Sality botnet infrastructure dismantled in joint global takedown
International law enforcement agencies and private partners have seized Sality malware infrastructure in a joint action
2026-09-03 归档
今日共收录 1407 条安全情报，包含 491 个 CVE，487 篇安全通告，以及 120 篇研究论文。
← 返回归档列表SonicWall warns of actively exploited SMA1000 zero-day flaws
SonicWall warned customers that threat actors are chaining two new SMA1000 zero-day vulnerabilities in remote code execu
UK Moves to Block High-Risk Tech Suppliers From Critical Infrastructure
Late amendments to the Cyber Security and Resilience Bill would give ministers new powers to restrict risky technology p
Workload Identification with Physical Side Channels for AI Governance
该论文研究如何利用物理侧信道（GPU功耗）进行AI工作负载识别，为AI治理中的计算验证提供技术基础。作者指出，AI计算验证是国际AI治理政策中第一个可落地、可操作的关键点。监管机构若要判断前沿实验室或其他操作方是否遵守相关协议，需要能辨别其
Reveree: Diagnosing LLM Reverse-Engineering Agents
本文提出 Reveree，一个用于诊断大语言模型（LLM）逆向工程（RE）智能体的框架。逆向工程在安全任务（如恶意软件分析、漏洞发现）中至关重要，而 LLM 智能体已能自主执行部分逆向工作。当前学界通常使用 CTF 逆向挑战作为评估该能力的
AKRASIA: Stealthy Backdoor Attack on Reasoning-based Code LLMs
AKRASIA 是一种针对基于推理的代码大语言模型（Code LLM）的隐蔽后门攻击方法，由研究团队提出并评估。与现有攻击不同，AKRASIA 在推理阶段（inference-time）注入后门，通过探测目标 LLM 以构造代码级触发器，并
The Implications of Linguistic Illegibility for LLM Security
大型语言模型（LLM）被训练为生成自然语言，但在安全防御中，我们常把模型输出的语言内容当作其内部意图与推理的忠实表达。本文由James Mickens撰写，指出这一假设存在根本性缺陷。作者引入“语言不可读性”（linguistic ille
The Shape of Ownership: Verifying LLM Provenance through Semantic Structures
本文提出一种面向大语言模型（LLM）的归属验证新方法 PROSE（Provenance through Relational Organization of Semantic Expression）。研究背景是：随着模型被重新分发、微调或封
A Finger on the Scale: Covert Policy Steering through Agentic Skills
本文研究可复用智能体技能（Reusable Agent Skills）对大型语言模型（LLM）智能体构成的新型供应链风险。可复用技能为LLM智能体提供任务流程、工具使用指导和输出约束，但其本质上是外部化的行为策略，可能被第三方恶意作者篡改：
Transfer Safety Awareness for Cross-Modal Safety Drift in Multimodal Large Language Models
多模态大语言模型（MLLM）通过融合视觉信息大幅提升了理解和生成能力，但随之而来一种新型安全风险：一段单独的文本看起来无害，一旦与图片结合可能传递有害意图，导致模型在不知情下输出不安全内容。作者将这种现象定义为“跨模态安全漂移”（cross
EvoFlint: An Evolutionary Atlas of Multi-Turn LLM Vulnerabilities
前沿语言模型通常会拒绝有害的单轮提示，但在多轮交互中，当用户逐渐表达恶意意图时，模型可能会妥协，这种现象被称为多轮攻击。现有自动化红队方法多将攻击视为生成问题，产生一系列单次成功的攻击示例，但缺乏对模型失败模式的系统性理解。本文作者提出将多
Don't Trust the Code, Check Its Effects: Runtime Refinement for Regenerated Systems Code Under an Adversarial Generator
该论文研究使用大语言模型（LLM）从规范自动生成系统代码的安全问题。近期许多工作将规范视为持久工件，实现代码作为一次性产物，可随工作负载和设备变化而再生成；其隐含前提是运行环境宽容：组件的外部可见效果（如设备写入、命令）可恢复，生成器是诚实
SafeEvolve: Harness-Policy Co-Evolution from Agent Experience for Safety Alignment
本文提出 SafeEvolve，一个面向 LLM 智能体安全对齐的体验驱动自演化框架。研究背景在于：基于 LLM 的智能体其行为安全性不仅受基础模型影响，还受与外部环境交互时所用 harness（如提示词、技能库、工具调用接口等）的制约，因
ACLE-MCP: Attested Capability Leases for Execution-Time Trust in Remote LLM Tool Use
该论文针对远程大语言模型（LLM）代理通过模型上下文协议（MCP）调用外部工具时的信任漏洞展开研究。传统上，OAuth 授权仅能验证调用方的身份，却无法保证授权后的工具调用确实由依赖方预期的服务端工作负载执行。论文指出，授权后可能发生多种执
Automated Vulnerability Injection in Smart Contracts Using Large Language Models
评估智能合约漏洞检测工具需要带有已知 ground truth 的数据集，但由于手工构建成本高且难度大，此类数据集十分稀缺。本文提出一种利用大语言模型（LLM）自动向 Solidity 智能合约注入漏洞的方法，并以 OpenSCV 中的 4
SpiderSapien: Client-Centric Web Crawler and Security Scanner
本文针对现代 Web 应用在客户端高度动态与交互的特性下，传统黑盒爬虫与安全扫描器难以深入探索有效状态、导致安全测试覆盖不足的问题，提出了以客户端为中心的爬虫与安全扫描器 SpiderSapien。作者指出，‘沉浸式交互’（immersiv
Can Risk-Based Alerting Mitigate Cybersecurity Alert Fatigue?
网络安全运营中心（SOC）每天需要处理大量告警，其中许多是误报，导致告警疲劳并掩盖真实攻击。风险告警（Risk-Based Alerting, RBA）被认为是减少误报、按风险优先级排序告警的可行方案，并在部分企业部署中显示出效果，但此前缺
Counter-GEO-Bench: Evaluating Defenses Against Information-Distorting Generative Engine Optimization
本文围绕生成式搜索引擎优化（GEO）被滥用传播定向错误信息的问题展开。GEO本用于让内容生产者在生成式搜索结果中提升可见性，但攻击者可利用同一技术发布外观正常的GEO优化文档，诱导大语言模型（LLM）在检索时将这些文档内容整合进看似可信的答
WeaveMark: Robust and Scalable Multi-bit LLM Watermarking via Coded Payload Spreading
WeaveMark 提出了一种面向大语言模型（LLM）的多比特水印方案，旨在解决文本溯源中嵌入用户可识别消息的场景。现有方法在提取准确率、文本质量和载荷容量之间存在难以兼顾的矛盾：提高载荷容量往往牺牲文本质量或提取鲁棒性。WeaveMark
Bonded Recourse for Smart-Contract Settlement of Compensable Agent Side Effects
该论文研究自主代理（autonomous agent）在执行跨组织边界的工具操作（如修改数据库、代码仓库、云服务）后，即使已具备事前授权和本地补偿（回滚），仍然会留下被许可操作失败后产生的残余损害（residual harm），而现有机制无