Agent Flight Recorder: Tamper-Evident Audit Trails with On-Chain Anchoring for Long-Horizon Tool-Using Agents
该论文提出了一种面向长周期自主代理的审计追踪系统“Agent Flight Recorder”，旨在解决多步骤工具型代理在运行数千次操作时产生的级联失败与归因难题。系统将代理的每个动作捕获为结构化、规范序列化的事件，绑定从意图、执行到来源的
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Modelstamp: Pre-Deserialization Verification of Machine-Learning Artifacts and Runtime Environment State
本文提出并实现了 Modelstamp，一个轻量级的 Python 持久化库，用于在机器学习模型反序列化之前校验工件完整性与所代表的运行时环境状态。研究背景是：持久化的 ML 模型可能保持字节完全一致，但加载它的软件环境会不断演化，仅仅依靠
HEAT: Faster Fully Homomorphic Inference via Approximations-Weights Co-Adaptation
本论文提出一种针对同态加密（FHE）下大型语言模型（LLM）推理的加速方法——同态加密感知训练（HEAT）。同态加密允许服务器直接在加密的用户提示上运行语言模型，从而保护用户数据隐私，但目前这种方法速度极慢，难以实用。在FHE中，密文仅支持
Defense-as-Skill: Evolving Runtime Guard Skill for Skill-Augmented Agents
本文提出了一种针对技能增强型智能体的新型防御范式“Defense-as-Skill”（防御即技能）。在技能增强型智能体中，可重用的技能被加载为持久运行时上下文，虽能提升任务表现，但也为恶意技能提供了持续影响后续行为的通道。恶意技能可能在特定
Position: Privacy Is a Claim, Not a Property of Synthetic Data
本文是一篇立场论文（position paper），针对合成数据（synthetic data）在隐私敏感场景中的使用方式提出批判性反思。作者指出，合成数据在机器学习研究中已被广泛采用，但其在实际隐私保护中的作用正在悄然发生变化：从一种基于
One Prompt Is Enough: Watermark Laundering Through Foundation Image Models
本研究揭示了一种针对不可见数字水印的新型失效模式，称之为“水印清洗”。不可见水印通常用于保护图像版权或追踪内容来源，但现有鲁棒性评测仅考虑压缩、模糊、噪声、裁剪、去噪等传统扰动。随着公共基础图像模型的普及，攻击者可以仅使用一个重建提示（即提
MutMem-V2: Cryptographically Authorized Mutation in Persistent Agent Memory Portable Verification and Reproducible Evidence
MutMem-V2 是一篇关于持久化智能体内存安全与完整性验证的研究论文，属于系统化方法与规范定义的延续性工作。该研究在 V1 的基础上，进一步弥补了“可移植验证契约缺失”与“无法通过干净安装复现”的出版缺口。V2 没有引入第二套内存引擎，
Identification of Compositional Risks in Data Protection Impact Assessments and Beyond
本文研究分布式数据处理场景下，多个服务提供商协作处理个人数据时可能产生的组合性隐私风险。这类风险并非由单一处理者的行为直接导致，而是源于处理者集合的特定组合方式。例如，两个表面上无关的数据处理方可能各自依赖同一个云服务商，导致该云服务商能够
Verification of $K$- and Infinite-Step Strong/Weak Anonymity Using Concurrent Compositions
本文研究部分可观测离散事件系统（DES）中的匿名性验证问题。匿名性是一种信息流属性，其含义是系统在某些时刻的状态信息对观测者而言不是唯一的，从而提供隐私保护。现有研究已提出K步匿名性与无限步匿名性概念，其中K步匿名性要求当前时刻之前的至多K
Johnny Still Receives Spam SMS: Assessing the Robustness of SMS Spam Detection
