RTLGuard: A Lightweight Teacher-Student Defense for Poisoned RTL Code Generation Models
随着大语言模型(LLM)在硬件设计领域的应用,自动化寄存器传输级(RTL)代码生成正成为趋势,设计者可将高层规范转换为可综合硬件。然而,依赖第三方预训练并微调的模型存在严重信任问题:训练数据和微调过程不透明,攻击者(甚至模型提供商)可能在微
今日共收录 1697 条安全情报,包含 762 个 CVE,507 篇安全通告,以及 120 篇研究论文。
← 返回归档列表随着大语言模型(LLM)在硬件设计领域的应用,自动化寄存器传输级(RTL)代码生成正成为趋势,设计者可将高层规范转换为可综合硬件。然而,依赖第三方预训练并微调的模型存在严重信任问题:训练数据和微调过程不透明,攻击者(甚至模型提供商)可能在微
本文针对当前自主智能体(Agent)技能(Skill)体系中的一个关键安全缺口展开研究。现有自进化技能库(如AutoSkills、Hermes Agent)虽然能自动生成更多编排建议,但其优化目标集中在效率而非安全性。作者指出,技能(Ski
本文提出了一种名为 SPA(Securing Persistent LLM Agents)的架构,旨在解决大型语言模型(LLM)智能体在持久化多轮交互中的安全挑战。随着 LLM 智能体越来越多地操作不可信的网页、文档、工具和持久化状态,攻击
该论文提出 PLCBench,一个面向真实 PLC 的硬件在环(HIL)评估框架,用于系统性地衡量自主 LLM 代理能否将网络可达的 PLC 访问转化为持续的物理影响。研究背景是:工业控制系统依赖 PLC 连接网络计算与物理控制,而具备工具
本文针对企业环境中自主AI代理(autonomous AI agents)的治理问题展开研究。作者指出,当前部署方式继承了为人类用户和长期服务设计的控制模型,但在代理场景下存在三个关键不匹配:一是代理主体具有瞬时性,其创建和销毁速度远超传统
本文提出 MACGen,一个基于多智能体协作的代码生成框架,旨在同时优化功能正确性和安全性。大语言模型生成的代码常包含安全漏洞,因为安全代码生成本质上是一个多目标优化问题。现有方法要么注入外部安全知识,要么使用智能体反馈和迭代细化,但知识检
该论文是一篇关于检索增强生成(Retrieval-Augmented Generation, RAG)安全性与鲁棒性的综合性综述。RAG 通过引入外部知识库来增强大语言模型,能够提升事实性并减少幻觉,但同时也引入了新的鲁棒性与安全风险,例如
多模态大语言模型(MLLMs)正越来越多地部署在面向用户的应用中,但其构建流程可能引入后门风险,触发器可存在于图像、文本或两者兼有。现有的模型级后门移除方法大多针对传统分类器,在MLLM上效果有限;而专门的MLLM防御多在推理阶段进行,通过
该论文来自 arXiv(cs.AI 分类),研究将大语言模型(LLM)推理迁移到边缘 AI 加速器后引入的全新物理安全风险。在推理过程中,模型参数和中间推理状态会被反复加载到芯片上的局部存储器和计算子电路中,这使得它们容易受到物理侧信道攻击
Cloud & Application Security
From Scanner to Stealer: Inside the trivy-action Supply Chain Compromise
Next-Gen Identity Security
CrowdStrike Expands Identity Leadership with OpenID and IDPro
cloud architecture assessment
ransomware and multifaceted extortion defense
Google Cloud Next 2026Catch-up sessions on the keynotes and select sessions are now available on demand.Explore content
The Identity Problem Hiding in AI Agent Deployments
94% of Organizations Report Cloud Breaches: CrowdStrike State of CDR Survey
Falcon Cloud Security June 2026 Release: Updates for Azure and Google Cloud
Falcon Cloud Security July 2026 Release: Helping Security Teams Move Faster in the Cloud