黑盒行
Towards LLM-Enhanced Android Taint Analysis
该论文研究利用大语言模型（LLM）增强 Android 应用污点分析的方法。污点分析是检测敏感数据泄露的关键技术，然而传统静态工具如 FlowDroid 在准确建模 Android 框架上存在长期挑战，尤其是在组件间通信、隐式流和反射等复杂
ToolMinimize: Auditing and Rewriting LLM Agent Tool Calls to Minimize Privacy Exposure
本文研究 LLM agent 在工具调用过程中过度暴露隐私敏感数据（PSD）的问题。作者对 GPT-4o、Claude 3.5 Sonnet 和 Llama-3.3-70B 三种主流生产级 LLM 进行了受控测量，发现默认提示下 81%–8
What Guides the Agent? Adjudicating Unauthorized Behavior via Localizing Behavior-Guiding Instructions
该论文聚焦于大语言模型（LLM）智能体在集成外部资源时面临的安全威胁，特别是注入攻击问题。由于智能体通过统一的自然语言上下文通道进行推理，不可信的外部数据可能被动态解析为行为引导指令，从而在模型推理过程中劫持智能体的决策过程。现有防御方法多
WebMCP-Phalanx: Enforcing and Characterizing Trust Boundaries for Browser-Integrated LLM Agents
本文针对新兴的 W3C WebMCP 提案在浏览器环境中集成大语言模型（LLM）代理时引入的安全信任边界问题展开研究。WebMCP 允许网页向 LLM 代理暴露可调用的工具，但在多参与者 Web 环境下，现有以同源策略（SOP）为核心的浏览
NeuronGuard: Robust LLM Safety Alignment via Ablation-Aware Safety Signal Redistribution
大型语言模型（LLM）的安全对齐在面对日益增长的攻击手段时仍然脆弱。越狱攻击通过精心设计的提示绕过安全机制，而神经元级攻击则在部署后直接剪除对安全至关重要的神经元。这两类攻击的共同弱点是：安全相关信息集中于稀疏的神经元子集。为此，本文提出
SoK: ARCUS: On the Efficiency and Efficacy of Hardware Fuzzing
本文是一篇关于硬件模糊测试（Hardware Fuzzing）的系统性综述（SoK），旨在系统化梳理当前硬件模糊测试技术在三个主要抽象层次上的研究现状与挑战，这三个层次分别是指令集架构（ISA）、微架构（Microarchitecture）
Beyond the Mandate: A Systematic Security Analysis of the Agent Payments Protocol (AP2)
该论文对Google提出的Agent支付协议(AP2) v0.2进行了系统性的安全分析。AP2允许由大语言模型驱动的购物代理代表用户授权和执行支付，其签名的结账和支付授权用于保护签名后交易数据的完整性。然而，交易在授权前由代理交互和外部输入
TrustShiftProbe: Characterizing, Benchmarking, and Defending Staged Trust Attacks on MCP Servers
本文提出并系统研究了模型上下文协议（MCP）服务器端的一种新型时间性信任攻击——TrustShift。MCP 已成为大语言模型（LLM）智能体连接外部工具后端的标准协议层，但其开放性引入了严重的服务器端威胁。TrustShift 攻击的核心
When "Do Not" Is Not Deny: Security Rules in CLAUDE.md vs Built-In Controls
该论文研究 CLAUDE.md 中自然语言安全规则与 Claude Code 内置控制（deny）之间的语义鸿沟。CLAUDE.md 中的“do not”是模型解释的自然语言指令，而 deny 是代理执行前阻止动作的内置控制。两者可表达相同
Adversarial Entropy Inflation Against Gumbel-Based Inference Verification
本文针对基于 Gumbel 采样的推理验证机制进行了对抗性分析。该验证机制旨在通过只允许那些可能源于 GPU 正常非确定性的 token 选择，来限制大语言模型（LLM）的权重窃取，并在良性提示流量下报告对隐写术攻击者实现超过 200 倍的
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，旨在弥合开源与闭源大语言模型在网络安全能力上的差距。现有闭源模型（如 Mythos）展现出先进的网络安全能力，但开源方案存在三大局限：前沿开源权重模型未提供可复现的网络安全
Verification-Guided Specification Synthesis with Large Language Models for Intrusion Detection Rules
本文针对物联网设备面临的持续网络攻击，提出了一种基于大语言模型（LLM）的验证引导式规范合成框架，用于从HTTP请求流量中自动生成Suricata入侵检测系统（IDS）规则。当前，将观测到的攻击流量转化为可部署的IDS规则主要依赖人工，效率