2026-09-04 归档

今日共收录 1362 条安全情报，包含 399 个 CVE，552 篇安全通告，以及 120 篇研究论文。

← 返回归档列表

安全公告2026-09-03 发布INFO

eldap does not bound the port component of a referral URL before integer conversion

CVE-2026-70409

eldap does not bound the port component of a referral URL before integer conversion

历史摘要 · 未重新核验 · Microsoft MSRC

#microsoft #msrc #windows

安全公告2026-09-03 发布INFO

httpd parks a request worker indefinitely on a malformed chunk size sent after the headers

CVE-2026-69664

httpd parks a request worker indefinitely on a malformed chunk size sent after the headers

历史摘要 · 未重新核验 · Microsoft MSRC

#microsoft #msrc #windows

安全公告2026-09-03 发布INFO

httpd mod_auth directory protection bypassed by a doubled slash in the request path

CVE-2026-66835

httpd mod_auth directory protection bypassed by a doubled slash in the request path

历史摘要 · 未重新核验 · Microsoft MSRC

#microsoft #msrc #windows

安全公告2026-09-03 发布INFO

inets,httpd:HTTP Request Smuggling via obs-fold Header Continuation

CVE-2026-66357

inets,httpd:HTTP Request Smuggling via obs-fold Header Continuation

历史摘要 · 未重新核验 · Microsoft MSRC

#microsoft #msrc #windows

安全公告2026-09-03 发布INFO

uri_string does not bound the port component of a URI before integer conversion

CVE-2026-59696

uri_string does not bound the port component of a URI before integer conversion

历史摘要 · 未重新核验 · Microsoft MSRC

#microsoft #msrc #windows

安全公告2026-09-03 发布INFO

httpc memory exhaustion via unbounded response header accumulation

CVE-2026-55951

httpc memory exhaustion via unbounded response header accumulation

历史摘要 · 未重新核验 · Microsoft MSRC

#microsoft #msrc #windows

安全公告2026-09-03 发布INFO

Deserialization of Untrusted Data in Elasticsearch Leading to Remote Code Execution

CVE-2026-72649

Deserialization of Untrusted Data in Elasticsearch Leading to Remote Code Execution

历史摘要 · 未重新核验 · Microsoft MSRC

#microsoft #msrc #windows

安全公告2026-09-03 发布INFO

Allocation of Resources Without Limits or Throttling in Elasticsearch Leading to Denial of Service

CVE-2026-56143

Allocation of Resources Without Limits or Throttling in Elasticsearch Leading to Denial of Service

历史摘要 · 未重新核验 · Microsoft MSRC

#microsoft #msrc #windows

学术论文2026-09-03 发布INFO

Long-Range Indirect Control-Flow Prediction in Stripped Binaries via Dual Virtual Hubs and Multi-Task Graph Learning

该论文针对剥离二进制（stripped binaries）中间接控制流（ICF）恢复任务面临的三项核心挑战：长距离依赖难捕获、不同ICF类型被割裂建模、以及现有评估协议易受标签噪声与数据泄漏影响。作者提出统一框架 ICFlowNet，用于剥

历史摘要 · 未重新核验 · arXiv cs.CR

#binary-analysis #control-flow-prediction #graph-learning #llm #agent-security

学术论文2026-09-03 发布INFO

A Black Box for Agentic Processes: Blockchain-Anchored Evidence for AI Agent Communication, Human Oversight, and GRC Audits

本文是一篇针对自主AI智能体（Agent）流程可审计性问题的立场与架构论文。随着AI智能体之间自主通信、调用工具、交换中间结果以及请求人工审批的场景日益增多，组织面临全新的审计难题：需要还原发生了什么事、何时发生、涉及哪个智能体或人员、适用

历史摘要 · 未重新核验 · arXiv cs.CR

#agent-security #llm #blockchain #audit #grc

学术论文2026-09-03 发布INFO

Security and Privacy in the Musical Metaverse: Threat Analysis and Design Implications

该论文针对“音乐元宇宙”(Musical Metaverse, MM)这一新兴融合环境，系统性地提出了其安全与隐私威胁分析框架。音乐元宇宙通过沉浸式、实时协同的音乐交互为特点，具有超低延迟约束、连续多模态数据流和异构设备等核心属性，这使得其

历史摘要 · 未重新核验 · arXiv cs.CR

#musical-metaverse #threat-analysis #xr-security #privacy

学术论文2026-09-03 发布INFO

Preprocessing Failure and Adversarial Detection in Depthwise-Separable Edge Vision Systems

