Brave browser adds email aliases to help users evade tracking
The latest version of the Brave browser, 1.94, introduces a feature called 'Email Aliases' that allows users to generate
2026-08-30 归档
今日共收录 849 条安全情报，包含 76 个 CVE，428 篇安全通告，以及 85 篇研究论文。
← 返回归档列表EVOMAL: Self-Poisoning in Self-Evolving Coding Agents
本文由多所高校和机构的研究人员提出，关注自我进化的大语言模型（LLM）编码代理的安全漏洞。此类代理能够从共享技能库中检索示例，并通过模仿这些示例来自动编写新技能。研究人员发现，这一自我进化过程中存在一种可被利用的“自我投毒”（self-po
Reassembling Distributed Risk: Trajectory-Conditioned Action Generation for Multi-Turn Agent Safety
本文针对工具型大语言模型（LLM）智能体在多轮交互中的安全风险提出了一种新的防御方法。传统安全防护主要关注生成文本中的恶意内容，但工具型智能体能够执行影响外部系统的动作，安全风险范围因此扩展至动作序列。多轮分解攻击（multi-turn d
Beyond Vector Hiding: Breaking and Mitigating Shared-Direction Weight Obfuscation in TEE-Offloaded Large Language Models
本文针对TEE卸载的LLM推理中一种防御方案ArrowCloak发起安全分析。TEE卸载将大模型线性层以混淆形式交给不可信加速器，在可信环境内仅保留小规模修正，以在保护模型权重的同时加速推理。先前攻击ArrowMatch利用权重向量方向不变
How Do LLM Agents Actually Get the Flag? Trace-Level Provenance for Agentic Offensive Security Evaluation
该论文针对当前基于CTF（夺旗）基准评估大语言模型（LLM）智能体攻防能力时存在的评估浅层化问题展开研究。现有评估通常仅依赖二值化的成功/失败判断或聚合分数，忽略了智能体从初始状态到达flag的完整轨迹，导致真实漏洞利用行为与直接暴露fla
When Context Gets Root: Privilege Escalation in LLM Harnesses
本文提出了一种针对 LLM Agent 的新兴攻击面：指令特权提升（Instruction Privilege Escalation）。研究背景是，指令层次结构（instruction hierarchy）是一种模型端防御机制，它根据指令来
A Self-Evolving Multi-Agent Framework Defense against LLM Jailbreak Attacks
本文针对大型语言模型（LLM）面临的越狱攻击防御问题提出了一种自进化的多智能体框架。当前LLM虽经过安全对齐，但仍易被角色扮演、混淆、代码转换、多步间接等越狱技术诱导产生有害输出。现有防御多为静态部署，无法根据新出现的攻击积累经验或自适应调
Beyond the Editing Canvas: Evidence Divergence in OOXML-to-LLM Ingestion
该论文研究大型语言模型（LLM）流水线在摄入 Office Open XML（OOXML）文档（Word、Excel、PowerPoint）时面临的一个关键安全与语义完整性问题。在金融、合规和检索增强生成等场景中，LLM 常将这类文档作为第
NeuronFuzz: Safety Neuron Guided Fuzzing for LLM Safety Evaluation
论文提出 NeuronFuzz，一个面向大语言模型（LLM）安全评估的白盒模糊测试框架。现有自动化越狱测试方法主要依赖响应级反馈：每个候选提示都需要目标模型生成完整回复才能评估攻击效果，这不仅计算开销大，而且在强对齐模型上反馈极其稀疏——大
LAAF: A Layered Accountability Architecture Framework for LLM Applications
本文提出并整合了一个面向大语言模型（LLM）应用的分层问责架构框架（LAAF）。研究背景是LLM已广泛应用于医院、法庭、银行和公共服务等关键领域，其流畅但可能无根据或错误的输出常被当作权威信息，一旦造成损害，责任归属和追溯机制缺失。作者按照
