PLCBench: Can Autonomous LLM Agents Turn PLC Access into Sustained Physical Impact?
本文提出 PLCBench，首个针对真实 PLC 的硬件在环 (HIL) 评估框架，用于系统衡量自主 LLM 代理能否将通过网络安全访问到的 PLC 转化为持续的物理影响。研究动机是既有评估往往停留在数字域或 PLC 测试的单一阶段，无法准
2026-08-29 归档
今日共收录 1687 条安全情报，包含 687 个 CVE，604 篇安全通告，以及 114 篇研究论文。
← 返回归档列表SPA: Securing Persistent LLM Agents Across Queries with Plan-First Information-Flow Control
该论文提出了一种名为SPA（Secure Persistent Agents）的架构，用于提升大语言模型（LLM）智能体在跨查询持久化场景下的安全性。研究背景是：当前LLM智能体常被赋予访问不受信任网页、文档、工具及持久化状态的权限，同时又
Five Primitives for Governing Autonomous AI Agents at Runtime
该论文针对企业中自主AI代理的治理问题，指出现有基于人类用户和长期服务的控制模型无法适应AI代理的三个关键特征：代理主体是短暂的（创建和消失速度快于预配置）、其行为由模型选择而非编程决定（因此可能尝试的动作集合不可预知）、以及代理种群是通过
Unsaid, Unsafe? Implicit Security Obligations in LLM-Based RTL Code Generation
本文针对大语言模型（LLM）生成寄存器传输级（RTL）硬件代码时存在的隐性安全义务缺失问题展开研究。与软件不同，RTL 代码一旦流片（tape-out）成硅片便无法在部署后修补安全漏洞，因此硬件代码的安全性至关重要。现有研究主要关注 LLM
RTLGuard: A Lightweight Teacher-Student Defense for Poisoned RTL Code Generation Models
该论文针对大语言模型（LLM）在寄存器传输级（RTL）代码生成场景中面临的后门投毒威胁，提出了一种轻量级防御框架 RTLGuard。随着 LLM 在硬件设计自动化中的应用，设计者开始依赖第三方预训练或微调后的模型将高层规格转换为可综合的硬件
MACGen: Toward Functionally Correct and Secure Code Generation via Multi-Agent Collaboration
大型语言模型（LLM）在代码生成方面表现出强大能力，但经常生成包含安全漏洞的代码。实现既功能正确又安全的代码生成是一个多目标优化问题，极具挑战性。现有方法通常通过注入外部安全知识，或利用基于智能体的反馈与迭代精化来缓解该问题；然而，检索到的
LLMscope: Extracting LLM Assets from Edge AI Chips via Optical Probing
本文研究了大语言模型（LLM）推理迁移到边缘AI加速器后引入的新型物理安全威胁。在执行推理时，模型参数和中间推理状态会被反复加载到芯片上处理，这使得它们容易受到物理侧信道攻击。作者提出并演示了一种基于激光电压成像（Laser Voltage
Auto-Policy, not Auto-Skill: Compiled Agent Skills for the Physical World
本文指出当前自我进化的技能库（如 AutoSkills、Hermes Agent）在自动生成编排建议时仅关注效率提升，而忽略了安全性的关键缺口。作者认为，技能（Skill）描述的是代理应如何行为，而策略（Policy）决定了哪些行为被允许成
Retrieved But Not Reliable: A Survey on Attacks, and Defenses in Retrieval-Augmented Generation
该论文是一篇关于检索增强生成（RAG）安全与鲁棒性的系统性综述。RAG 通过引入外部知识库来增强大语言模型，能够提升事实性和减少幻觉，但与此同时，检索-生成流水线也引入了新的安全风险，例如语料库投毒（corpus poisoning）、后门
Not All Tokens Are Equal: Region-Aware Consistency Repair of Backdoors in MLLMs
多模态大语言模型（MLLM）在用户端应用中日益普及，但其构建流程可能引入后门风险：触发器可能位于图像、文本或两者中。现有面向传统分类器的模型级后门移除方法对 MLLM 效果有限，而针对 MLLM 的防御大多在推理时进行，通过过滤可疑输入来缓
Cloud & Application Security
Cloud & Application Security
From Scanner to Stealer: Inside the trivy-action Supply Chain Compromise
From Scanner to Stealer: Inside the trivy-action Supply Chain Compromise
Next-Gen Identity Security
Next-Gen Identity Security
CrowdStrike Expands Identity Leadership with OpenID and IDPro
CrowdStrike Expands Identity Leadership with OpenID and IDPro
cloud architecture assessment
cloud architecture assessment
ransomware and multifaceted extortion defense
ransomware and multifaceted extortion defense
Google Cloud Next 2026Catch-up sessions on the keynotes and select sessions are now available on demand.Explore content on-demand
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
The Identity Problem Hiding in AI Agent Deployments
94% of Organizations Report Cloud Breaches: CrowdStrike State of CDR Survey
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 June 2026 Release: Updates for Azure and Google Cloud