CrowdStrike Named Strongest Overall Leader in 2026 Frost Radar™: Cloud Workload Protection Platforms
CrowdStrike Named Strongest Overall Leader in 2026 Frost Radar™: Cloud Workload Protection Platforms
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McKesson discloses breach after ShinyHunters claims patient data theft
Healthcare and pharmaceutical distribution giant McKesson has disclosed a cybersecurity incident involving unauthorized
MOVERY: A Precise Approach for Modified Vulnerable Code Clone Discovery from Modified Open-Source Software Components.
本文提出一种名为 MOVERY 的精确方法，用于从开源软件（OSS）组件中检测被修改的漏洞代码克隆。在真实世界中，开发者常常复用开源代码，但会对其进行修改以适配自身需求，这导致已有的漏洞代码克隆检测工具（如基于语法或 token 匹配的方法
Rendering Contention Channel Made Practical in Web Browsers.
该论文针对Web浏览器中的侧信道攻击问题，提出并实现了基于渲染进程竞争的通信信道。在浏览器多进程架构下，渲染进程对CPU和GPU资源的调度存在竞争条件，攻击者可以通过观察渲染任务的时序变化来推断其他进程的活动状态，从而建立跨源通信信道。论文
DnD: A Cross-Architecture Deep Neural Network Decompiler.
本文提出 DnD, 一种跨架构的深度神经网络反编译器 (DNN Decompiler), 旨在解决传统反编译器 (如 Hex-Rays) 依赖人工编写规则、难以推广到新指令集架构的问题。核心方法是将不同架构的汇编指令统一 token 化,
Poisoning Attacks to Local Differential Privacy Protocols for Key-Value Data.
本文研究了针对键值数据本地差分隐私（LDP）协议的投毒攻击问题。在LDP协议中，不可信的服务器通过收集用户扰动后的数据来执行隐私保护的联邦分析，而无需信任用户。已有的LDP协议覆盖分类、数值和键值等数据类型，但由于分布式设置，攻击者可以通过
POSEIDON: Privacy-Preserving Federated Neural Network Learning.
本文提出 POSEIDON，一个隐私保护的联邦神经网络学习框架。研究背景是传统联邦学习通常依赖一个可信聚合方来协调各方梯度更新，但该可信方成为单点故障，一旦遭受数据泄露、黑客攻击或内部泄漏，可能同时危及训练数据隐私和模型隐私。为消除这一信任
Understanding and Detecting International Revenue Share Fraud.
本文研究国际收入分成欺诈（International Revenue Share Fraud, IRSF）问题。高级费率电话号码通常被恶意方滥用（例如通过电话诈骗、移动恶意软件等）以获取经济利益。这种利益来源于'收入分成'机制，即高级费率号
Zoom on the Keystrokes: Exploiting Video Calls for Keystroke Inference Attacks.
本文针对视频通话场景中的键盘敲击推断攻击展开研究，揭示了参与者在视频会议过程中可能无意间泄露敏感输入信息的风险。随着远程办公和在线交流的普及，视频通话已成为个人与专业沟通的主要方式，但用户往往忽视摄像头可能捕捉到的手指动作、键盘反射等细微视
LaKSA: A Probabilistic Proof-of-Stake Protocol.
本文提出 LaKSA（Large-scale Known-committee Stakebased Agreement），一种面向加密货币、但不限于此的链式权益证明（Proof-of-Stake）协议。该协议的核心设计目标是在大规模节点环境
Towards Cyber-Physical Representation and Cyber-Resilience Against Attack and Failure within a Hydraulic Network Simulation Toolkit.
本文针对水务基础设施中网络物理系统（CPS）的安全与弹性建模问题展开研究。作者指出，现代水分配与管理系统的安全性常被忽视，而随着针对工业控制系统（ICS）的攻击工具日益普及，水网络面临的实际网络威胁愈发严峻。现有仿真工具在水力动力学建模方面
SoK: Explainable Machine Learning in Adversarial Environments.
本文是一篇关于对抗环境下可解释机器学习（Explainable Machine Learning）的系统化综述（SoK）。近年来，后验解释方法使得深度学习模型等'黑盒'决策过程可以实现精确的特征归因，这引发了利用这些方法来检测对抗样本或神经
LayerDBA: Circumventing Similarity-Based Defenses in Federated Learning.
联邦学习（FL）允许多方在不集中收集数据的情况下协作训练深度神经网络（DNN），每个客户端本地训练模型并仅向中央服务器共享模型参数。虽然这种模式增强了客户端隐私，但也为恶意客户端操纵模型和注入后门提供了机会。现有的大多数后门攻击与防御研究假
C-Frame: Characterizing and measuring in-the-wild CAPTCHA attacks.
本论文设计并实现了 C-Frame，这是首个用于实时收集真实环境中 CAPTCHA 攻击数据的测量系统。作者首先研究了 CAPTCHA 协议和人工打码农场（human-driven farms）的近期演变，从中发现了一个独特的观察点，能够以
TensorShield: Safeguarding On-Device Inference by Shielding Critical DNN Tensors with TEE.
随着移动端和物联网设备上的人工智能推断任务日益普及，端侧推理（on-device inference）已成为保护用户数据隐私的主流范式。该范式通常将第三方提供的模型部署在本地设备上执行推断，然而这会将私有模型暴露于两大安全威胁之下：模型窃取
DPImageBench: A Unified Benchmark for Differentially Private Image Synthesis.
本文针对差分隐私（DP）图像合成领域日益凸显的评估协议不一致、甚至存在缺陷的问题，提出了一个统一基准平台 DPImageBench。研究背景是：DP 图像合成旨在生成既能保留敏感图像数据集统计特性、又能保护单张图像隐私的人工图像，但不同研究
IND-CPA-D of Relaxed Functional Bootstrapping: A New Attack, A General Fix, and A Stronger Model.
该论文聚焦于全同态加密（FHE）方案在增强型安全模型下的脆弱性。研究背景是：Li和Micciancio在Eurocrypt'21提出了IND-CPA-D安全模型，相比标准IND-CPA，它额外允许攻击者访问一个针对诚实生成密文的解密预言机。
Pixnapping: Bringing Pixel Stealing out of the Stone Age.
这篇 arXiv 论文提出了一种被称为“Pixnapping”的新型像素窃取攻击，旨在重新激活并超越 2013 年 Stone 所开创的经典像素窃取技术。像素窃取攻击利用恶意网站嵌入受害网站的 iframe，并借助 SVG 过滤器对跨域内容
RandRunner: Distributed Randomness from Trapdoor VDFs with Strong Uniqueness.
这篇论文提出了 RandRunner，一个面向现实系统模型的随机信标协议。随机信标是分布式计算中的基础原语，用于为拜占庭容错（BFT）协议、区块链以及更广泛的应用提供不可预测且一致的随机数源。传统随机信标通常依赖 BFT 共识协议来对随机输
Distributed & Scalable Oblivious Sorting and Shuffling.
本论文标题为《Distributed & Scalable Oblivious Sorting and Shuffling》，研究分布式环境下可扩展的不经意排序（Oblivious Sorting）与洗牌（Oblivious Shuffli