Closing the Gap: Automated Discovery of Secure Dockerfile Reference Standards via Semantic Clustering in Enterprise Inner Source
容器化已成为企业软件交付的主流方式，但用于构建容器镜像的 Dockerfile 常常包含安全配置错误和结构性技术债务。该问题在企业内部源（inner-source）环境中尤其缺乏研究，因为专有上下文和孤立的治理机制使得开源社区的发现难以直接
Safety Does Not Compose: Non-Decaying Loop State for Autonomous LLM Agents
本文研究大规模语言模型（LLM）智能体在自主循环部署中的安全性问题。当前智能体系统常以单一人为目标，反复执行任务发现、规划、工具调用、结果验证，并在多次无人值守迭代中持久化状态。然而，广泛使用的安全防护机制通常定义在单一执行轨迹上，并在每条
RedEvoAgent: Automatic Red-Teaming Agent with Experience-Driven Skill Evolution
随着大语言模型（LLM）智能体被广泛部署于产品级执行环境，越狱攻击不再局限于诱导不安全文本，还可能引发有害工具调用和持久状态变更，安全风险显著增加。现有的自动红队方法大多依赖固定攻击模板，而近期的智能体攻击者虽能协同多种越狱工具并通过轨迹库
The Framing Gap: Indirect Prompt-Injection Exfiltration Defeats Surface-Level Defenses in Tool-Using Agents
该论文研究工具型 LLM 智能体在面对间接提示注入攻击时的安全防线有效性。智能体在持有秘密（如 canary 值）的情况下读取攻击者控制的网页内容，攻击者可通过网页中的指令诱导智能体泄露秘密。作者在安全合成实验室环境中（包括 canary
The Guard That Cried Wolf: How Scary Words Make Agent Guardrails Refuse Legitimate Actions
本文研究LLM智能体（Agent）在执行动作前的“护栏”（Guardrail）机制中的过度安全（over-safety）问题。护栏用于在LLM执行每个动作前进行批准或拒绝，但有时会误拒真正安全的请求，这种过度安全会阻碍护栏在授权任务中的部署
Are We Shooting Flies with Cannons? Trade-off Analysis for AI-based 5G Intrusion Detection
该研究针对5G网络入侵检测中AI模型选型问题，系统比较了传统机器学习模型与大型语言模型（LLM）在检测性能与计算成本之间的权衡。作者以5G网络遥测数据为输入，选取XGBoost（树集成代表）、TabNet（表格深度神经网络代表）以及作为通用
KubeCap: A Framework for Capability Minimization in Kubernetes via Static Analysis and LLM-Assisted Rule Inference
本文针对 Kubernetes 容器编排平台中 Linux capabilities 配置不符合最小权限原则的问题展开研究。作者通过对三个开源数据集的实证分析发现，高达 74.67% 的项目未在 Kubernetes manifest 中显
Benchmarking Confidential Computing Performance on NVIDIA Blackwell GPUs
本文针对NVIDIA Blackwell B200 GPU上可信执行环境（TEE）的性能开销进行了系统性基准测量。研究背景是：随着机密计算（Confidential Computing, CC）在AI/LLM工作负载中的重要性上升，用户需要
SILK: Closing the Time-of-Check-to-Time-of-Use Gap in RoT-Protected AI Systems
该论文提出 SILK（Streaming Inline Lightweight Keying），用于解决 AI 系统中由根信任（RoT）保护模型加载后面临的 TOCTOU 完整性缺口。RoT 在加载阶段验证 DNN 模型，但权重在到达计算引
Vulnerable Code Search: Transferable Attack for Code Language Models
本文研究神经代码语言模型（CLM）在代码检索任务中的脆弱性，提出一种与编程语言无关、可迁移的对抗攻击方法。现有代码搜索引擎依赖CLM将自然语言查询与代码片段映射到同一向量空间，但这类模型容易被针对非功能性文本元素的对抗扰动所欺骗。作者的核心