TagZilla: Automated Owner and Abuse Type Tagging for Indicators of Compromise in Threat Reports
本文提出 TagZilla，一个面向网络威胁情报（CTI）报告的自动化平台，用于给报告中的失陷指标（IoC）自动添加标注信息。CTI 报告通常包含 IP 地址、URL、文件哈希、加密货币钱包等 IoC，但这些 IoC 往往只出现在非结构化文
2026-08-31 归档
今日共收录 884 条安全情报，包含 132 个 CVE，408 篇安全通告，以及 86 篇研究论文。
← 返回归档列表CAITLYN: Can LLM Agents Autonomously Synthesize Defenses against Emerging Injection Attacks?
本文针对大语言模型（LLM）智能体面临的提示注入攻击问题展开研究。提示注入攻击通过将恶意指令或内容混入智能体检索到的外部文本中，迫使底层LLM执行超出其正常范围的危险操作。尽管现有防御方法能有效对抗已知攻击，但由于攻击变体和新型威胁不断涌现
CHISEL-ing Back Source Code with AI-enabled Iterative Recovery
本文提出 CHISEL，一个无需测试套件的框架，用于从 Ghidra 生成的伪 C 代码中迭代恢复可编译且语义正确的高级源代码。传统反编译器（如 Ghidra、IDA Pro 的 Hex-Rays 等）生成的伪 C 通常难以阅读且不可编译；
Not to Break, but to Attest: Adversarial Probes for Privacy-Preserving LLM Verification
该论文针对大语言模型（LLM）在部署后被篡改而常规输出基本不变的问题，提出一种基于 zk-SNARK 的隐私保护审计框架。该框架通过构造“对抗性探针”（adversarial probes）来放大已批准模型与修改后部署之间的 logit 漂
FISGuard: Defending Against Membership Inference via Fixed Input Subspaces
本文针对联邦学习（Federated Learning）场景下大语言模型（LLM）参数高效微调（PEFT）中的隐私泄露问题展开研究。在联邦学习中，客户端通常只共享梯度而非原始数据，但已有研究表明共享梯度仍可能泄露训练样本的成员关系（Memb
ContextLeak: Exfiltrating LLM Agent Context via Malicious Tools
该论文研究了一种针对 LLM 代理的新型恶意工具攻击：ContextLeak。LLM 代理（如基于工具调用的 AI Agent）在执行任务时，其运行时上下文（包括用户提示、执行轨迹、工具列表）可能包含高度敏感的信息。攻击者可以利用恶意工具窃
Memorization Is Not Extraction: Tight Differential-Privacy Bounds and Audit Blind Spots
本文研究大语言模型（LLM）中记忆与提取现象的度量问题。长期以来，模型记忆的定义繁多且关系不明，差分隐私（DP）常被当作同时控制所有记忆形式的统一代理。作者针对实际应用中最重要的两类定义——反事实记忆（counterfactual memo
RedEvoAgent: Automatic Red-Teaming Agent with Experience-Driven Skill Evolution
本文提出 RedEvoAgent，一种面向 LLM 智能体执行环境的自动红队测试方法。研究背景是：基于 LLM 的智能体越来越多地部署在产品级执行框架中，针对这些智能体的越狱攻击不仅会造成不安全文本生成，还可能触发有害的工具调用和持久性状态
When Context Gets Root: Privilege Escalation in LLM Harnesses
本文提出了一种针对大语言模型（LLM）智能体框架的新型攻击概念：指令权限提升（Instruction Privilege Escalation）。研究背景是，当前许多 LLM 应用采用“指令层级”（instruction hierarchy
Fully Unleashing the Multimodal Attacker: Meta-Adaptive Jailbreaking of Vision-Language Models
本文提出了一种名为元自适应多模态越狱（Meta-Adaptive Multimodal Jailbreaking, MAMJ）的新型攻击方法，用于系统性评估大型视觉语言模型（VLM）的安全性。现有越狱攻击在元层面大多是静态的：基于模板的方法
Safety Does Not Compose: Non-Decaying Loop State for Autonomous LLM Agents
本论文研究大型语言模型（LLM）智能体在自主循环部署中的安全性问题。当前，LLM智能体常被设计为从单个人类目标出发，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续保存状态。然而，广泛使用的智能体安全防护机制是基于单条
The Framing Gap: Indirect Prompt-Injection Exfiltration Defeats Surface-Level Defenses in Tool-Using Agents
本文研究工具型 LLM 代理在面对间接提示注入攻击时的防御失效问题。所谓间接提示注入，是指代理在读取攻击者控制的网页内容时，这些内容可能诱使代理泄露其持有的机密信息。作者在安全合成实验室环境中（包含金丝雀机密、模拟工具以及匹配的干净/投毒指
The Guard That Cried Wolf: How Scary Words Make Agent Guardrails Refuse Legitimate Actions
该论文聚焦于 LLM 代理系统中的护栏（guardrails）过度安全（over-safety）问题。护栏在 LLM 执行每个操作前进行批准或拒绝，然而它们有时会拒绝本应安全的授权操作，这种过度保守的行为会阻碍系统在真实场景中的部署。论文指
Are We Shooting Flies with Cannons? Trade-off Analysis for AI-based 5G Intrusion Detection
本文针对5G网络入侵检测中日益流行的AI模型选择问题，提出“是否在用高射炮打蚊子”的质疑，系统评估了传统机器学习模型与大型语言模型（LLM）在5G网络遥测数据上的检测性能与计算成本之间的权衡。研究以XGBoost作为树集成模型的代表，Tab
KubeCap: A Framework for Capability Minimization in Kubernetes via Static Analysis and LLM-Assisted Rule Inference
本文提出 KubeCap，一个面向 Kubernetes 工作负载的最小权限能力缩减框架。研究背景是：Kubernetes 作为最流行的容器编排平台，允许开发者通过 manifest 文件管理 Linux capabilities，但实践中
Moirae: A Multimodal Agent Collaborative Framework for Dynamic Android Malware Detection
本文提出 Moirae，一个面向动态 Android 恶意软件检测的多模态智能体协作框架。研究背景是 Android 生态面临持续且快速演变的恶意软件威胁，传统机器学习检测器依赖实现特定特征，其分布随时间变化，容易受到概念漂移的影响，导致检
CamoDocs: A Poisoning Attack Against Retrieval-Augmented Language Models Using Camouflaged Documents
CamoDocs: A Poisoning Attack Against Retrieval-Augmented Language Models Using Camouflaged Documents
AGFlow 三洞审计：补丁追着漏洞跑，有个版本掉队了
AGFlow 三洞审计：补丁追着漏洞跑，有个版本掉队了
Windows11 0day内核提权漏洞分析与利用（CVE-2026-62737）
CVE-2026-62737
Windows11 0day内核提权漏洞分析与利用（CVE-2026-62737）
CVE-2026-73653：Vitest Browser Mode 权限绕过漏洞原理与代码分析
CVE-2026-73653
CVE-2026-73653：Vitest Browser Mode 权限绕过漏洞原理与代码分析