该论文评估了现实世界中用户实际依赖的 SMS 垃圾短信检测系统在对抗攻击下的鲁棒性，这些系统包括商业即时通讯应用、第三方反垃圾服务以及托管在 Hugging Face 上的开源权重模型。作者不仅考察了标准条件下的检测性能，还针对可感知和基于
Lacan: Making Accountability in Anonymous Networks Real
互联网日常活动中，匿名性和问责制都是基本需求，但二者看似矛盾，难以同时实现。现有方案要么依赖路径上的受托服务器，要么需要逐包授权或逐包公钥运算，要么需要中央权威进行每会话干预，在可部署性、开销或信任模型上存在不足。本文提出 Lacan 协议
What Limits Robustness in Deep Image Watermarking: An Analysis of Mechanisms and Their Scaling Across Capacities
该论文针对深度图像水印中鲁棒性这一核心开放问题展开分析，重点研究当payload容量增长时，鲁棒性受限的根本原因。作者提出两个问题：容量本身是否是限制因素，还是仅仅暴露了其他潜在限制？论文给出两部分回答。第一部分系统梳理了水印必须承受的各种
Skill-as-API: Confidential Multi-Agent Coordination for Agentic Software Engineering
本文提出了一种名为 Skill-as-API 的保密多智能体协调协议，用于解决 AI 编码智能体在协作过程中泄露专业技能知识产权的问题。当前 AI 编码助手正从独立工具演变为协作队友，它们可以发现并调用彼此的专业技能。然而，现有的协调通道本
Influence of Logging Frameworks on Bind9
该论文研究的是基于主机的入侵防御系统（IPS）在高性能网络环境下面临的日志子系统瓶颈问题。作者指出，现代高速网络中，应用日志管道本身可能成为性能瓶颈，攻击者可以通过产生大量流量（例如DNS请求）淹没日志处理流程，导致关键审计记录被丢弃，从而
Pricing the DeFi Tail: Do Protocols or Depositors Price Operational Risk?
本文从风险管理角度研究 DeFi 协议的操作风险定价问题，类比银行必须持有资本以覆盖操作风险的监管要求，指出 DeFi 协议通常没有此类强制资本要求，操作风险直接暴露给存款人。作者整理了自 2020 年以来 1,075 起事件、合计 94.
Membership Inference in Fine-tuned Diffusion Language Models via Token-level Memorization Asymmetry
该论文关注扩散语言模型（DLMs）的隐私风险，这类模型作为自回归语言模型的替代方案，具备并行生成与双向上下文建模等优势，但其成员推理攻击等隐私问题尚未被充分研究。作者首先通过扩散训练动力学的理论分析，识别出一种称为“token级记忆不对称性
Effective Interventions Against AI-Enhanced Scams
本文研究 AI 增强型诈骗的有效干预措施。背景：2025 年全球诈骗直接损失估计达 4420 亿美元，美国 2020 至 2025 年报告损失增长近 400%。AI 在诈骗中的应用虽是新现象，却显著改变了诈骗的经济性和运营瓶颈。作者构建了一
Differentially Private Paired Table-Image Multimodal Synthesis
本文研究差分隐私（DP）下的成对表格-图像多模态数据合成问题。在医疗、金融等真实场景中，常存在图像与结构化表格记录配对的数据，但现有DP合成方法多数只单独处理表格或图像，难以同时保证两种模态的保真度以及跨模态依赖关系。针对这一挑战，作者提出
Automating Static Code Analysis Through CI/CD Pipeline Integration
该论文针对软件开发中安全漏洞发现与修复的滞后性问题，提出了一种通用且自动化的静态应用安全测试（SAST）工具集成流程。研究背景指出，SAST 工具虽能有效检测漏洞，但因误报率高、缺乏对原生流水线的支持等可用性问题，在企业中的广泛采用受到阻碍
Private Computation Space: Experience with Trusted Multi-Cluster Federated Learning for Agriculture
本文提出并部署了名为 Private Computation Space (PCS) 的开源机器学习系统，用于在保护农户数据隐私的同时实现农业领域的联邦学习。研究背景指出，尽管人工智能有潜力改善农业实践，但采用率有限，69%的美国农民因数据