GAP: Differentially Private Graph Neural Networks with Aggregation Perturbation.
本文提出 GAP（Aggregation Perturbation），一种面向图神经网络（GNN）的差分隐私（Differential Privacy, DP）训练方法。现有 DP-GNN 方法通常在梯度、嵌入或模型参数上添加噪声，但这种方
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Rods with Laser Beams: Understanding Browser Fingerprinting on Phishing Pages.
本研究针对网络钓鱼页面中利用浏览器指纹识别技术来提升攻击隐蔽性和针对性的新型威胁展开调查。论文标题以“带激光的鱼竿”为隐喻，暗示攻击者不再使用传统钓鱼手法，而是借助精确的浏览器指纹识别‘激光’来锁定受害者。研究团队系统性地分析了大量真实钓鱼
Explanation as a Watermark: Towards Harmless and Multi-bit Model Ownership Verification via Watermarking Feature Attribution.
本文提出了一种名为“解释即水印”(Explanation as a Watermark) 的神经网络模型所有权验证方案，旨在解决深度学习模型被窃取或未经授权复用时的归属认定问题。传统模型水印方法通常直接修改模型参数或输出，可能会影响模型在正
User Profiling and Vulnerability Introduction Prediction in Social Coding Repositories: A Dynamic Graph Embedding Approach: Vulnerability Introduction Prediction in Social Coding Repositories.
该论文针对社交编码仓库（如GitHub）中的用户画像与漏洞引入预测问题，提出了一种基于动态图嵌入的新方法。传统漏洞预测多依赖静态代码特征或提交历史，但忽略了开发者行为与项目协作关系的演化。作者将仓库中的开发者、代码提交、文件等实体建模为动态
Fairness Properties of Face Recognition and Obfuscation Systems.
该论文围绕人脸识别（FR）系统与混淆（Obfuscation）系统的公平性属性展开研究。人脸识别技术已在安防、身份验证等领域广泛部署，然而研究表明其性能可能在不同人口统计群体（如种族、性别、年龄）之间存在显著差异，从而引发公平性担忧。混淆系
On Borrowed Time - Preventing Static Side-Channel Analysis.
该论文针对静态侧信道分析的可达性问题展开研究。在侧信道攻击中，攻击者通常需要找到从程序输入到敏感信息泄露的传播路径（即可达性），而静态分析技术常被用于自动识别这类路径。作者提出一种名为“借用时间”（On Borrowed Time）的方法，
Lend Me Your Beam: Privacy Implications of Plaintext Beamforming Feedback in WiFi.
该论文研究 WiFi 波束赋形（beamforming）反馈机制中的明文传输隐私泄露问题。在 IEEE 802.11 标准中，客户端设备（如手机、笔记本电脑）需要向接入点发送波束赋形反馈矩阵（beamforming feedback mat
CENSOR: Defense Against Gradient Inversion via Orthogonal Subspace Bayesian Sampling.
本文提出一种名为 CENSOR 的防御方法，用于抵御梯度反演攻击（Gradient Inversion Attack）。梯度反演攻击是一种严重威胁联邦学习和分布式机器学习安全的攻击手段，恶意服务器或攻击者可以通过观察客户端上传的模型梯度，逆
Ignoring Directionality Leads to Compromised Graph Neural Network Explanations.
本文研究了图神经网络（GNN）可解释性中的一个常见但被忽视的问题：图对称化（graph symmetrization）会丢弃边的方向信息，导致解释结果失真。作者指出，在诸多关键应用（如安全关键系统）中，GNN 的解释结果必须准确可靠，以支持
Signature-Free Atomic Broadcast with Optimal $O(n{2})$ Messages and $O(1)$ Expected Time.
该论文研究拜占庭原子广播（Byzantine Atomic Broadcast, ABC）问题，这是许可型区块链及多种安全多方计算协议的核心基础组件。长期以来，异步ABC协议要么依赖签名机制导致通信复杂度较高，要么在消息复杂度和时间复杂度上
Camel: Communication-Efficient and Maliciously Secure Federated Learning in the Shuffle Model of Differential Privacy.
联邦学习（FL）是一种允许多个客户端在不共享原始本地数据的情况下，仅通过共享梯度更新联合训练模型的范式。然而梯度更新本身也可能泄露隐私。现有方法通常采用本地差分隐私（LDP）机制，在共享前由客户端本地扰动梯度，但这类方法会因添加大量噪声而严
ProFake: Detecting Deepfakes in the Wild against Quality Degradation with Progressive Quality-adaptive Learning.
本文针对真实世界场景下深度伪造（deepfake）检测面临的质量退化问题展开研究。尽管现有深度伪造检测方法在常用数据集上表现良好，但在实际应用中（如社交媒体平台上的伪造视频和实时直播），由于平台会进行不可预测的压缩等操作，导致视频质量下降，
PhyScout: Detecting Sensor Spoofing Attacks via Spatio-temporal Consistency.
本文提出 PhyScout，一个针对自动驾驶系统中传感器欺骗攻击的综合性防御框架。现有防御方法存在攻击类型覆盖有限、依赖 GPU 计算、检测延迟高以及边缘场景可解释性差等问题。PhyScout 的灵感来源于人类驾驶员通过环境时空一致性检查快
PAC-Private Algorithms.
该论文针对机器学习算法在实践中缺乏严格隐私保证的问题，提出应用近期提出的 Probably Approximately Correct (PAC) Privacy 框架，为多种常用黑盒算法（K-Means、支持向量机 SVM、主成分分析 P
"Millions of people are watching you": Understanding the Digital-Safety Needs and Practices of Creators.
该论文聚焦于内容创作者（如视频博主、直播主、社交媒体影响者）的数字安全需求与防护实践。研究背景是：创作者因公开曝光而成为网络骚扰、人肉搜索、账号劫持、恶意举报等威胁的高发人群，且现有安全工具往往未针对其特殊场景优化。论文的核心研究问题包括：
（总）网出证（京）字第281号
该输入条目仅包含一个标题“（总）网出证（京）字第281号”，来源指向360CERT安全报告，但来源URL实际为360.cn的许可证明页面，且未提供任何摘要或正文。因此，本条目不具备可分析的威胁情报内容，无法提取攻击活动、战术、工具链、受害者
无人机开源飞控 PX4-Autopilot堆栈溢出漏洞 CVE-2025-15150
CVE-2025-15150
无人机开源飞控 PX4-Autopilot堆栈溢出漏洞 CVE-2025-15150
MongoDB内存泄漏 CVE-2025-14847(MongoBleed)
CVE-2025-14847
MongoDB内存泄漏 CVE-2025-14847(MongoBleed)
1Panel 代理证书验证绕过导致任意命令执行漏洞(CVE-2025-54424)
CVE-2025-54424
1Panel 代理证书验证绕过导致任意命令执行漏洞(CVE-2025-54424)
ModelContext Inspector 未授权访问漏洞(CVE-2025-49596)
CVE-2025-49596
ModelContext Inspector 未授权访问漏洞(CVE-2025-49596)