本文针对边缘视觉系统中基于预处理的对抗防御方法展开实证研究。已有文献通常将预处理（如图像去噪、压缩、平滑等）视为无需重训练、无需修改模型结构的通用防御手段，但这些结论大多在 ResNet 等残差或 Inception 类架构上验证，而实际边

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #edge-vision #adversarial-defense #depthwise-separable #preprocessing #adversarial-detection

学术论文2026-09-02 发布INFO

SecDT: A Profile-Based Security Layer for TRDP Communications

该论文针对轨道交通列车实时数据协议（TRDP）在实际应用中缺乏原生密码学保护的问题展开研究。TRDP广泛用于列车车载通信，其过程数据（Process Data）采用多播流量模型在子系统间交换关键信息，这种模型使得直接引入加密保护面临较大挑战

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.NI #trdp #rolling-stock #cryptography #key-management #security-profile

学术论文2026-09-02 发布INFO

Population-Calibrated Graph Screening at 835-Million-Address Scale, with Label-Free Transfer to New Chains

本文介绍了一个用于区块链地址合规筛查的大规模图学习系统。传统合规筛查依赖制裁名单查询和地址聚类启发式规则，无法覆盖未标记地址，更无法在完全没有标签覆盖的链上工作。该系统不再依赖地址是否出现在名单中，而是通过地址在多链交易图谱中的位置进行评分

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.LG #agent-security #llm

学术论文2026-09-02 发布INFO

CAPTCHAs in the Agentic Era: Solvers That Learn from Every Encounter

本文研究视觉语言模型（VLM）驱动的智能体在持续交互中解决视觉 CAPTCHA 的能力变化。以往研究表明 VLM 无需任务特定训练即可解决部分验证码，但基于此类模型的智能体对每个实例都从零开始，第一百次与第一次成本相同；专用检测器则依赖类别

历史摘要 · 未重新核验 · arXiv cs.CR

#agent-security #llm #captcha #vlm #adversarial-robustness

学术论文2026-09-02 发布INFO

Privacy Leakage in Federated Learning: Gradient-Based Client Identity Inference and Defenses for Inertial Sensing in Vehicular Edge Networks

本文研究联邦学习（FL）在车载边缘网络（5G/6G V2X）中的隐私泄露问题。尽管FL被宣传为无需共享原始传感器数据即可协作训练模型，但客户端上传的模型权重更新仍可能泄露客户端身份，破坏V2X场景依赖的匿名性，并加剧对对抗性机器学习、模型投

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.LG #cs.NI #agent-security #llm

学术论文2026-09-02 发布INFO

Removing Speech, Keeping Activities: A Privacy Firewall for Acoustic Sensing in Assisted Living

声学传感为老年人日常生活活动监测提供了一种非侵入性的技术手段，但语音隐私问题始终是实际部署的关键障碍。该论文提出了一种基于U-Net编码器-解码器结构的“隐私防火墙”流水线，完全使用合成数据训练，能够在去除环境音频中人声语音的同时，保留能够

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.SD #cs.HC #agent-security #llm #acoustic-sensing #privacy

学术论文2026-09-01 发布INFO

Pushing Forward Multi-Secret-Key Homomorphic Encryption for Private Average Aggregation

本文提出了一种面向联邦学习私有平均聚合场景的轻量级多密钥同态加密协议。联邦学习允许多个客户端在本地数据不出域的前提下协同训练共享模型，但客户端上传的模型更新仍可能泄露敏感信息，因此私有聚合成为实际部署中的核心组件，尤其在跨机构（cross-

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.LG #federated-learning #homomorphic-encryption #privacy #multi-party-computation #rlwe

学术论文2026-09-01 发布INFO

Adversarial Vulnerabilities of Neural Biomarker Identification Systems

本文研究基于脑电图（EEG）的神经生物特征识别系统在对抗攻击下的脆弱性。近年来，EEG信号被视为有前景的生物识别凭据，但对其可靠性和安全性的研究尚不充分。已有的对抗性测试多聚焦于深度学习分类器，并假设攻击者能完全访问分类器模型，未覆盖其他更

历史摘要 · 未重新核验 · arXiv cs.CR

#q-bio.NC #eeg #biometrics #adversarial-attack

学术论文2026-09-01 发布INFO

Cheap Verifiers, Large Blind Spots: Measuring the Reliability Cost of Cost-Saving Cascades

该论文针对推理级联（inference cascade）系统的可靠性代价展开实证研究。推理级联是一种成本优化策略：绝大多数查询由廉价的小模型处理，仅将困难样本升级到作为验证器的前沿大模型，从而在保证一定质量的同时降低成本。作者在此基础上考察

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.AI #cs.LG #llm #agent-security #cascade-inference #ai-safety